论文部分内容阅读
视频主要运动分析是基于内容的视频检索领域中的一个重要研究课题。现有方法常依赖阈值来分析主要运动类型,导致运动的分类准确度很大程度上依赖阈值设置的好坏。针对这一问题,提出一种无需阈值设置的视频主要运动自动分类方法。该方法首先提取视频帧中特征点的运动向量作为运动特征,再采用核密度估计(Kernel Density Estimate,KDE)来获得特征点的运动分布特性,最后用一种改进的基于Kullback-Leibler(KL)距离的k邻近分类器(kNN)对主要运动进行分类。为了减少人工干预,还给出一种利