视频底层特征提取技术研究

近年来,随着信息技术的迅猛发展,各种各样的视频信息和人们的生活戚戚相关,视频技术的研究俨然成为一个热门的研究领域。本文重点对视频的底层特征中的彩色特征、运动特征和镜头特征进行了提取技术的研究。在计算彩色特征和运动特征时首先把预告片视频分离成单帧图像,再计算每个预告片中的每帧图像的这两类特征,最后取整个预告片视频的所有帧的均值作为最终需要的特征结果。而镜头特征是根据每个预告片视频的关键帧的位置获得的。

基于层级化特征的人体动作识别

人体是非刚性物体,随着人体形状的变化,底层特征也会发生剧烈的改变,如何在剧烈变化的人体动作中发现其不变性是解决人体动作识别问题的关键。提出了一种基于层级化特征的人体动作识别算法。首先,基于Harris3D检测算法从动作视频中提取人体动作的底层特征;之后,根据人体结构对特征进行区域性的划分,并根据区域划分的精细程度得到高,中,低三层特征集合。利用词袋模型对特征点进行统计,使不同层级的特征映射到相同的特征维度空间。最后,使用隐条件随机模型对人体动作进行训练和识别。大量的实验结果也证明了层级化特征在人体动作识别上的稳定性。