21、视频事件分类与人跨多非重叠相机重识别技术

视频事件分类与人跨多非重叠相机重识别技术

在当今的科技领域，视频处理技术在多个方面都有着重要的应用，其中视频事件分类和人跨多非重叠相机重识别是两个备受关注的方向。下面将详细介绍相关的技术和方法。

视频事件分类

在视频事件分类中，提出了一种基于词袋（BoW）方法的事件分类技术。该系统利用通用的静态视觉特征（如SIFT点）来表示场景的视觉外观，将事件的动态进展建模为词袋直方图的时间序列组成的短语。通过Needleman - Wunsch编辑距离来比较这些短语，并使用带有字符串核的支持向量机（SVM）处理可变长度的特征向量。

分类器性能比较

对基线k近邻（kNN）分类器和SVM字符串分类器进行了实验，得到了它们的混淆矩阵。kNN分类器的平均准确率为0.52，而使用字符串核的SVM分类器平均准确率达到了0.73，显示出更好的判别能力和泛化能力。在比较N - W编辑距离内字符之间的相似度时，使用的度量标准是卡方（阈值为4.5）。

分类器	平均准确率
kNN	0.52
SVM（字符串核）	0.73

与传统BoW方法对比

通过对TRECVID 2005中的事件识别进行实验，用平均平均精度（MAP）作为评估指标，比较了传统BoW方法和本文提出的方法。结果表明，本文方