[发明专利]一种基于主题模型的动态场景分类方法

权利要求书

1.一种基于主题模型的动态场景分类方法，其特征在于，包括以下步骤：

（1）利用SIFT特征对图像进行局部描述，生成原始图像对应的SIFT特征图，经过时间的变化，原始图像对应的特征之间就会有相对位置上的变化，这种变化构成了流场，形成了动态视频SIFT流；

（2）对动态视频SIFT流特征量化，并聚类形成为视觉单词；

（3）利用量化后的视觉单词建模，得到场景分类的结果。

2.根据权利要求1所述的基于主题模型的动态场景分类方法，其特征在于，所述步骤（1）具体为：

（1）将视频处理为图像序列；

（2）构建图像稠密的SIFT特征描述；

（3）匹配SIFT特征；

（4）计算SIFT流的运动场。

3.根据权利要求1所述的基于主题模型的动态场景分类方法，其特征在于，所述步骤（2）具体为：对动态视频SIFT流场图像进行均匀分块，分为                                                网格对每一个分块按SIFT流的方向量化为8个柄的直方图，形成72维特征矢量，利用K-means聚类形成为视觉单词。

4.根据权利要求1所述的基于主题模型的动态场景分类方法，其特征在于，所述步骤（2）和步骤（3）之间还包括以下步骤：按照视频文件统计视觉单词的频率。

5.根据权利要求1或4所述的基于主题模型的动态场景分类方法，其特征在于，所述步骤（3）具体为：引入单词先验信息扩展原始TMBP模型，并将原始TMBP模型和Knowledge-TMBP模型利用量化后的视觉单词建模，根据模型输出的每个测试数据对于各个主题的概率分布，选择概率最大的的主题作为该动态场景的主题类别。

6.根据权利要求2所述的基于主题模型的动态场景分类方法，其特征在于，所述步骤（2）稠密SIFT特征的提取主要分为两个步骤：

（1）计算单一像素点导数值与导数方向；

（2）统计点像素的邻域，形成直方图，这样每个描述子就形成了特征向量，对于每一幅图像，都得到了它们稠密的SIFT描述。