[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

摘要

本发明涉及一种基于顺序特性和子空间聚类的镜头分割方法。该方法，首先由摄像头拍摄得到视频帧，然后一方面将受到攻击后的视频帧与源视频帧进行峰值信噪比PSNR计算，根据所得到的峰值信噪比PSNR使用动态方式设定惩罚因子；另一方面对每个视频帧进行提升小波变换，然后把每个视频帧的小波低频系数矢量化成单独的列，排列于一处的形成数据样本集X，在动态存储器SDRAM中依据基于顺序特性的子空间聚类算法进行镜头分割，然后将分割后的结果存储至静态存储器，受到攻击后的视频帧则直接存储至静态存储器。

主权项

一种基于顺序特性和子空间聚类的镜头分割方法，其特征在于：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,…,xN]∈RD×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,…,zN]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：xi＝Xzi，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、zN+1＝zN，z1，zN分别表示系数矩阵Z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，PSNRmax为最大峰值信噪比，取100；为同时实现对系数矩阵Z的稀疏约束和惩罚函数控制，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，通过公式(2)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。