1.一种基于蜜蜂视觉仿生的隐私保护与行为识别关联统计建模方法,其特征在于:所述建模方法包括如下步骤:步骤1:获取人体行为视频数据集,对视频进行不同下采样率的蜜蜂视觉仿生编码处理得到仿生态视频集;
步骤2:提取步骤1仿生态视频集中仿生态视频帧的密集颜色特征和显著性结构特征,将两种特征输入SVR模型得出视频帧的视觉隐私保护度;
步骤3:采用低秩稀疏分解法分离步骤1仿生态视频集中仿生态视频的运动前景和静态背景,提取前景视频的DT特征,通过字典学习稀疏识别得出行为识别率;
步骤4:将步骤3获得的仿生态视频帧的视觉隐私保护度与行为识别率进行曲线拟合得出关联统计模型。
2.根据权利要求1所述基于蜜蜂视觉仿生的隐私保护与行为识别关联统计建模方法,其特征在于:步骤1仿生态视频集获取包括如下步骤:步骤1.1:把蜜蜂的单个复眼分为四个区域,通过每个区域小眼的观察角度变化建立单个复眼中所有小眼的空间分布模型;
步骤1.2:通过二次函数把步骤1.1中得到的小眼空间分布模型中的每个小眼位置映射到图像像素索引上,得到了蜜蜂复眼空间分辨率采样矩阵;
步骤1.3:采用压缩感知理论中的改进高斯随机测量矩阵和步骤1.2得到的蜜蜂复眼空间分辨率采样矩阵一起对图像进行编码得到最终的仿生视觉。
3.根据权利要求1所述基于蜜蜂视觉仿生的隐私保护与行为识别关联统计建模方法,其特征在于:所述步骤2中仿生态视频帧的密集颜色特征提取过程为:步骤2‑1‑1:将仿生态视频帧进行分块,计算得出所述仿生态视频帧的密集颜色直方图DCH:其中:其中Bx=By=(2M/m‑1)为横向和纵向的图像分块个数;m/2为图像分块步长;Iblock为其中某一个图像块;Gσ为以标准差σ生成的旋转对称高斯低通滤波器;*为矩阵的卷积运算;
步骤2‑1‑2:获取所述仿生态视频帧密集颜色特征DCF:其中:
4.根据权利要求3所述基于蜜蜂视觉仿生的隐私保护与行为识别关联统计建模方法,其特征在于:所述步骤2具体包括如下步骤:步骤2‑1:计算仿生态视频帧的显著性特征:
AERS(x)=‖f(s(x))‑c(x)‖2其中:s(x)和c(x)分别为图像像素x处的大图像块及其中心的小图像块;f(·)表示深度中心环绕推理网络;
步骤2‑2:利用GCS‑LBP算子计算图像结构纹理特征:其中:其中 和 为P个邻近像素中的中心对称像素对,R为邻近像素区域的半径,为阈值为T的赋值函数: 其中T的取值范围为[0,1];
步骤2‑3:将显著性特征和结构纹理特征加权计算得出显著性结构直方图SSH:SSH(k)=∑i∑jIGL(i,j)·Δ(IAERS(i,j),k)其中IGL和IAERS分别表示图像结构纹理特征和显著性特征;
步骤2‑4:获取仿生态视频帧的显著性结构特征SSF:P/2
其中SSH为显著性结构直方图,共2 个值,k为值的下标索引。
步骤2‑5:将仿生态视频帧的密集颜色特征DCF和显著性结构特征SSF输入SVR模型得出视频帧的视觉隐私保护度,SVR回归方程如下:其中Lagrange算子αi和 以及参数b需要在对样本训练过程中确定,K(x,xi)是核函数。
2
本发明的实施例中我们使用径向基函数作为核函数:K(u,v)=exp(‑γ‖u‑v‖)
5.根据权利要求1所述基于蜜蜂视觉仿生的隐私保护与行为识别关联统计建模方法,其特征在于:所述步骤3具体包括如下步骤:步骤3.1:采用低秩稀疏法分离视频帧序列的运动前景IRf和静态背景IRb:s.t.IR=IRb+IRf
其中:IR对应视频帧序列集合,IRb为分解之后的背景矩阵,IRf对应稀疏的前景区域,λ是一个平衡低秩程度和稀疏程度的非负权参数;
步骤3.2:提取前景视频帧序列的DT特征;
步骤3.3:通过字典学习稀疏识别得出行为识别率:其中:Ai对应于不同行为类别的训练数据集的特征矩阵,S是稀疏级别,Γ是训练样本特征矩阵A在过完备字典D下的稀疏表示矩阵。
6.根据权利要求1所述基于蜜蜂视觉仿生的隐私保护与行为识别关联统计建模方法,其特征在于:所述步骤4中的拟合为线性拟合、高斯拟合、指数拟合或多项式拟合。