申请/专利权人：西南大学

申请日：2023-12-06

公开（公告）日：2024-03-12

公开（公告）号：CN117690056A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明为基于GaussinaCopula的视频流在线特征提取方法及装置，属于计算机大数据处理技术领域。其中，该装置包含接收模块、存储模块、数据填充模块、特征提取模块、参数初始化模块；该方法包含以下步骤：S1：接收采集的视频数据，S2：接收在线提取视频中特定目标指令，S3：参数初始化，S4：目标检测，S5：利用GaussinaCopula方法补全特征值，S6：相关性分析，S7：冗余特征分析，S8：输出特征。本发明利用GaussinaCopula方法结合缺失值优化模型，减少搜索空间，对缺失的特征数据进行快速、准确的补全，同时基于三支决策方法减少了不确定关系的影响，实现了在线视频特征的准确、快速的提取。

主权项：1.基于GaussinaCopula的视频流在线特征提取方法，其特征在于，该方法包含以下步骤：S1：接收模块接收视频采集设备采集的视频数据，并逐帧存入到存储模块的视频缓存单元；S2：特征提取模块接收服务器发送的在线提取视频中特定目标特征指令；S3：参数初始化模块对基于GaussinaCopula的视频流在线特征提取过程中涉及的参数进行初始化；S4：视频缓存单元逐帧利用目标检测方法分割出待检测目标，将待检测目标区域的图像按照矩阵形式重新进行存储得到待测矩阵，同时，视频缓存单元逐帧的对待测矩阵作差，并利用待测矩阵每一个元素位置的差值建立插值函数，用于计算Gaussiancopula方法的迭代初始值；其中，将待检测目标被遮挡部分的待测矩阵元素值设定为缺失值；S5：数据填充模块利用Gaussiancopula方法对步骤S4得到的待测矩阵中缺失值进行填充；S6：特征提取模块中的相关性分析单元逐行对填充好的矩阵进行相关性分析，计算出当前视频数据的矩阵特征；S7：特征提取模块中的冗余分析单元将矩阵特征和特征存储单元中的历史特征进行分析，筛除其中的冗余特征，更新历史特征；S8：特征提取模块中的迭代输出单元重复执行步骤S4～步骤S7，直到所有视频流都完成了目标的特征提取，并将特征存储单元中的所有目标特征发送给服务器；其中，步骤S3所述的参数包含GaussinaCopula方法参数和特征提取参数；其中，GaussinaCopula方法参数包含：待检测目标对应的矩阵大小H×W，正态分布的协方差矩阵∑；所述的特征提取参数包含：特征对应的分类属性C，显著性水平α、β，代价cost；其中，0≤β≤α≤1；步骤S5所述的GaussinaCopula方法，具体为：S501：针对待测矩阵中的已知元素xO进行处理，构建映射关系，得到正态矩阵Z；具体包含：S5011：建立映射函数ψ·＝[ψj·]1≤j≤W，将待测矩阵中第j列的已知元素利用变换，遍历j＝1，…，W，得到归一化矩阵E；其中，ψj·为将待测矩阵中第j列的已知元素按照每一列归一化到[0，1]区间上；S5012：建立映射函数Φ·＝[Φj·]1≤j≤W，将归一化矩阵E中的每一列利用正态分布N0，∑进行变换，得到正态矩阵Z；S502：利用步骤S4的插值函数求取当前帧的待测矩阵的缺失值xM的预测值x′，建立缺失值优化模型求得缺失信；其中，优化模型为：objmin||xM-x′|| 其中，为待定系数；∑M，O、∑O，O分别为∑中缺失值对应的所有行构成的子矩阵和无缺失值对应的所有行构成的子矩阵；·-1为逆矩阵运算；E·为期望函数；Φ-1·为Φ·的逆映射；ψ-1·为ψ·的逆映射；S503：利用似然估计，结合步骤S502计算得到的缺失值xM，更新协方差矩阵∑；具体为：S5031：利用似然估计，更新协方差矩阵∑：＝G∑，x＝Ez·zT|x，∑；其中，x＝[xO，xM]，z＝[zO，zM]；S5032：计算出近似协方差矩阵S5033：再次更新协方差矩阵其中，P＝D-12·∑·D-12，D＝diag∑，diag·为对角化矩阵；S504：重复S501～S503，更新协方差矩阵∑，直到收敛到精度要求的范围内，输出此时的正态矩阵S505：利用Φ·的逆映射Φ-1·，将正态矩阵映射得到归一化矩阵S506：利用ψ·的逆映射ψ-1·将归一化矩阵映射得到填充好的矩阵步骤S7所述的冗余特征分析具体为：逐个遍历当前视频数据的矩阵特征中的所有特征，利用条件概率计算特征的独立性，删除冗余特征；其中，不独立的特征为冗余特征。

全文数据：

权利要求：

百度查询： 西南大学 基于Gaussina Copula的视频流在线特征提取方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD