基于可鑒別稀疏表示的視頻語義檢測方法研究.pdf

1、隨著多媒體技術(shù)的日益發(fā)展和成熟，視頻語義分析和識別已成為眾多學者研究的熱點話題。但是，數(shù)據(jù)量的增加和數(shù)據(jù)信息的擴大使得識別分析過程變得紛繁復雜，因此如何從視頻中提取底層特征、高層語義中尋找所需的信息，排除冗余信息用于視頻分析成為了研究領(lǐng)域的熱點。在視頻分析中，語義作為最基本的視頻信息，能夠有助于更好地了解和剖析視頻，因此視頻的語義分析和研究顯得極其重要。
　　本文首先介紹了本課題的研究意義和背景;其次簡要介紹了視頻語義檢測過程中的

2、特征提取和處理技術(shù)，討論了幾種視頻語義分析方法及其存在的問題;再次主要介紹了本文所提出的視頻語義分析方法，并且驗證了所提方法的有效性、簡述了原型系統(tǒng)的構(gòu)建;最后論述了視頻語義分析領(lǐng)域的未來研究趨勢和研究方向。本文的主要內(nèi)容如下:
　　(1)提出基于核可鑒別稀疏表示和加權(quán)KNN的視頻語義概念檢測方法。在稀疏表示過程中，考慮到最優(yōu)字典的構(gòu)造以及稀疏表示可鑒別性的提高，通過增加核函數(shù)至KSVD算法，將稀疏表示特征向量映射至高維空間，同時

3、使得特征向量的表示滿足Fisher準則，建立核可鑒別性的稀疏表示模型。為了提高視頻語義概念檢測的準確率，提出加權(quán)KNN分類方法，對類別投票結(jié)果進行加權(quán)改進，根據(jù)類別差異不同分配不同權(quán)重值。實驗過程中采用三種不同數(shù)據(jù)庫進行結(jié)果驗證，實驗結(jié)果顯示，所提方法的有效提高了視頻語義概念的檢測的準確性。
　　(2)提出基于TICA特征優(yōu)化稀疏表示的視頻語義概念檢測方法。首先該方法采用基于TICA的特征提取方法提取視頻幀有效的原始特征;其次鑒于

4、所提取特征信息的復雜屬性以及高維特性，本文利用PCA方法對初始特征進行優(yōu)化，降低了特征的維數(shù)和處理的復雜程度;最后將最優(yōu)特征子集利用本文所提的基于可鑒別的稀疏表示和加權(quán)KNN分類方法進行視頻語義概念分析。實驗結(jié)果表明，該方法能夠避免手工制定特征的人為因素性，與基于傳統(tǒng)特征優(yōu)化稀疏表示的視頻語義檢測方法相比，所提方法的視頻語義概念檢測的準確率又有了進一步的提高，部分類別識別率達到了100％。
　　(3)利用面向?qū)ο蟮某绦蛟O計思想和模