用于复杂视频分类的创新时间摘要

视频分类是计算机视觉中的一个重要领域。它将视频内容分类为有意义的类别，例如动作或情感状态。关于图像分类，它必须处理时空维度的问题以及视频中存在的大数据量。在这项工作中，我们引入了一种新颖的基于距离度量的视频摘要技术，该技术在保持关键信息的同时最小化数据集的大小。我们使用了如行向量距离、列向量距离和基于特征值的距离度量等距离度量进行实验。我们的结果表明，行向量距离表现良好，并在效率和准确性之间提供了适当的平衡。我们提出的方法在MMAC、UCF101、UCF11和HMDB51基准数据集上分别达到了显著的准确率为\(81.23\%\)、\(92.42\%\)、\(98.89\%\)和\(90.27\%\)。我们提出的技术在重新计算每个关键帧的距离时持续跟踪时间信息。由于计算需求较低，我们的方法在实际应用场景中表现出色。