[发明专利]一种基于顺序特性和子空间聚类的镜头分割方法

说明书

技术领域

本发明涉及信号处理领域，特别涉及一种基于顺序特性和子空间聚类的镜头分割方法。

背景技术

现在全世界许多角落都安装了大量摄像头，海量多媒体数据由此产生，这些都属于有顺序关系的高维数据.在每个视频帧中的像素维数是非常大的，但其内在表示有意义的维数往往比整个空间的维数小得多，换言之，高维数据可通过同一子空间的低维数据表示，这不仅减少了处理时所需大量运算和内存，也大大减少了原空间噪声的影响，而且相邻帧之间存在顺序关系。本发明结合视频信息的这些特点发明了一种基于顺序特性和子空间聚类的镜头分割方法。

发明内容

本发明的目的在于提供一种基于顺序特性和子空间聚类的镜头分割方法。

为实现上述目的，本发明的技术方案是：一种基于顺序特性和子空间聚类的镜头分割方法，包括如下步骤，

步骤S1：通过摄像头拍摄获取视频帧，并对所获取的视频帧进行帧编号，得到视频帧序列；

步骤S2：对每一视频帧进行提升小波变换处理，并将每个视频帧的小波低频系数矢量化成单独的列，各列排列形成数据样本矩阵X；

步骤S3：通过下述优化目标函数，对步骤S2形成的数据样本矩阵X进行子空间聚类；

式中：E代表高斯噪声；||||₁表示为1范数；||||_F表示为F范数；数据样本矩阵X＝[x₁,x₂,…,x_N]∈R^D×N；由于数据的自我表达特性，每个列样本均可表示为数据样本矩阵X自身的一个线性组合，其中，Z＝[z₁,z₂,…,z_N]是大小为N×N的系数矩阵，在该表达方式下，各个列样本可表达为：x_i＝Xz_i，此时相邻列样本间的相似性质则体现为系数矩阵Z中相邻列分量间的相似关系；为确保公式有意义，对上式进行边界扩充，即令z₀＝Z₁、z_N+1＝Z_N，Z₁，Z_N分别表示数据样本矩阵X中的第1列和第N列；上式中的第二项是为了确保系数矩阵Z是稀疏的，其中，λ₁为一常数；上式中第三项的惩罚项是为了体现数据的局部低维子空间属性，其中，为惩罚因子，λ₂为常数，PSNR为峰值信噪比，PSNR_max为最大峰值信噪比，取100；

为同时实现对系数矩阵Z的稀疏约束和罚函数控制，求解优化结果，采用交错方向乘子法，在考虑约束条件的情况下，引入新的矩阵变量U和M，并使用矩阵方式改写公式(1)的第三项，即将目标优化函数变为：

其中，

通过上式即可求得，每帧视频帧在数据样本矩阵X对应的列所属的聚类，从而得到聚类结果；

步骤S4：将步骤S3得到的聚类结果存储至静态存储器中，即可实现对受攻击视频帧序列的镜头分割，便于用户分析视频。

在本发明一实施例中，所述峰值信噪比PSNR的计算公式如下：

式中，I为源视频帧信号，K为受攻击后的视频帧信号，且I、K均表现为m行n列的数据矩阵，s表示视频帧信号的峰值。

相较于现有技术，本发明具有以下有益效果：本发明方法实现速度较快，无需人工监督实现聚类，聚类的过程应用PSNR作为惩罚因子，动态微调聚类的结果，便于用户分析视频。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

如图1所示，本发明的一种基于顺序特性和子空间聚类的镜头分割方法，包括如下步骤，

步骤S1：通过摄像头拍摄获取视频帧，并对所获取的视频帧进行帧编号，得到视频帧序列；

步骤S2：对每一视频帧进行提升小波变换处理，并将每个视频帧的小波低频系数矢量化成单独的列，各列排列形成数据样本矩阵X；

步骤S3：通过下述优化目标函数，对步骤S2形成的数据样本矩阵X进行子空间聚类；