(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910303095.7

(22)申请日 2019.04.16

(71)申请人 天津大学地址 300072 天津市南开区卫津路92号

(72)发明人 张静　刘靖辉　井佩光　苏育挺　

(74)专利代理机构 天津市北洋有限责任专利代理事务所 12201代理人 李林娟

(51)Int.Cl.G06K 9/00(2006.01)

(54)发明名称一种用于短视频的事件检测方法(57)摘要本发明公开了一种用于短视频的事件检测方法，包括：提出低秩约束模型，用于最大化不同视角间的关联性和互补性，获得更加鲁棒的子空间结构；采用判别学习的方式，通过回归分析建立样本的特征表征与类别标签之间的联系；建立弹性的正则化网络，引入非负标号松弛矩阵，将严格的二元标签矩阵松弛为一个松弛变量矩阵，用于在扩大不同类之间的距离同时，提供更多空间来拟合标签；根据获取到的目标函数，将提取的训练集的特征矩阵以及对应的标签矩阵带入，通过拉格朗日乘子法求出字典矩阵，映射矩阵；根据约束条件，带入测试集的特征矩阵进而求出预测的特征集的标签，将其和数据真实的标签做比对，

通过计算mAP的方式求出最后的预测结果。

权利要求书1页 说明书5页 附图1页CN 110110610 A2019.08.09

CN 110110610

A1.一种用于短视频的事件检测方法，其特征在于，所述事件检测方法包括以下步骤：采集短视频的前景信息和背景信息；提出低秩约束模型，用于最大化不同视角间的关联性和互补性，获得更加鲁棒的子空间结构；采用判别学习的方式，通过回归分析建立样本的特征表征与类别标签之间的联系；建立弹性的正则化网络，引入非负标号松弛矩阵，将严格的二元标签矩阵松弛为一个松弛变量矩阵，用于在扩大不同类之间的距离同时，提供更多空间来拟合标签；根据获取到的目标函数，将提取的训练集的特征矩阵X以及对应的标签矩阵Y带入，通过拉格朗日乘子法求出字典矩阵U，映射矩阵W，A；根据约束条件带入测试集的特征矩阵X，U,W，求出对应的Z，再根据Y＝

ZA，求出预测的特征集的标签Y，将其和数据真实的标签做比对，通过计算mAP的方式求出最后的预测结果。2.根据权利要求1所述的一种用于短视频的事件检测方法，其特征在于，所述低秩约束模型具体为：

其中，Ui∈RD×P表示第i个视角对应的字典，P表示字典中元素的个数；Z∈RP×N表示不同视角共享的特征表征矩阵；Ei∈RD×(N+M)代表第i个视角的稀疏误差矩阵，R表示设定的字典个数，γ1和γ2表示平衡因子；T表示转置；

代表矩阵U的核范数，δi(U)表述矩阵U的第i个奇异值，||·||1表示L1范数，||·||2，1表示矩阵的L2,1范数。3.根据权利要求2所述的一种用于短视频的事件检测方法，其特征在于，所述非负标号松弛矩阵具体为：

其中，A表示学习的低秩特征Z与标签矩阵的Y映射矩阵，Y表示标签矩阵，||·||F表示矩

阵的F范数，γ表示平衡因子，矩阵B的元素Bij定义为矩阵M∈RN×C为弹

性矩阵。4.根据权利要求3所述的一种用于短视频的事件检测方法，其特征在于，所述目标函数具体为：

将U，W，A，带入测试集的特征矩阵，根据Y＝ZA，

求得最后的预测结果。权　利　要　求　书1/1页

2CN 110110610 A