摘要: 视频主要运动分析是基于内容的视频检索领域中的一个重要研究课题。现有方法常依赖阂值来分析主要运动类型,导致运动的分类准确度很大程度上依赖阂值设置的好坏。针对这一问题,提出一种无需阂值设置的视频主要运动自动分类方法。该方法首先提取视频帧中特征点的运动向量作为运动特征,再采用核密度估计(Kernel Density Estimate, KDE)来获得特征点的运动分布特性,最后用一种改进的基于Kullback-Leibler(KL)距离的k邻近分类器(kNN)对主要运动进行分类。为了减少人工干预,还给出一种利用摄像机的运动特点,自动生成具有代表性的kNN训练样本的方法。该方法无需阂值设置,能够自动地对摄像机的平移、摇动、缩放等主要运动进行有效归类。试验结果表明,该方法能够达到85. 1%的准确度和79. 6%的查全率,具有精度高、鲁棒性好等特点。与传统的基于阂值的方法进行了对比实验,证明该方法的性能优于传统方法。
No related articles found! |
|