一种视频数据代表选择框架方法 - 计算机科学.pdf

第 43 卷第11 期 计算机科学 Vo 1. 43 No. 11 2016 年 11 月 Computer Science Nov 2016 一种视频数据代表选择框架方法 蒋勇1 张海涛2 (西南政法大学 重庆 401120)1 (中国人民公安大学 北京 100038)2 摘 要 为有效处理视频数据问题，提出一种识别海量数据集中代表子集的方法，即代表选择方法，经选择后的小容 量的数据代表完全可以代表原始大数据集的结构特征。对于给定的大数据集，首先生成相应 6-norm 非负稀疏图，然 后利用一种谱聚类算法基于所生成的稀疏图将大数据反复划分直至形成聚类簇。代表选择过程中，将每个聚类看作 Grassmann 流形中的一个点，然后基于测地距衡量这些点间的距离，接着利用 mm-max 算法分析距离以提取出较优的 聚类子集。最后，通过分析被选集类的一个稀疏子图，利用主成分集中性方法探测出数据代表，称此过程为基于非负 稀疏图与 Grassmann 流形测地距的代表选择框架。为验证所提出的框架，将之应用于视频分析中，从一长段的视频 流中识别出少数的几个关键帧，实验效果通过人工判断与标准评价方法进行评价，并与现有的几种方法的效果进行比 对，结采证明所提出的代表选择框架方法具有更好的效果与可行性。 关键词稀疏图，Grassmann 流形，测地距，关键帧，代表 中固法分类号 TP391 文献标识码 A DOI 10. 11896/j. issn. 1002-137)♀ 2016. 11. 004 Representative Selection Framework Approach for Videos JIANG Yong 1 ZHANG Hai-ta02 CSouthwest University of Political Science and Law ,Chongqing 4011Z0 ,China)1 CPeoples Public Security University of China ,Beijing 100038 ,China)2 Abstract In order to solve the process problem of massive videos data ,a representative selection method of identifying the optimal subset of data points as a representative of original massive dataset was proposed. The selected data points of subset can represent inner structure of original massive dataset. And the novel representative selection method is based on C1 -no口n non-negative sparse graph for the original massive dataset. The massive data points are partitioned in to some clusters by using a spectral clustering algorithm based on the non-negative sparse graph generated in previous steps. Each cluster is