版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來,隨著網(wǎng)絡(luò)應(yīng)用的飛速發(fā)展,多媒體文件數(shù)量每天在以幾何級(jí)數(shù)的速度在Internet上不斷涌現(xiàn)。其中的視頻數(shù)據(jù)由文本、視頻、聲音、圖像等多種文件融合而成,其本身具有的層次性、結(jié)構(gòu)性、復(fù)雜性等特征,還含有豐富的語義信息;所以快速處理視頻數(shù)據(jù)、提取視頻特征、分析和理解視頻中包含的語義內(nèi)容,受到多媒體信息處理研究人員的廣泛關(guān)注。視頻語義事件檢測(cè)分析的研究成果對(duì)于如何在浩瀚的視頻信息海洋中快速、準(zhǔn)確地檢測(cè)到用戶需要的視頻,且進(jìn)一步應(yīng)用在視頻點(diǎn)
2、播、智能監(jiān)控和視頻挖掘等領(lǐng)域具有重要的實(shí)際應(yīng)用價(jià)值?,F(xiàn)有的基于語義的視頻事件檢測(cè)分析技術(shù),還存在很多局限性,如對(duì)于多個(gè)具有不同特征的運(yùn)動(dòng)對(duì)象識(shí)別率低、視頻語義事件檢測(cè)準(zhǔn)確率低、難以發(fā)現(xiàn)語義事件關(guān)聯(lián)性以及事件語義描述標(biāo)準(zhǔn)不統(tǒng)一等。
本文圍繞視頻多運(yùn)動(dòng)對(duì)象識(shí)別特征描述與分類、基于語義的視頻復(fù)雜事件檢測(cè)與分析、語義事件關(guān)聯(lián)性挖掘及事件級(jí)高層語義描述和理解四個(gè)方面的關(guān)鍵技術(shù),深入分析了這些關(guān)鍵技術(shù)的研究現(xiàn)狀和存在問題,提出了自適應(yīng)
3、的組合不變矩量值的多運(yùn)動(dòng)對(duì)象特征描述與分類方法、軌跡多標(biāo)簽超圖模型檢測(cè)與分析復(fù)雜事件方法、時(shí)序關(guān)聯(lián)規(guī)則挖掘事件語義算法以及格語法框架網(wǎng)絡(luò)結(jié)構(gòu)描述理解視頻多線程事件技術(shù)。本文的主要工作概況如下:
(1)提出了自適應(yīng)的組合不變矩量值的多運(yùn)動(dòng)對(duì)象特征描述與分類方法。在該方法中,針對(duì)不同的運(yùn)動(dòng)對(duì)象特征各異的特點(diǎn),提出了自適應(yīng)組合不變矩量值方法,可動(dòng)態(tài)選擇不變矩特征量值用于描述不同對(duì)象的特征。通過定義SF-ISF(SimilarFr
4、equency-InverseSingularFrequency)方法計(jì)算出每個(gè)對(duì)象的不變矩量值的權(quán)重值,之后再將不變矩量值的權(quán)重值和組合不變矩量值作為輸入?yún)?shù);建立回歸型支持向量機(jī)(SupportVectorRegression,SVR)多類分類器模型,對(duì)場(chǎng)景中的多種運(yùn)動(dòng)對(duì)象進(jìn)行分類。通過實(shí)驗(yàn)驗(yàn)證了對(duì)不變矩特征量值選擇權(quán)重的合理性,以及對(duì)SVR多類分類器的分類性能進(jìn)行分析,結(jié)果顯示能有效提高運(yùn)動(dòng)對(duì)象的識(shí)別率。
(2)提出
5、了基于軌跡多標(biāo)簽超圖模型的視頻復(fù)雜事件檢測(cè)分析方法。由運(yùn)動(dòng)對(duì)象的時(shí)空特征,在對(duì)運(yùn)動(dòng)軌跡進(jìn)行定義、修剪和相似度計(jì)算后,用標(biāo)準(zhǔn)化分割的方法檢測(cè)出運(yùn)動(dòng)子事件。之后建立軌跡多標(biāo)簽超圖模型對(duì)視頻復(fù)雜事件分析進(jìn)行分類識(shí)別:首先,根據(jù)運(yùn)動(dòng)軌跡建立軌跡超圖,再由視頻事件中的語義概念建立概念多標(biāo)簽超圖,并對(duì)兩者進(jìn)行了配對(duì)融合,從中發(fā)現(xiàn)了軌跡與多概念標(biāo)簽之間的映射關(guān)系,從而提取出多個(gè)運(yùn)動(dòng)事件組成的復(fù)雜事件語義。實(shí)現(xiàn)了視頻事件識(shí)別過程中低層特征與高層語義之間
6、的跨越,實(shí)驗(yàn)結(jié)果和相關(guān)工作分析比較表明,該方法能夠有效提高視頻復(fù)雜事件檢測(cè)的平均查準(zhǔn)率和平均查全率。
(3)基于時(shí)序關(guān)聯(lián)規(guī)則的視頻事件語義挖掘算法。在該方法中,根據(jù)視頻事件中多運(yùn)動(dòng)對(duì)象運(yùn)動(dòng)規(guī)律之間存在的時(shí)序關(guān)聯(lián)特性,設(shè)計(jì)了一個(gè)描述運(yùn)動(dòng)事件,存儲(chǔ)運(yùn)動(dòng)事件語義標(biāo)簽的頻繁模式樹(TemporalFrequentPatternTree,TFPTree)結(jié)構(gòu),設(shè)計(jì)了加權(quán)的頻繁模式挖掘算法,以挖掘出不僅包含事件發(fā)生頻率,還表現(xiàn)事件之間
7、具有時(shí)序特性的強(qiáng)關(guān)聯(lián)關(guān)系規(guī)則??朔艘曨l事件分析中,事件關(guān)聯(lián)性檢測(cè)準(zhǔn)確率低的缺點(diǎn),能夠根據(jù)事件頻繁模式過濾了無關(guān)的非頻繁項(xiàng)集,挖掘出具有時(shí)序和頻次關(guān)聯(lián)性的視頻事件,發(fā)現(xiàn)視頻事件語義的時(shí)序頻繁模式。實(shí)驗(yàn)結(jié)果表明,由此方法挖掘之后得到的強(qiáng)關(guān)聯(lián)規(guī)則數(shù)目更加精確;算法運(yùn)行效率得到有效提高。
(4)基于格語法框架網(wǎng)絡(luò)結(jié)構(gòu)的視頻高層語義描述和理解的方法。該方法將用于自然語言理解的格語法理論與視頻語義事件結(jié)構(gòu)特征相結(jié)合,設(shè)計(jì)了格語法框架
8、網(wǎng)絡(luò)(CaseSemanticFrameNet,CSFN)結(jié)構(gòu),將子事件框架之間關(guān)系定義為,繼承(Inheritance)、總分(SubFrame)、時(shí)序(Temporal)、起始(StartStateEndState)、因果(Causative)、使用(Using)、參照關(guān)聯(lián)(Ref-Asso)七種,用于描述事件中的運(yùn)動(dòng)對(duì)象、事件、狀態(tài)及事件之間的關(guān)系。并對(duì)事件框架的時(shí)序關(guān)聯(lián)性和空間關(guān)聯(lián)性進(jìn)行了分析,并從事件級(jí)語義層上描述和分析多線程
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于概率超圖的視頻事件語義檢測(cè)方法研究.pdf
- 視頻語義分析和事件檢測(cè)技術(shù)研究.pdf
- 基于語義事件的手術(shù)視頻內(nèi)容分析和分割方法的研究.pdf
- 多線索融合的足球視頻語義分析及事件檢測(cè).pdf
- 基于HCRF的足球視頻精彩事件檢測(cè)方法研究.pdf
- 多模信息融合的足球視頻事件檢測(cè)與語義標(biāo)注方法研究.pdf
- 網(wǎng)球視頻事件檢測(cè)方法研究.pdf
- 基于視頻分析的異常群體事件檢測(cè).pdf
- 基于HCRF模型的足球視頻精彩事件檢測(cè)方法研究.pdf
- 基于自適應(yīng)概率超圖的視頻語義檢測(cè)方法研究.pdf
- 基于可鑒別稀疏表示的視頻語義檢測(cè)方法研究.pdf
- 基于視頻處理的混合交通事件檢測(cè)方法研究.pdf
- 復(fù)雜場(chǎng)景下基于中層語義表示的視頻異常事件檢測(cè)的研究.pdf
- 基于hcrf模型的足球視頻精彩事件檢測(cè)方法研究
- 籃球視頻精彩事件檢測(cè)方法研究.pdf
- 基于語義的視頻分割方法研究.pdf
- 基于語義指紋關(guān)聯(lián)的網(wǎng)絡(luò)事件熱度分析方法研究.pdf
- 基于隱馬爾可夫模型的視頻事件檢測(cè)方法研究.pdf
- 基于隱馬爾可夫模型的視頻事件檢測(cè)方法研究
- 足球視頻中的精彩事件檢測(cè)方法研究.pdf
評(píng)論
0/150
提交評(píng)論