[发明专利]基于二分图的动态纹理识别方法

说明书

技术领域

本发明涉及的是一种计算机模式识别技术领域，具体地说，涉及的是一种基于二分图的动态纹理识别方法。

背景技术

传统的词袋模型，会因为代码本的大小而影响聚类结果，然后对特征直方图产生影响，从而导致影响识别率。为了解决这个问题，模式识别领域中做了很多研究。基于图像内容的匹配方法，可以解决这个问题。基于内容的图像和视频检索，识别是计算机视觉研究的重要内容。

视频分割是计算机视觉与模式识别领域的研究热点。将视频中不同的运动模式准确分类在民用和军用上均具有广泛的应用前景。如对密集人群的分割，可以得到不同的运动模式，从而可以有助于目标跟踪，行为预测等。在智能交通中，通过视频监控，能够得到车流的不同的运动模式，进而能够对不同的交通情况(拥塞，中度拥堵，车流较少)进行分类。

视频分割的主要方法有基于运动信息，基于模型和基于时空信息的方法。基于运动信息的有光流法和变化检测法。光流法是通过计算帧与帧之间像素变化，来得到光流场。但是它受到局部运动约束，因此对于低纹理无纹理物体的运动，物体内部的运动场会丢失，即前后两帧中原来被遮盖的背景由于前景运动显现出来，影响光流计算。变化检测由全局运动估计模块，自适应阈值决策模块，基本分割模块组成。基于模型的方法主要有混合高斯法，基于随机场模型分割法。混合高斯法假设图片背景的每个像素值是符合高斯分布的，因而可以计算出背景的均值和方差，从而建立起背景的高斯模型。当有运动物体进入图像时，该物体的颜色值与背景有较大的差异，此时物体所在区域就不符合高斯模型，于是物体就可以当作前景分离出来。基于随机场模型分割法是将最大后验概率准则-马尔科夫随机场(maximum a posteriori-Markov random field，MAP-MRF)的标记问题转化为图论的最小割问题。

动态纹理分割因其自身的特点，研究人员也投入了很多工作。文献(A.B.Chan and N.Vasconcelos,Modeling,clustering,and segmenting video with mixtures of dynamic textures,IEEE Transactions on Pattern Analysis and Machine Intelligence,2008,30(5),909-926.)用混合的线性动态系统模型来对动态纹理建模，用期望最大后算法(Expectation-Maximizat ion，EM)来得到参数。然后对动态纹理分割。文献(G.Doretto,D.Cremers,P.Favaro,and S.Soatto,Dynamic texture segmentation,In Proceedings of the International Conference on Computer Vision,2003,1236-1242.)通过将相邻像素建模成线性动态系统模型，并比较与给定的线性动态系统模型的子空间所构成的向量。通过水平集方法(level set)来极小化能量函数，从而完成对动态纹理分割。文献(A.Ravichandran,P.Favaro,and R.Vidal,A Unified Approach to Segmentation and Categorization of Dynamic Textures,In Proceedings of the Asian Conference on Computer Vision,2010,425-438.)对动态纹理每个小块用线性动态系统和SIFT特征来建模。然后用基于超像素的随机游走(Random Walk)算法来分割，并用卡方核函数的SVM分类器进行有监督的动态纹理识别。这是一种联合分割和识别的方法，但是分割的结果依赖于用户的训练数据。

发明内容

为解决上述技术问题，本发明的目的是提供一种识别率高、运算成本低的基于二分图的动态纹理识别方法。

为达到上述发明目的，本发明基于二分图的动态纹理识别方法，包括：

对动态纹理视频中的每个像素时间序列提取混沌特征向量，将视频转化为混沌特征向量矩阵，其中所述的特征向量矩阵是：F＝[τ，m，Di，std]，τ和m分别是嵌入延迟和嵌入维数，D_i是信息维数，std是像素时间序列的标准差；

基于混合高斯法对混沌特征矩阵分割，用度量来比较两个动态纹理之间的相似程度，通过这种相似比较，建立起一个二分图模型；

基于匈牙利算法来达到动态纹理识别的目的。