1.一种基于流形排序的视频摘要方法,其特征是,首先提取视频帧的视觉特征,并把视频帧看作空间中的点,然后利用流形排序算法对数据点进行排序;流形排序描述为以下过程:首先根据数据构造一个带权重的网络,将一个正的排序分数分配给与查询相关的点,将零排序分数分配给剩下的待排序的点;然后,所有的点通过权重网络将他们的分数传递给与他们邻近的点,重复这一传播过程直到整个网络达到稳定状态,此时所有的点均获得他们最后的排序分数。
2.如权利要求1所述的基于流形排序的视频摘要方法,其特征是,流形排序的具体过程如下:
给定数据点集X={x1,x2,...,xn},xi∈Rm,假定x1作为查询帧,则其余的帧为待排序的帧,f:X→R表示排序函数,它分配每一个点xi相应的排序值,1≤i≤n,f=[f1,f2,...fn]T,此外,定义每一个数据点的初始排序分数y=[y1,y2,...,yn]T,若第j帧为查询帧则yj=1,否则yj=0,1≤j≤n,流形排序的代价函数如下:
式中,第一项是邻近点变化成本,是平滑性条件,第二项是初始分数分配变化成本,两者之间用参数μ来平衡之间的关系,其中,Wij=exp(-||xi-xj||2/(2σ2)),i≠j;Wij=0,i=j,D是对角矩阵,且D中的元素通过排序算法得到近似解为:f*=β(1-αS)-1y,其中
其次计算视频帧的重要性,首先根据每一帧与其余各帧之间的相似性权重Wij,计算其与视频的平均相似向量I,并将其归一化,具体计算过程如下:
最后,计算视频的覆盖率,具体计算公式如下:
其中,Cov(S,V)表示摘要集S与原视频集V的相似性,d(xi,g)表示两者之间的欧式距离。