欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021107590508
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.针对隐私保护视频关键帧提取的视觉评价关联模型方法,其特征在于,包括以下步骤:

步骤1、对数据集中的视频进行多层压缩感知编码,使其处于视觉隐私保护态;

步骤2、利用改进的SUP‑LBP特征算子和改进的IRME算法对视觉隐私保护态视频进行特征提取;

步骤3、构建主观评价模型,将主观评价模型及步骤2提取的特征输入SVR,得到视频隐私保护质量分数;

步骤4、采用无监督双层的聚类算法对视觉隐私保护态视频进行关键帧提取,并提出一种CF指标对所述关键帧提取性能进行评价,从而进行关联模型的建立。

2.根据权利要求1所述的针对隐私保护视频关键帧提取的视觉评价关联模型方法,其特征在于,步骤1的具体实施步骤为:步骤1‑1、利用压缩感知理论中的观测降维,使用改进型非负高斯观测矩阵直接对数据集里的视频进行采样:

其中φ是高斯观测矩阵,φ'是改进型非负高斯观测矩阵:步骤1‑2:将采样后的视频帧图片以及改进型非负高斯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,实现压缩感知编码;

步骤1‑3:重复步骤1‑1及步骤1‑2,实现多层压缩感知编码,直至形成视觉上屏蔽效果。

3.根据权利要求1所述的针对隐私保护视频关键帧提取的视觉评价关联模型方法,其特征在于,步骤2中,提取各编码层的隐私保护态视频进行LBP和对比度双特征提取,并使其并联组合,得到SUP‑LBP特征直方图:其中k是SUP‑LBP特征的维度,{h(0),h{1},Λ,h(58)}代表的是特征的统计直方图。

4.根据权利要求1所述的针对隐私保护视频关键帧提取的视觉评价关联模型方法,其特征在于,步骤3的具体实施步骤为:步骤3‑1、若干位评估人员对视频帧的质量进行评估,得到相关主观分数,构建主观评价模型;

步骤3‑2、将主观评价模型、提取的特征输入SVR,进行训练和测试得到视频帧隐私保护质量分数;

步骤3‑3、将步骤3‑2得到的视频帧隐私保护质量分数加权平均得到视频隐私保护质量分数。

5.根据权利要求1所述的针对隐私保护视频关键帧提取的视觉评价关联模型方法,其特征在于,步骤4的所述的无监督双层的聚类算法的具体实施步骤为:步骤4‑1、对编码后的视频提取PHOG特征,并且用仿射传播聚类进行首次聚类,聚类中心产生过程如公式下方所示,得到关键帧提取的中间结果:(t) (t‑1) t‑1

r (i,j)←λr (i,j)+(1‑λ){s(i,j)‑maxj≠j'[a (i,j')+s(i,j')]}其中r(i,j)是代表矩阵元素,代表第j个样本适合作为第i个样本的类代表点的代表程度,a(i,j)是适选矩阵元素,第i个样本选择第j个样本作为类代表样本的适合程度,λ是阻尼系数,s(i,j)是相似矩阵,t是最大迭代系数。

步骤4‑2、对上所述中间结果提取PHOG‑HSV特征,进行稀疏子空间聚类得到最终关键帧结果;

步骤4‑3、利用压缩率和保真度进行指数加权得到CF值,来衡量关键帧提取的无监督双层的聚类算法的性能;

步骤4‑4、将视频隐私保护质量分数与CF值进行Polynomial拟合,得到最终的所需的关联模型。