论文部分内容阅读
传统的基于特征提取的视频场景分类算法都是使用固定的量化方案,在量化的过程中对信息的利用程度不高。针对这一点提出了一种自适应的量化方案,对于光流的位置和方向分别进行非均匀的量化。这样能够最大限度地保留统计得到的底层特征分布信息,从而提高最终场景分类的整体算法性能。详细分析了自适应量化的原理,给出了自适应量化的步骤和算法流程,随后对比了使用改进的自适应量化方案和传统算法的实验结果。结果表明,改进后的算法一方面可以减少LDA模型的输入词典规模,提高运算效率,另一方面改进后的算法在检测的成功率上高于传统的算