如何在视频处理中使用 PCA答案

【问题标题】：how can I use PCA in video processing如何在视频处理中使用 PCA
【发布时间】：2016-07-15 10:12:17
【问题描述】：

我是视频处理的初学者。我想从帧中提取特征，第一步我在每个帧上应用了一个描述符，得到 1*500 的特征向量。我的问题是我应该如何在我的数据集上执行 PCA？我应该对每个帧上执行 PCA 产生的每个特征向量执行 PCA 吗？

【问题讨论】：

【解决方案1】：

我不认为对每一帧的特征进行 PCA 是一个合理的想法。

其实，如果你使用描述符，可以试试Bag-of-words，它在计算机视觉社区中被广泛使用。从词袋中获得直方图后，通常会对这些直方图执行 PCA。

这就是它的流动方式：

视频 --> 原始描述符 --> 直方图 --> PCA --> 最终特征

【讨论】：

感谢您的回答。特征提取和特征选择还有哪些重要的技巧和方法，哪一种更有效？
很高兴能帮上忙。首先，卡方核被广泛用于处理原始（非投影）直方图特征。像卡方核 SVM 或卡方核 PCA。其次，您可以使用许多手工制作的特征选择器。 This 是一个视频数据集，它列出了视频的主要特征描述符。第三，许多基于深度学习的方法，如 2-stream 网络，可以产生有前景的特征。但是，您必须自己实施，因为据我所知，没有公共网络参数不可用
我正在研究一个使用两个摄像头进行观察的数据集。我通过描述符提取了帧的特征，它产生了一个 (1*500) 维向量。现在为了减少维度，我想使用 PCA，但我不知道如何将它应用于我的数据。我应该在同一时间记录的每一对帧上应用 PCA，还是应该在每台摄像机的所有帧上分别应用 PCA？