基于集成學習的視頻鏡頭分割技術研究.pdf

1、隨著多媒體技術的發(fā)展，數(shù)字視頻得到廣泛應用，對這些數(shù)據量巨大而且內容豐富的視頻進行查詢和檢索的需求也日益增強，基于內容的視頻檢索（CBVR）技術也應運而生。視頻鏡頭分割，又叫時域視頻分割，是建立CBVR系統(tǒng)的第一步，具有非常重要的意義。首先，鏡頭是視頻的基本單位，是視頻抽象和更高層次視頻分割的基礎。其次，鏡頭轉變的類型為識別視頻的高層次語義提供依據。 由于視頻鏡頭分割技術的重要性和基礎性，很多學者都在該領域上作出研究。他們有的研

2、究了視頻特征在各種鏡頭轉變時的規(guī)律，使用各種規(guī)則檢測鏡頭邊界；有的學者則采用機器學習的方法，讓學習器去掌握各種復雜規(guī)則，使之能準確地對鏡頭轉變做出檢測。 與傳統(tǒng)的使用單個學習器的機器學習方法不同，集成學習通過建立一系列學習器，然后采用某種形式把這些學習器的預測結果進行集成，以預測未標記示例的類型。集成學習往往能夠得到比單個學習器更好的效果。 本文提出了一種基于集成學習的視頻鏡頭分割技術——TVSEL算法，將集成學習的原理

3、應用到視頻鏡頭分割領域。在TVSEL算法中，首先提取視頻幀的各種特征；然后使用本文提出的有偏組交叉重采樣策略，建立起多個訓練子集，由這些訓練子集分別建立基礎學習器；接著使用簡單投票或加權集成等方法，把各個基礎學習器的分類結果集成，行成最終分類結果：最后通過本文提出的漸變還原規(guī)則，把被分類的鏡頭轉變視頻幀還原成鏡頭轉變。 本文設計了一系列實驗，調整了TVSEL算法的多個參數(shù)，比較了TVSEL算法的各種結果集成策略，并與多種機器學習