[发明专利]一种采用局部运动特征相似性引导的子空间聚类方法

摘要

本发明公开了一种采用局部运动特征相似性引导的子空间聚类方法，具体按照以下步骤实施步骤1、读入特征点数据，计算特征点之间的相似性并构造相似性矩阵W；步骤2、计算步骤1中得到的相似性矩阵的Laplacian矩阵L；步骤3、计算特征点的编码系数矩阵C；步骤4、对步骤3得到的编码系数矩阵C进行谱聚类分割，获得每个特征点的类别标号。本发明采用局部特征相似性引导的子空间聚类方法可用于图像处理、计算机视觉和运动分割问题中，克服了现有基于编码系数的子空间聚类方法在编码相似的特征数据时容易导致编码系数差异巨大而破坏亲和度矩阵的连通性问题，从而有效地提高了子空间聚类结果的精度。

主权项

一种采用局部运动特征相似性引导的子空间聚类方法，其特征在于，具体按照以下步骤实施：步骤1、读入特征点数据，计算特征点之间的相似性并构造相似性矩阵W，具体实施步骤为：步骤1.1、读入跟踪特征点的轨迹坐标数据第i个被跟踪的特征点在跟踪时长为F帧内的运动轨迹其中，是该特征点在时刻为第t帧的坐标，t＝1,2,…,F，i＝1,…,n，n个特征点的运动轨迹所构成的特征数据矩阵步骤1.2、计算每个特征点的速度向量vivi=(xi1-xi2,yi1-yi2,...,xiF-1-xiF,yiF-1-yiF,xiF,yiF)T,]]>其中，i＝1,…,n；步骤1.3、计算特征点间的速度向量相关性值Wi,j=|(viTvj||vi||2||vj||2)η|,]]>其中，i≠j且i,j∈{1,2,…,n}，η≥1，相似性矩阵W的第i行、第j列的元素为Wi,j；步骤2、计算步骤1中得到的相似性矩阵的Laplacian矩阵L；步骤3、计算特征点的编码系数矩阵C；步骤4、对步骤3得到的编码系数矩阵C进行谱聚类分割，获得每个特征点的类别标号。