[發明專利]一種基于線性動態系統的時空局部特征的提取方法

在審

• 申請號: 201410363723.8
• 申請日: 2014-07-28
• 公開（公告）號: CN104200235A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 羅冠;胡衛明
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發明涉及圖像處理及計算機應用技術領域，特別涉及一種基于線性動態系統的時空局部特征的提取方法。

背景技術

隨著社會經濟和科學技術的飛速發展，視頻已被廣泛地應用于各種場所，例如，在銀行、機場、居民生活區等地區安裝用于安防的監控系統，每天產生大量的監控視頻數據；再例如，在互聯網上存儲著海量的視頻節目，而且每時每刻還在不斷地高速增長。如何在如此海量的視頻數據中快速準確地檢索到我們所期望的內容，是一個具有重要研究價值和巨大應用價值的實際問題，這一問題的有效解決將對相關產業的深入發展起到重要的促進和推動作用。

視頻內容分析技術的首要環節是提取視頻的特征，然后對這些特征進行描述，將其表示為一個向量。在視頻特征提取上，時空局部特征因為具有旋轉、尺度、光照以及遮擋等不變性的優點而得到廣泛的應用。在視頻特征描述上，目前常用的方法包括梯度方向直方圖(HOG)、光流直方圖(HOF)和運動邊界直方圖(MBH)等。梯度方向直方圖通過計算時空局部特征中每幀圖像的梯度方向信息來描述局部特征。這種方法注重特征的靜態表觀信息，但忽略了特征中幀與幀之間的運動信息。光流直方圖著重考慮了特征中幀與幀之間的運動信息，但這種方法很難處理鏡頭自身運動的情況。運動邊界直方圖在光流直方圖的基礎上，通過計算光流場的梯度信息，能有效過濾鏡頭自身運動的信息，因此能更好地描述視頻中感興趣目標的運動信息。

在實際的視頻內容分析系統中，一個具有共識的觀點是：特征的靜態表觀信息和運動信息在描述視頻特征方面，具有同等重要的地位。為此目的，一部分研究工作通過融合上述的特征描述方法(HOG、HOF和MBH)來實現。研究結果也表明融合方法在大多數情況下要優于單個特征描述方法。本發明公開的方法與已有方法不同，本發明方法通過將時空局部特征看作線性動態系統的輸出，反求出線性動態系統的模型參數，并將該模型參數作為時空局部特征的描述子。這種全新的描述子能夠同時表達時空局部特征的靜態表觀信息和運動信息，因此不需要進行復雜的融合操作。在計算結果上，這種描述子的區分判別能力也優于上述單個方法、甚至多種方法的融合。

發明內容

有鑒于此，本發明的主要目的是提供一種基于線性動態系統的時空局部特征的提取方法，該方法將時空局部特征看作線性動態系統的輸出，反求出線性動態系統的模型參數，并將該模型參數作為時空局部特征的描述子來同時刻畫特征的靜態表觀信息和動態信息。

為達到上述目的，本發明提出一種基于線性動態系統的時空局部特征提取方法，該方法包括以下步驟：

步驟1：收集待處理的視頻數據文件；

步驟2：對于所述待處理的視頻數據文件，提取大小為N×N×L的三維時空局部特征；

步驟3：對于每一個三維時空局部特征，沿空間維度展開得到二維時空局部特征Y；

步驟4：將所述二維時空局部特征Y作為線性動態系統的輸出，學習得到所述線性動態系統的模型參數，作為所述二維時空局部特征Y的描述子。

根據上述技術方案，本發明具有以下有益效果：

1、在本發明提供的基于線性動態系統的時空局部特征提取方法中，將時空局部特征看作線性動態系統的輸出，用模型參數作為時空局部特征的描述子。這種全新的描述子能夠同時表達時空局部特征的靜態表觀信息和運動信息，從一個全新的角度解決了如何同時捕捉視頻表觀信息和運動信息的難題。

2、本發明所采用的穩態最小二乘的模型參數學習方法，能夠以非常小的計算代價學習得到模型參數的次優閉合解。

因此，本發明可以廣泛應用在視頻內容檢索，敏感視頻檢測與過濾以及智能視頻監控等業務中。

附圖說明

圖1為本發明提供的一種基于線性動態系統的時空局部特征提取方法的流程圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。

圖1為本發明提供的一種基于線性動態系統的時空局部特征提取方法的流程圖，如圖1所示，所述方法包括以下步驟：

步驟1：收集待處理的視頻數據文件；

步驟2：對于所述待處理的視頻數據文件，提取大小為N×N×L的三維時空局部特征；

所述步驟2進一步包括以下步驟：

步驟21，計算每幀視頻圖像的興趣點和光流場；

其中，所述興趣點可以是SIFT，MSER等局部稀疏興趣點，也可以是根據等間隔采樣得到的稠密興趣點。