论文部分内容阅读
随着多媒体技术的日益发展和成熟，视频语义分析和识别已成为众多学者研究的热点话题。但是，数据量的增加和数据信息的扩大使得识别分析过程变得纷繁复杂，因此如何从视频中提取底层特征、高层语义中寻找所需的信息，排除冗余信息用于视频分析成为了研究领域的热点。在视频分析中，语义作为最基本的视频信息，能够有助于更好地了解和剖析视频，因此视频的语义分析和研究显得极其重要。 本文首先介绍了本课题的研究意义和背景;其次简要介绍了视频语义检测过程中的特征提取和处理技术，讨论了几种视频语义分析方法及其存在的问题;再次主要介绍了本文所提出的视频语义分析方法，并且验证了所提方法的有效性、简述了原型系统的构建;最后论述了视频语义分析领域的未来研究趋势和研究方向。本文的主要内容如下: (1)提出基于核可鉴别稀疏表示和加权KNN的视频语义概念检测方法。在稀疏表示过程中，考虑到最优字典的构造以及稀疏表示可鉴别性的提高，通过增加核函数至KSVD算法，将稀疏表示特征向量映射至高维空间，同时使得特征向量的表示满足Fisher准则，建立核可鉴别性的稀疏表示模型。为了提高视频语义概念检测的准确率，提出加权KNN分类方法，对类别投票结果进行加权改进，根据类别差异不同分配不同权重值。实验过程中采用三种不同数据库进行结果验证，实验结果显示，所提方法的有效提高了视频语义概念的检测的准确性。 (2)提出基于TICA特征优化稀疏表示的视频语义概念检测方法。首先该方法采用基于TICA的特征提取方法提取视频帧有效的原始特征;其次鉴于所提取特征信息的复杂属性以及高维特性，本文利用PCA方法对初始特征进行优化，降低了特征的维数和处理的复杂程度;最后将最优特征子集利用本文所提的基于可鉴别的稀疏表示和加权KNN分类方法进行视频语义概念分析。实验结果表明，该方法能够避免手工制定特征的人为因素性，与基于传统特征优化稀疏表示的视频语义检测方法相比，所提方法的视频语义概念检测的准确率又有了进一步的提高，部分类别识别率达到了100％。 (3)利用面向对象的程序设计思想和模块化设计理念，通过利用MATLAB和VC的混合编程，设计并且实现本文基于TICA优化稀疏表示的视频语义分析检测的原型系统，展示了原型系统部分界面的实现效果图，验证了本文所提的视频语义概念检测方法的可用性。