基于概念格的視頻語(yǔ)義概念檢測(cè)研究.pdf

1、近年來(lái),隨著視頻數(shù)據(jù)的增加,基于語(yǔ)義的視頻檢索成為一個(gè)研究熱點(diǎn)。在推動(dòng)高效的視頻檢索和視頻挖掘的過(guò)程中,自動(dòng)的語(yǔ)義概念檢測(cè)扮演重要的角色,因?yàn)樗强缭降蛯犹卣骱透邔尤祟惤忉屩g鴻溝的橋梁。語(yǔ)義概念檢測(cè),就是發(fā)現(xiàn)匹配如戶外、人臉、辦公室等這些特別概念的視頻鏡頭。于此同時(shí),概念格理論和數(shù)據(jù)挖掘技術(shù)的發(fā)展,為視頻語(yǔ)義檢測(cè)的發(fā)展提供了強(qiáng)有力的理論支持和方法支持。
　　 本文首先綜述課題的研究背景,并分析目前國(guó)內(nèi)外已提出的主流視頻語(yǔ)義概念

2、檢測(cè)方法。在綜合分析了數(shù)據(jù)挖掘技術(shù)和概念格理論的基礎(chǔ)上,本文提出了以負(fù)樣本精簡(jiǎn)的概念格規(guī)則提取算法,基于k－均值的中間層語(yǔ)義生成方法和基于概念格的視頻語(yǔ)義概念檢測(cè)方法,具體內(nèi)容如下:
　　 (1)提出了以負(fù)樣本精簡(jiǎn)的概念格規(guī)則提取算法。該算法首先使用Godin增量算法構(gòu)建概念格,利用支持度門限獲得該概念格的初始規(guī)則集合,然后充分考慮樣本數(shù)據(jù)中負(fù)樣本所蘊(yùn)含的豐富信息,利用設(shè)計(jì)的規(guī)則容忍度和訓(xùn)練數(shù)據(jù)中的負(fù)樣本對(duì)初始規(guī)則進(jìn)行精簡(jiǎn),得到

3、一個(gè)更為簡(jiǎn)潔和合理的概念格規(guī)則集合。
　　 (2)提出了基于k-均值的中間層語(yǔ)義生成方法。由于低層特征和高層語(yǔ)義之間存在語(yǔ)義鴻溝而導(dǎo)致直接從低層特征理解視頻內(nèi)容是困難的,本文提出了基于k-均值的中間層語(yǔ)義生成方法。該方法首先使用k-均值聚類算法將每維特征分為3個(gè)聚類,得到每個(gè)聚類的最大值和最小值,再重新計(jì)算聚類閾值,最后根據(jù)新的閾值將低層特征矩陣映射到一個(gè)低層語(yǔ)義特征矩陣,獲得中間層語(yǔ)義。
　　 (3)提出了基于概念格的

4、視頻語(yǔ)義概念檢測(cè)方法。該方法是概念格數(shù)據(jù)挖掘技術(shù)在視頻語(yǔ)義檢測(cè)上的一個(gè)應(yīng)用。該方法結(jié)合了所提出的以負(fù)樣本精簡(jiǎn)的概念格規(guī)則提取算法和基于k-均值的中間層語(yǔ)義生成方法,在提取視頻鏡頭中顏色、紋理和形狀等低層特征的基礎(chǔ)上,先將低層特征矩陣通過(guò)變換映射到低層語(yǔ)義特征矩陣,然后以該低層語(yǔ)義特征矩陣為形式背景構(gòu)造概念格,并提取概念格規(guī)則作為視頻語(yǔ)義概念的分類規(guī)則,最后使用所提取的規(guī)則檢測(cè)視頻庫(kù)中鏡頭所包含的語(yǔ)義概念。
　　 (4)采用面向?qū)?/p>