| 一种视频数据代表选择框架方法 |
| |
| 引用本文： | 蒋勇,张海涛.一种视频数据代表选择框架方法[J].计算机科学,2016,43(11):19-23, 60. |
| |
| 作者姓名： | 蒋勇 张海涛 |
| |
| 作者单位： | 西南政法大学 重庆401120,中国人民公安大学 北京100038 |
| |
| 基金项目： | 本文受重庆市教委科技项目:基于大数据的职务犯罪情报分析模型与供给式研究(KJ1600103),公安部公安理论及软科学研究重点项目(2013LLYJGADX003)资助 |
| |
| 摘 要： | 为有效处理视频数据问题,提出一种识别海量数据集中代表子集的方法,即代表选择方法,经选择后的小容量的数据代表完全可以代表原始大数据集的结构特征。对于给定的大数据集,首先生成相应1-norm非负稀疏图,然后利用一种谱聚类算法基于所生成的稀疏图将大数据反复划分直至形成聚类簇。代表选择过程中,将每个聚类看作Grassmann流形中的一个点,然后基于测地距衡量这些点间的距离,接着利用min-max算法分析距离以提取出较优的聚类子集。最后,通过分析被选集类的一个稀疏子图,利用主成分集中性方法探测出数据代表,称此过程为基于非负稀疏图与Grassmann流形测地距的代表选择框架。为验证所提出的框架,将之应用于视频分析中,从一长段的视频流中识别出少数的几个关键帧,实验效果通过人工判断与标准评价方法进行评价,并与现有的几种方法的效果进行比对,结果证明所提出的代表选择框架方法具有更好的效果与可行性。
|
| 关 键 词： | 稀疏图 Grassmann流形 测地距 关键帧 代表 |
| 收稿时间： | 5/7/2016 12:00:00 AM |
| 修稿时间： | 2016/7/31 0:00:00 |
Representative Selection Framework Approach for Videos |
| |
| JIANG Yong and ZHANG Hai-tao.Representative Selection Framework Approach for Videos[J].Computer Science,2016,43(11):19-23, 60. |
| |
| Authors: | JIANG Yong and ZHANG Hai-tao |
| |
| Abstract: | |
| |
| Keywords: | Sparse graph Grassmann manifold Geodesic distance Key frame Representative |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
