基于核可鑒別的分塊稀疏表示視頻語義分析研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)技術(shù)和多媒體技術(shù)的飛速發(fā)展，視頻數(shù)據(jù)也呈爆炸式地增長，如何對海量的視頻數(shù)據(jù)分類分析成為一個亟待解決的問題。在對視頻分析時，通常先提取視頻低層特征，再根據(jù)提取的特征對視頻分析，而人們習(xí)慣于用高級語義描述視頻，這就產(chǎn)生了巨大的語義鴻溝，如何跨越語義鴻溝成為人們研究的挑戰(zhàn)，稀疏表示方法的深入研究給解決上述問題帶來了新思路。
　　本文針對視頻特征的多樣性和稀疏字典的冗余特點，提出一種基于核可鑒別的分塊稀疏表示視頻語義分析

2、方法，并將該方法應(yīng)用到對新聞視頻分類中，主要工作如下:
　　(1)對視頻的結(jié)構(gòu)進(jìn)行分析，并通過鏡頭檢測分析將視頻進(jìn)一步分解，再從各個鏡頭中提取關(guān)鍵幀，并對關(guān)鍵幀進(jìn)行特征提取，為語義分析做前期準(zhǔn)備。
　　(2)提出了核可鑒別特征分塊的稀疏表示方法。該方法根據(jù)視頻特征獨立性的特點，先將視頻特征按照特征種類分塊，再根據(jù)各種特征的維數(shù)大小分別建立其分塊稀疏字典，并對每個分塊字典在K-SVD算法基礎(chǔ)上加入核可鑒別準(zhǔn)則進(jìn)行優(yōu)化，使稀疏特

3、征向量滿足類內(nèi)離散度較小、類間離散度較大的Fisher判別準(zhǔn)則，且滿足各種特征的稀疏表示特征具有更好的類別鑒別能力。該方法使稀疏字典的規(guī)模大幅度減小，同時加快了稀疏特征求解的速度。
　　(3)提出了多特征融合分析的視頻語義分析方法。該方法先建立損失函數(shù)的計算準(zhǔn)則，再根據(jù)準(zhǔn)則計算測試樣本與訓(xùn)練樣本之間的損失函數(shù)值，結(jié)合改進(jìn)的KNN算法對結(jié)果進(jìn)行投票統(tǒng)計，然后根據(jù)類間特征的間距對統(tǒng)計結(jié)果的進(jìn)行權(quán)重修正，使結(jié)果更準(zhǔn)確，再根據(jù)各種特征對決

4、策分析支持度進(jìn)行融合特征分析，并輸出分類的矢量標(biāo)簽。該方法在TRECVID2007所提供的新聞視頻數(shù)據(jù)庫測試表明，加入核可鑒別的分塊稀疏化表示的視頻特征分類分析效果更好，有效地提高了視頻語義分析的準(zhǔn)確性和分析速度。
　　(4)設(shè)計實現(xiàn)了基于稀疏表示的視頻語義分析原型系統(tǒng)。該系統(tǒng)采用面向?qū)ο蟮脑O(shè)計方法，對系統(tǒng)的每個功能進(jìn)行模塊化設(shè)計，系統(tǒng)實現(xiàn)了視頻預(yù)處理、關(guān)鍵幀提取、特征提取與分塊、稀疏字典的優(yōu)化訓(xùn)練和基于核可鑒別特征分塊的稀疏表示