一种视频中主要运动自动分类方法

摘要：

视频主要运动分析是基于内容的视频检索领域中的一个重要研究课题.现有方法常依赖阈值来分析主要运动类型,导致运动的分类准确度很大程度上依赖阈值设置的好坏.针对这一问题,提出一种无需阈值设置的视频主要运动自动分类方法.该方法首先提取视频帧中特征点的运动向量作为运动特征,再采用核密度估计(Kernel DensityEstimate,KDE)来获得特征点的运动分布特性,最后用一种改进的基于Kullback-Leibler (KL)距离的k邻近分类器(kNN)对主要运动进行分类.为了减少人工干预,还给出一种利用摄像机的运动特点,自动生成具有代表性的kNN训练样本的方法.该方法无需阈值设置,能够自动地对摄像机的平移、摇动、缩放等主要运动进行有效归类.试验结果表明,该方法能够达到85.1％的准确度和79.6％的查全率,具有精度高、鲁棒性好等特点.与传统的基于阈值的方法进行了对比实验,证明该方法的性能优于传统方法.

关键词：运动分析、核密度估计、K邻近分类

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金项目SWJTU12CX027;国家自然科学基金60971103,61134002

在线出版日期：2013-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：378-380,390