视角不变形的动态纹理识别(Bag of systems)~

解读文献:View-invariant dynamic texture recognition using a bag of dynamical systems

目标:分类不同视角下的,动态纹理视频~

用先线性动态系统的集合,来建模每个视频~ 其中线性动态系统来描述视频patch~

Bag of systems (BOS)表示方法,相似于Bag of features (BOF)~ 本文利用线性动态系统作为特征描述子~

动态纹理的度量:

    Martin distance~ (principal angles between the subspaces~)

   Binert-Cauchy kernels

   KLD~

   Chernoff distance~

   等等。

动态纹理模型

       z(t+1)=Az(t) + v(t)

       I(t)     =Cz(t) + w(t)

典型的BOF框架

      1)从训练集图像中抽取特征及其相应的描述子~

      2)利用聚类(k-mean)的方法建立codebook~

     3)训练集中的每个图象用codebook进行表示~

      4)测试图像分类~

BOS方法

      1、特征抽取和描述子~

           从视频序列中抽取特征描述子。原有的时空描述子(Harris corner detector, spatiotemporal Hessian, LDS)

           本文采用LDA的参数,作为视频的特征描述子M=(A,C).

      2、codebook的形成

                因为视频描述子M=(A, C)并非处于欧式空间中,所以不能直接在欧式空间中应用聚类算法~

            可以发现一种低维欧式嵌入,并进行聚类~  利用Martin度量进行降维,然后聚类形成codebook。

            聚类后,有K个聚类中心~

     3、利用codebook表示视频~

            W为权重向量。

            假设在第i个视频中,(第k个codeword出现的次数)/(本视频序列中的codeword数目)

             V是视频序列的总数据,codeword出现的总数据V(i)~

                  三种计算权重向量的方法:

                  

 

     4、度量和分类(SVM)~

 

视角不变形的动态纹理识别(Bag of systems)~_第1张图片

 

你可能感兴趣的:(算法,框架,测试,features,patch,distance)