1.一种基于局部时空连续性聚合描述的视频纹理描述方法,包括如下步骤:步骤A,对输入视频中的目标进行检测并跟踪,获取含有目标的连续视频序列并进行归一化处理;
步骤B,对归一化后的帧图像集合划分分块,为获取视频的局部时空连续性信息,对每个分块提取LBP‑TOP视频纹理特征,以获得每个分块级的特征直方图信息;
步骤C,在所有分块级的LBP‑TOP特征构成的特征分布空间中进行k‑mean聚类,并聚合属于同一聚类的特征与聚类中的残差,得到描述整个视频序列的局部时空连续性聚合描述矩阵,从而获得视频的更为紧凑的描述形式;
步骤D,将上述聚合描述矩阵以向量的形式表示,同时基于Fisher准则对向量进行权重计算以提高视频纹理的表示能力,并获得最终的视频纹理描述向量。
2.根据权利要求1所述的一种基于局部时空连续性聚合描述的视频纹理描述方法,其特征在于,在步骤B中,所述LBP‑TOP特征提取首先对视频序列进行灰度化处理得到视频帧的灰度图像,然后在视频序列的三个正交平面上分别提取LBP特征,最后将这三个LBP特征直方图进行级联操作以 获得视频序列的纹理特征。
3.根据权利要求1所述的一种基于局部时空连续性聚合描述的视频纹理描述方法,其特征在于,在步骤D中,所述基于Fisher准则对向量进行权重计算以提高视频纹理的表示能力,对于含有多个类别的视频分类问题,隶属于同一类别的不同视频序列之间的相似度分布构成了类内相似度空间,隶属于不同类别的视频序列之间的相似度分布形成了类间相似度空间,这里对视频局部聚合描述向量的权重学习利用了Fisher准则,即通过使类内散度尽可能小而类间散度尽可能大的方式来获得每个分量的权值。