基于內(nèi)容的視頻情感提取算法研究.pdf

1、隨著通信技術(shù)、寬帶網(wǎng)絡技術(shù)、音視頻壓縮技術(shù)以及計算機技術(shù)的發(fā)展，數(shù)字視頻也越來越廣泛地融入于人們的生活空間中。多媒體人機交互界面(HCI)中的圖像/視頻不僅攜帶了大量的圖像信息，還攜帶了大量的情感信息。如何在圖像/視頻檢索系統(tǒng)中引進情感計算技術(shù)，使計算機能夠識別圖像/視頻中的情感信息，并利用這些情感信息進行視頻的檢索，已成為目前人們倍加關(guān)注的課題。
　　 本文主要針對故事片這類視頻，根據(jù)其拍攝的風格和特點，對其情感提取算法進行了

2、研究，分別從音頻和視頻兩方面提取出某些片段的情感特征，并根據(jù)這些情感特征對該視頻段進行情感分類。主要內(nèi)容如下：
　　 在音頻方面，本文提出了運用比例因子等特征利用支持向量機進行音頻情感分類方法，通過提取MPEG音頻流比例因子等特征，首先把音頻分為語音、音樂、混音和靜音四類，然后對語音、音樂、混音的音頻段進行情感分類，將音頻包含的情感分為：高興、悲傷、生氣、厭惡、驚奇和平靜六類，并通過實驗證明了該方法的可靠性和有效性。
　　

3、 為從視頻圖像中提取情感信息，首先要對視頻進行鏡頭分割，并提取鏡頭的關(guān)鍵幀。本文提出了一個基于支持向量機核函數(shù)重構(gòu)的鏡頭邊界檢測算法。該算法利用視頻壓縮域中特征，如宏塊類型，幀間對應宏塊DC系數(shù)差和幀類型將視頻幀分為發(fā)生切變的幀、發(fā)生漸變的幀和非鏡頭變換幀三類，實現(xiàn)視頻的鏡頭分割。與常用的核函數(shù)進行了比較實驗，結(jié)果顯示當構(gòu)造的核函數(shù)為徑向基函數(shù)與高斯核函數(shù)疊加時鏡頭邊界檢測的準確率最高，其綜合性能指標SUM_F1比2001 TREC評