多媒體內容管理及可視化系統(tǒng)的設計與實現.pdf

1、隨著多媒體的蓬勃發(fā)展，音頻識別技術和視頻流圖像處理技術也越來越成熟。本人所在實習實驗室在語音識別、語種識別、聲響識別、話者識別、情感識別等領域取得了一系列研究成果，多媒體內容分析管理及可視化展現系統(tǒng)的主要功能是集成這些研究成果，形成一個整體的、系統(tǒng)化的多媒體平臺，并行分析出一段語音中的語音內容、語種內容、聲響內容、話者內容、情感內容，利用信息可視化技術來進行直觀地展示。
　　本論文詳細介紹了多媒體內容分析管理及可視化展現系統(tǒng)的設計

2、與開發(fā)的主要技術和方法。多媒體內容分析子系統(tǒng)主要包括了多媒體流分解，多媒體音頻流提取、切分，多媒體音頻識別模塊集成，視頻流圖像抓取，字幕檢測定位，圖像分割，單字提取，視頻流的渲染播放等關鍵功能；多媒體內容可視化主要包括了對語音內容、語種內容、聲響內容、話者內容、情感內容、上述內容檢索結果的可視化以及多媒體播放器等關鍵功能;多媒體內容管理主要完成了音頻識別相關的數據和字幕識別相關數據管理以及定義了多媒體音頻識別模塊輸出內容的存儲格式。系統(tǒng)

3、多媒體流的處理采用的框架是DirectShow框架，DirectShow是微軟公司提供的一套在Windows平臺上的多媒體處理開發(fā)包，它為多媒體流的處理提供了許多方便快捷的方法，而且開發(fā)人員可以利用DirectShow技術根據需要定制特定組件。
　　本系統(tǒng)采用基于實例的測試方法驗證了功能性需求，對關鍵功能的測試環(huán)節(jié)，做了大量的測試工作，保證系統(tǒng)功能的準確性與穩(wěn)定性。測試結果表明，系統(tǒng)實現了需求所提出的功能，具有較好的穩(wěn)定性和實用性