基于局部敏感的可鑒別稀疏表示的視頻語義分析.pdf

1、近年來，隨著Internet技術(shù)發(fā)展日新月異，視頻數(shù)據(jù)日益豐富。傳統(tǒng)的視頻檢索技術(shù)得到的檢索結(jié)果已無法滿足用戶需求，于是提出了視頻語義分析研究。視頻底層特征與高層語義理解之間存在難以跨越的鴻溝，如何從視頻數(shù)據(jù)中提煉出易于理解的高層語義概念，仍然是視頻語義分析研究中一個亟需解決的問題。
　　本文首先概述視頻語義分析的研究背景及應(yīng)用領(lǐng)域;然后概括了課題研究現(xiàn)狀;最后簡述視頻語義分析研究過程中的預(yù)處理部分，即視頻鏡頭分割、關(guān)鍵幀提取、特

2、征提取、特征融合。綜觀目前視頻語義分析的研究進(jìn)展，本文提出了基于局部敏感可鑒別的視頻特征稀疏表示方法、基于局部敏感可鑒別稀疏表示的加權(quán)KNN視頻語義分類方法、基于上述算法的視頻語義分析和原型系統(tǒng)開發(fā)，具體內(nèi)容如下所述:
　　(1)提出了基于局部敏感可鑒別的視頻特征稀疏表示算法。在基于稀疏表示的視頻語義分析中，考察相同類別的視頻數(shù)據(jù)樣本能產(chǎn)生相似的稀疏表示，即兩個來自相同類別的視頻特征的稀疏表示系數(shù)相似，從而有利于提高視頻特征稀疏表

3、示的可鑒別性。在局部敏感稀疏表示方法中引入基于稀疏系數(shù)的鑒別損失函數(shù)，優(yōu)化構(gòu)建用于稀疏表示的字典，使視頻稀疏表示特征滿足Fisher準(zhǔn)則，建立可鑒別模型。實驗結(jié)果表明本文所提算法顯著提高了視頻特征稀疏表示的可鑒別性，與其他方法相比有效提高視頻語義分析的準(zhǔn)確性。
　　(2)提出了基于局部敏感可鑒別稀疏表示的加權(quán)KNN視頻語義分類算法?；谙∈柘禂?shù)的重構(gòu)誤差分類方法沒有充分考慮數(shù)據(jù)樣本之間的可鑒別性，因此影響視頻語義概念分類的效果。本

4、文所提分類方法結(jié)合稀疏表示重構(gòu)誤差和類別鑒別性作為樣本類別鑒別的損失函數(shù)，根據(jù)樣本與各類別訓(xùn)練樣本的損失函數(shù)值進(jìn)行投票統(tǒng)計，并采用各類別的權(quán)重系數(shù)修正投票統(tǒng)計結(jié)果，檢測樣本的語義概念。實驗結(jié)果表明該方法顯著提高了視頻語義分類的準(zhǔn)確率，縮短了語義分類時間。
　　(3)設(shè)計開發(fā)了基于局部敏感的可鑒別稀疏表示的視頻語義分析原型系統(tǒng)。采用面向?qū)ο蟮脑O(shè)計思想，通過MATLAB和VC++的混合編程，實現(xiàn)了關(guān)鍵幀提取、特征提取、特征融合、字典學(xué)