[发明专利]一种基于自适应阶数的交互行为分析方法

权利要求书

1.一种基于自适应阶数的交互行为分析方法，其特征在于：包括以下步骤：

步骤一：视频特征提取与表示；

步骤二：利用分层狄利克雷过程模型对视频序列进行建模，检测出场景中包含的行为，并利用K-means算法进行分类，实现多变量时间序列提取与分类；

步骤三：进行多变量自回归模型阶数选择；

其中，进行多变量自回归模型阶数选择，具体步骤如下：

步骤(3.1)：对于M个时间序列X₁,...,X_M建立p阶多变量自回归模型：

其中,X(n)是M×1维的列向量，表示多变量过程在时刻n的值，p表示自回归模型的阶数，0＜p≤p_max；A(k)表示M×M维的模型预测系数，U₁(n)是M×1维的白噪声；p_max表示最大阶数；M表示变量的个数；k表示滞后时刻数；

步骤(3.2)：利用最小二乘法估计模型的预测系数A(k)；

步骤(3.3)：计算p阶模型的残差平方和RSS(p)；

步骤(3.4)：计算贝叶斯信息准则：

mBIC(p)＝Nlog(RSS(p))+λlog(N)M²p；

其中，N表示行为样本长度；λ表示惩罚因子，其取值自适应于组间和组内交互行为分析；

步骤(3.5)：重复步骤(3.1)～步骤(3.3)，直到遍历完所有阶数；

步骤(3.6)：选择最佳阶数p₀，具体为：

步骤四：基于频域的多向量过程因果测量的组间交互行为分析；

步骤五：基于频域的多标量过程因果测量的组内交互行为分析；

步骤六：基于组间和组内因果测量的全局和局部行为交互网络构建；

其中，构建全局和局部行为交互网络，具体步骤如下：

步骤(6.1)：计算组间平均因果测量：

步骤(6.2)：基于平均因果测量对组间因果测量进行去噪：

步骤(6.3)：计算每个组内平均因果测量：

步骤(6.4)：基于平均因果测量对组内行为的因果测量进行去噪：

步骤(6.5)：重复步骤(6.3)～步骤(6.4)，直到遍历完所有小组；

步骤(6.6)：以小组行为作为顶点，因果测量作为边，构建全局行为交互网络；

步骤(6.7)：在小组内以每个行为作为顶点，行为之间的因果测量作为边，构建局部行为交互网络。

2.根据权利要求1所述的一种基于自适应阶数的交互行为分析方法，其特征在于：在步骤一中，视频特征提取与表示，具体步骤如下：

步骤(1.1)：利用光流算法计算视频序列中相邻帧之间的光流特征并对光流进行幅度去噪；

步骤(1.2)：对去噪后的光流特征进行位置和方向的量化；

步骤(1.3)：将视频序列分割成N个片段，并表示成词袋模式。

3.根据权利要求2所述的一种基于自适应阶数的交互行为分析方法，其特征在于：在步骤二中，多变量时间序列提取与分类，具体步骤如下：

步骤(2.1)：基于分层狄利克雷过程模型对N个片段进行建模，提取场景中的M个行为，整个视频场景可以表示成一个M×N维的矩阵，其中行向量代表行为发生的离散时间序列X₁,...,X_M；

步骤(2.2)：基于K-means算法对多变量时间序列X₁,...,X_M进行聚类，将其分成H个小组Y₁,...,Y_H；

步骤(2.3)：对多变量时间序列X₁,...,X_M进行去噪声，去趋势化，零均值以及一阶差分处理。