面向图像检索的累加乘积量化方法研究

针对经典的乘积量化方法易受数据相互依赖关系限制的问题,提出一种累加乘积量化方法。对高维特征向量进行正交分解,得到相互独立的特征向量子空间,依据压缩效率要求,对各特征向量子空间进行进一步分解,得到相互不独立的特征向量次子空间,对次子空间采用累加量化方法进行编码,对子空间采用乘积量化方法进行编码,在保障压缩效率的前提下降低数据相互依赖关系对量化精度的影响。实验结果表明,与经典的乘积量化方法和笛卡尔K-均值方法相比,该方法的编码误差较小,在图像检索应用中的查全率较高。

基于关键帧的交互行为识别

微软发布的Kinect传感器相比传统相机,不仅能获取颜色图像,还能得到深度图像,这对人类行为分析提供了一种新的解决方案。因此,基于Kinect创建了八种类型双人交互行为数据集。为了减少原始序列数据并降低计算复杂度,基于DTW模型和运动能量准则提出了一种新的关键帧提取方法。实验结果表明,提出的方法能够准确、全面地反映内容梗概;同时指出选择五个关键帧,相比其他关键帧提取个数,不仅保证与完整序列的识别结果相近,也更有效地减少了原始序列数据存储量。