买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：基于DCGAN时空信息迁移补偿的视觉隐私保护居家健康行为视频同态监测方法，包括：利用多层压缩感知实现视频帧的视觉屏蔽效果并对数据集基于行为变化进行四分类提取前景帧；使用DCGAN技术进行时空信息迁移补偿用以对压缩态的图像补偿后既保留其视觉屏蔽效果又实现特征的强化的目的；对补偿后的图像提取同态BWLBP‑TOP特征用以量化的表达补偿后的特征内容；提出一种基于标签一致正则化联合分类的多分类识别来有效的进行四分类识别以达到居家健康行为视频同态监测应用。本发明提出的一种基于视觉屏蔽的室内人体行为变化识别的方法，可以在保障老年人安全的前提下兼顾隐私不被泄露。

主权项：1.基于DCGAN时空信息迁移补偿的视觉隐私保护居家健康行为视频同态监测方法，其特征在于：所述监测方法包括如下步骤：步骤1：获取跌倒视频数据集，对其进行多层CS采样，使视频内容达到人眼不可辨的效果，再运用低秩稀疏分解理论与相似度距离的帧融合提取同态动目标，得到前景帧；步骤2：基于提取的前景帧运用DCGAN的方法进行时空信息迁移补偿，补偿后再进行粹化来过滤噪声点；步骤3：提取视频同态BWLBP-TOP特征，获得表达一个视频的动目标特征的一维时序纹理特征即时序加权特征，同时保留空间和时间的特征信息；所述步骤3中视频同态BWLBP-TOP特征提取具体包括如下步骤：步骤3.1：为了得到补偿帧的基于块的不同贡献度的时序纹理特征，首先需要计算每一小块的权重矩阵；类似于基于块的特征提取方式，将补偿帧分为互不重叠的W×H小块；那么，每一小块的运动强度贡献度Cij是通过这一区域及其邻近区域随时间变化的运动前景相加得到； 其中，i、j是块索引，取值为i、j＝1,2,3,…N；H和W分别代表每一个小块的高与宽；F表示补偿帧；步骤3.2：通过运动强度Cij归一化到[0,1]得到时序纹理特征的权重矩阵Mij：Mij＝CijMAX{Cij|i,j＝1,2,3,…,N}其中，函数MAX表示运动强度Cij的集合中的最大值；步骤3.3：LBP-TOP是对图像的外观和运动进行三个方向的编码，即将LBP应用到XY、XT、YT三个平面，其中XY平面有着丰富的外观信息，XT、YT平面包含重要的时域信息；从每个块卷中分别提取三个平面的BWLBP-TOP特征描述符并连接成一个向量；因此一个块卷的特征直方图公式描述为： 其中分别表示XY、XT、YT三个平面的BWLBP-TOP特征，提取的BWLBP-TOP直方图公式与相应的权重相乘，形成多层压缩态视频四分类识别的加权特征，如下式所示：H′i,j,t＝Mij×Hi,j,tH'i,j,t为时序加权特征，Mij为相应块的权重，Hi,j,t为相应块卷的BWLBP-TOP特征；步骤4：结合得到的BWLBP-TOP特征，基于分类误差和标签一致正则化LC-KSVD2，实现居家健康行为视频同态监测，对人体行为变化进行识别；所述步骤4中基于联合分类误差和标签一致正则化的居家健康行为视频同态监测包括如下步骤：步骤4.1：目标是将分类误差作为字典学习的目标函数中的一个参数，以使字典成为分类的最优对象；使用线性预测类定义符fx；W＝Wx；学习同时具有重构能力和鉴别能力的字典D的目标函数定义如下： D是学习到的过完备字典，A是一个线性变换矩阵，W为分类器参数，X＝[x1...xN]∈RK×N是输入信号Y的稀疏编码，T是一个稀疏约束因子，α和β是控制相应项的相对贡献的标量；H＝[h1...hN]∈Rm×N是输入信号Y的类标签，hi＝[0,0...1...0,0]t∈Rm是一个对应于输入信号yi的标签向量，其中非零位置数值表示yi的类别标签；Q＝[q1…qN]∈Rk×N]是用于分类的输入信号Y的判别稀疏码，如果qi的非零数值出现在输入信号yi和字典项dk共享相同标签的稀疏码，是与输入信号yi对应的；假设判别稀疏编码X'＝AX和A∈RK×K是可逆的，然后D'＝DA-1,W'＝WT-1；上式中的目标函数改写为： 第一项表示重构误差，第二项表示判别稀疏编码误差，第三项表示分类误差；步骤4.2：将步骤3得到的四个分类的一维BWLBP-TOP特征H'i,j,t按照五则交叉的原则选取训练集与相应参数输入上一步得到的LC-KSVD2公式中，得到D为学习到的过完备字典，W为分类器参数；再将测试集与D、W参数按照标签一致性原则进行迭代计算，得到每一组测试集对应的一个识别率。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于DCGAN时空信息迁移补偿的视觉隐私保护居家健康行为视频同态监测方法