[发明专利]视频中事件语义识别方法

权利要求书

1、视频中事件语义识别方法，其特征在于利用视频中识别出的前景对象，结合马尔科夫链技术，自动识别视频事件语义，将视频中事件语义视为一个多元事件语义，它由若干个符合一定规则和时序关系的单元事件组成；

单元事件语义的定义和构造步骤：单元事件语义被视为最小的事件语义表达单位，它由单个语义对象及其运动状态，或者两个对象及其运动关系组成；当对象发生变化，或者对象的运动状态或关系发生变化，均表示当前单元事件的结束，下一个单元事件的开始；

利用马尔科夫链技术，发现多元事件语义和单元事件语义之间的构造关系，其步骤是：

将单元事件语义视为一个马尔科夫状态，而多元事件语义的识别则转换为由若干个状态转移的结果；通过跌代式计算马尔科夫链的稳态分布，获得组成每个多元事件语义最适合的单元事件语义序列。

2.如权利要求1所述的视频中事件语义识别方法，其特征在于有如下步骤：

a)将运动状态相似的前景对象分为一类，包括仅存在一个前景对象；

b)构建每个前景对象类的最小凸多边形，并将其作为该类的代表；

c)选取任意两个类构成单元事件的描述单元，以其中一个类作为重点观察类，而另外一个作为参考类，即若存在n个类，则需要分解为n(n-1)/2个单元事件进行描述，n＞2；

d)定义单个对象运动状态类型包括膨胀、收缩、静止、平移、徘徊；定义对象两两之间运动关系类型包括接近、远离、静止、经过、围绕、触碰；

e)通过三元组E(O_i，Z_t，O_j)存储单元事件语义，其中O_i，O_j为不同的对象语义概念，Z_t为运动状态的类型；

f)假设在时刻t，发生单元事件E^t的概率为π_t(E^t)，类似的在t+1时刻，发生单元事件E^t+1的概率为π_t+1(E^t+1)；

g)对可能在时刻t出现的所有单元事件，通过对当前单元事件的出现概率，与从当前单元事件E^t转移到下一个单元事件E^t+1的概率p(E^t→E^t+1)的乘积求和，计算

π t + 1 ( E t + 1 ) = Σ E t π t ( E t ) p ( E t → E t + 1 ) ; ]]>

h)对单元事件对应的状态空间E＝{E₁，E₂，...，E_N}进行反复分割，利用π_t＝π_t+1的马尔科夫链稳态分布原理，计算链中所有稳定分布向量；

i)获得每种事件语义所应包含的单元事件语义及其时序关系，从而能够用于实现事件语义的自动识别。