基于独立子空间分析的不良视频检测方法

为了检测网络中含有不良内容的视频,提出一种基于非监督学习特征的不良视频检测方法。该方法使用独立子空间分析网络对未标定视频进行训练,学习视频中的运动模式,使用训练好的网络对待测视频提取运动特征。该特征结合词袋模型,通过支持向量机的分类实现不良视频的检测。相比传统的光流、运动直方图等人工设计的特征,该特征计算效率高,且检测效果对视频质量不敏感。在视频库上进行实验后,发现该方法对不良视频的检测准确率相较于对比算法提高约10%。

基于ISA网络的视频人体行为分类识别

采用基于独立子空间分析(ISA)模型与神经网络理论形成的ISA深度网络模型特征提取方法,并结合数据预处理方法、K-means聚类方法以及支持向量机(SVM)分类器等实现对视频人体行为的分类识别.将本研究方法应用到Hollywood2人体行为数据集上进行人体行为识别实验,并与其他常用人体行为特征提取和识别方法进行对比,实验结果验证了本研究方法在人体行为分类识别中的有效性.