1.一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法,其特征在于,包括以下步骤:步骤1:获取视频行为数据集,对数据集里的视频行为通过压缩感知进行多层降维处理,得到CS态的视频流;
步骤2:通过C3D网络模型对于步骤1中的CS态视频流进行特征提取,得到CS态下的特征向量;
步骤3:利用PCA技术对于步骤2中提取的特征向量进行降维,然后利用AdSRC算法精确地识别视频行为特征。
2.根据权利要求1所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法,其特征在于,步骤1进一步包括:步骤1.1:利用压缩感知理论中的观测降维,使用观测矩阵直接对数据集里的视频行为进行采样;
步骤1.2:将采样后的视频帧图片以及观测矩阵按顺序依次分成多个2×2的矩阵块,然后分别求二者对应的矩阵块的内积,达到CS降维;
步骤1.3:重复上述1.1和1.2两个步骤,实现多层CS降维;
步骤1.4:选择观测矩阵以及最终的降维层数。
3.根据权利要求2所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法,其特征在于,步骤1.4中,所述观测矩阵选自下列任一者:伯努利矩阵、托普利兹矩阵、部分哈达玛矩阵、随机高斯矩阵。
4.根据权利要求1所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法,其特征在于,步骤2进一步包括:步骤2.1:将输入的CS态视频分割成互不重叠的视频小片段,作为C3D网络模型的输入;
步骤2.2:微调C3D网络模型,利用微调后的模型对CS态的视频进行特征提取,得到C3D网络模型的卷积层特征作为输出特征向量。
5.根据权利要求4所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法,其特征在于,步骤3进一步包括:步骤3.1:对输出的卷积层特征向量进行PCA降维处理;
步骤3.2:采用AdSRC算法对PCA降维处理的视频行为特征进行识别。
6.根据权利要求5所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法,其特征在于,所述AdSRC算法融合了SRC算法和AdaBoost架构中多分类SAMME算法的思想。