[发明专利]基于智能高层语义的视频行为识别方法

摘要

本发明公开了一种基于智能高层语义的视频行为识别方法，主要解决现有高层语义不完备而导致识别率低的问题。其实现方案是：1)提取视频行为特征，进行行为识别，获取混淆矩阵；2)针对混淆矩阵，人工定义能够区分混淆行为的高层语义集合；3)对人工定义的高层语义集合进行表达性和判别性的量化评估；4)利用遗传算法，获取更完备的高层语义集合，并训练和学习更完备的高层语义特征；5)将更完备的高层语义特征输入到SVM分类器中，获取行为识别的结果。本发明的智能高层语义具有更好的鉴别性，有效提高了视频行为识别的准确率，可用于视频监控。

主权项

1.基于智能高层语义的视频行为识别方法，包括：(1)提取视频行为特征并应用于行为识别，获得混淆矩阵，针对混淆矩阵，人工定义能够区分混淆行为的高层语义，并获取人工定义的高层语义集合HSet；(2)对人工定义的高层语义集合HSet，进行表达性和判别性的量化评估：(2.1)对步骤(1)获得的人工定义的高层语义集合HSet，设置相应的正负样本：若某类视频行为中包含某一个高层语义，则将该类视频行为的标签设置为1，并作为正样本；否则，将该类视频行为的标签设置为0，并作为负样本；(2.2)将所有正样本组成的集合划分成为正样本训练集Train_SetT和正样本测试集Test_SetT，同样，将所有的负样本组成的集合划分成为负样本训练集Train_SetF和负样本测试集Test_SetF；(2.3)将正样本训练集Train_SetT和负样本训练集Train_SetF合并作为整个训练集Train_Set，将正样本测试集Test_SetT和负样本测试集Test_SetF合并作为整个测试集Test_Set；(2.4)利用第m个高层语义hm的训练集Train_Set[hm]，训练对应的分类器SVM[hm]；(2.5)计算各高层语义在整个训练集Train_Set上的类内触发频度Rep(hm)，以便对人工定义的高层语义集合HSet进行表达性的量化评估；(2.6)将测试集Test_Set中的视频行为输入到步骤(2.4)获得的分类器SVM[hm]中，计算各高层语义在测试集Test_Set上的类内触发频度，以获取人工定义高层语义集合HSet的判别性量化指标；(3)对高层语义集合HSet，执行遗传算法中的选择、复制和交叉运算，以获取更完备的高层语义集合HS′et及对应的判别式分类器集合SVM_High_Set：(3.1)利用表达性度量指标Rep(hm)和判别性度量指标Freqin(hm)，以计算适应度函数Fit(hm)；(3.2)将人工定义的高层语义集合HSet作为第一代个体，采用“最佳个体保护法”选择HSet中适应度较高的个体，并直接复制到下一代，同时设阈值为TEnt，当Fit(hm)大于TEnt时，该高层语义被选择，并复制到下一代；(3.3)对于当代所有的高层语义个体，按照交叉概率pc选择参与交叉的个体，以“单点交叉方式”实现交叉运算，获取新的高层语义个体；(3.4)重复执行步骤(3.1)到步骤(3.3)，若连续两代经遗传算法获取的新高层语义都未达到阈值TEnt，或遗传算法已达到预定的进化代数Ngen时，停止循环，输出更完备的高层语义集合H′Set及对应的判别式分类器集合SVM_High_Set：其中，为更完备的高层语义集合H′_Set中第m个高层语义对应的判别式分类器，1≤m≤M，M为更完备高层语义集合H′_Set中高层语义的个数。(4)利用步骤(3.4)获得的判别式分类器集合SVM_High_Set，学习更完备的高层语义特征：(4.1)将测试集Test_Set中的每一个视频行为特征，依次输入到判别式分类器集合SVM_High_Set中，获得判分值sco(Vn,hm)；(4.2)将获取的M个判分值sco(Vn,hm)进行串接，得到测试集Test_Set中更完备的高层语义特征HFeat_Test；(5)交换训练集Train_Set和测试集Test_Set，将更新后更完备的高层语义判别式分类器集合表示为SVM_High_Set′，重复步骤(4)，得到训练集Train_Set中所有视频行为更完备的高层语义特征HFeat_Train；(6)利用训练集Train_Set中更完备的高层语义特征HFeat_Train，训练SVM分类器，最后将测试集Test_Set中更完备的高层语义特征HFeat_Test，输入到训练好的SVM分类器中进行行为识别，获取行为识别的结果。