蒋行国，李志丰，张 龙

（桂林电子科技大学 信息与通信学院，广西 桂林541004）

压缩感知与动态纹理模型的视频信号分类

蒋行国，李志丰，张 龙

（桂林电子科技大学 信息与通信学院，广西 桂林541004）

针对视频数据的动态纹理特性，提出结合视频压缩感知技术，首先通过压缩采样技术对视频数据进行采样，得到少量的采样数据；然后建立线性动态系统模型，通过少量的压缩采样数据直接估计出模型参数；最后通过计算模型间的马氏距离实现动态纹理视频数据的分类。实验结果表明，提出的压缩感知参数估计方法在20%的低采样率情况下，对交通视频数据的分类正确率达到87%以上。

动态纹理模型；压缩感知；马氏距离；视频信号分类

0 引言

早期交通视频的分类方法[1]是使用车辆分割或目标跟踪技术的方法进行判别分类，但是由于这种方法计算量较为复杂且对视频分辨率有较高的要求，所以不适合多目标情况下的分类应用。Saisan等人提出一种基于动态纹理模型参数间距离的识别方法，这种方法不需要提取局部特征，而是将图像序列看作是一个二阶平稳随机过程。基于此，Antoni在文献[2]中提出了基于动态纹理模型的交通视频分类方法，对已知的交通图像序列进行模型参数化，根据模型参数计算各模型间 Martin距离[3]实现对交通视频的检索和分类。然而，由于视频数据的动态短暂性，使得对传统采样方法的采样率的要求随之变高，且采样获得的视频数据量大，不便于储存。……