基于可鑒別稀疏表示的視頻語義檢測(cè)方法研究.pdf

1、隨著多媒體技術(shù)的日益發(fā)展和成熟，視頻語義分析和識(shí)別已成為眾多學(xué)者研究的熱點(diǎn)話題。但是，數(shù)據(jù)量的增加和數(shù)據(jù)信息的擴(kuò)大使得識(shí)別分析過程變得紛繁復(fù)雜，因此如何從視頻中提取底層特征、高層語義中尋找所需的信息，排除冗余信息用于視頻分析成為了研究領(lǐng)域的熱點(diǎn)。在視頻分析中，語義作為最基本的視頻信息，能夠有助于更好地了解和剖析視頻，因此視頻的語義分析和研究顯得極其重要。
　　本文首先介紹了本課題的研究意義和背景;其次簡(jiǎn)要介紹了視頻語義檢測(cè)過程中的

2、特征提取和處理技術(shù)，討論了幾種視頻語義分析方法及其存在的問題;再次主要介紹了本文所提出的視頻語義分析方法，并且驗(yàn)證了所提方法的有效性、簡(jiǎn)述了原型系統(tǒng)的構(gòu)建;最后論述了視頻語義分析領(lǐng)域的未來研究趨勢(shì)和研究方向。本文的主要內(nèi)容如下:
　　(1)提出基于核可鑒別稀疏表示和加權(quán)KNN的視頻語義概念檢測(cè)方法。在稀疏表示過程中，考慮到最優(yōu)字典的構(gòu)造以及稀疏表示可鑒別性的提高，通過增加核函數(shù)至KSVD算法，將稀疏表示特征向量映射至高維空間，同時(shí)

3、使得特征向量的表示滿足Fisher準(zhǔn)則，建立核可鑒別性的稀疏表示模型。為了提高視頻語義概念檢測(cè)的準(zhǔn)確率，提出加權(quán)KNN分類方法，對(duì)類別投票結(jié)果進(jìn)行加權(quán)改進(jìn)，根據(jù)類別差異不同分配不同權(quán)重值。實(shí)驗(yàn)過程中采用三種不同數(shù)據(jù)庫(kù)進(jìn)行結(jié)果驗(yàn)證，實(shí)驗(yàn)結(jié)果顯示，所提方法的有效提高了視頻語義概念的檢測(cè)的準(zhǔn)確性。
　　(2)提出基于TICA特征優(yōu)化稀疏表示的視頻語義概念檢測(cè)方法。首先該方法采用基于TICA的特征提取方法提取視頻幀有效的原始特征;其次鑒于

4、所提取特征信息的復(fù)雜屬性以及高維特性，本文利用PCA方法對(duì)初始特征進(jìn)行優(yōu)化，降低了特征的維數(shù)和處理的復(fù)雜程度;最后將最優(yōu)特征子集利用本文所提的基于可鑒別的稀疏表示和加權(quán)KNN分類方法進(jìn)行視頻語義概念分析。實(shí)驗(yàn)結(jié)果表明，該方法能夠避免手工制定特征的人為因素性，與基于傳統(tǒng)特征優(yōu)化稀疏表示的視頻語義檢測(cè)方法相比，所提方法的視頻語義概念檢測(cè)的準(zhǔn)確率又有了進(jìn)一步的提高，部分類別識(shí)別率達(dá)到了100％。
　　(3)利用面向?qū)ο蟮某绦蛟O(shè)計(jì)思想和模