欢迎来到天天文库
浏览记录
ID:58140588
大小:763.00 KB
页数:6页
时间:2020-04-24
《基于语义概念的多模态视频场景分割算法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、小型微型计算机系统2014年9月第9期JournalofChineseComputerSystemsVo1.35No.92014基于语义概念的多模态视频场景分割算法金凯,丰洪才,杨亭(武汉轻工大学数学与计算机学院,武汉430023)E-mail:jin—kai@foxmail.tom摘要:为了更好地挖掘视频数据和分析视频内容,该文提出一种基于语义概念的多模态视频场景分割算法,充分考虑视频中多模态之间的时序关联共生特性,通过相似度融合算法计算得到视频镜头间的相似度关系,将降维处理得到的低维语义空间坐标作为支持向量机的输入,构造出若干不同
2、语义概念训练分类器,预测出每个关键帧的语义概念矢量,利用语义重叠镜头链方法对镜头进行聚类得到视频场景.实验结果表明,该方法能有效地检测视频语义概念和分割视频场景,MAP值、M值分别达到50%和83.4%.关键词:多模态;时序关联共生特性;相似度融合;支持向量机;语义概念;场景分割中图分类号:TP391文献标识码:A文章编号:1000—1220(2014)09-2156-06Multi-modalityVideoSceneSegmentationAlgorithmwithSemanticConceptJINKai,FENGHong·ca
3、i,YANGTinglSchoolofMathematic&ComputerScience,WuhanPolytechnicUniversity.Wuhan430023。China)Abstract:Tobettervideodataminingandanalysisofvideocontent。amulti-modalityvideoscenesegmentationalgorithmwimseman-ticconceptisproposedbasedonSimFusionIlocalitypreservingprojections
4、(U,P),supportvectormachine(SVM)。andsemanticO—verlappedshotlinkedalgorithminthispaper.TakefullaccountoftemporalassociatedCO—occurringofmultimodalmediadatainvide—O,andusingmulti·modalitysubspacecorrelationpropagation,thevideoshotsimilarityiscalculated。thensemanticspacecoo
5、rdinatesobtainedbyreducingthedimensionalityisastheinputintotheSVMSOastoconstructanumberofdifferentsemanticconcepttrainingclassifierandpredictthesemanticconceptvectorsofvideokeyflames。bymeansofsemanticoverlappedshotlinkedalgorithmforvideosceneattheendofthispaper.Theautho
6、rsexperimentsshowthatthevideoscenecanbeeffectivelyseparatedbythemethodproposedinthepaper,andtheMAPvalues。Mvaluesreached50%-83.4%respectively.Keywords:multi—modality;temporalassociatedCO—occurrence(TAC);SimFusion;supportvectormachine(SVM);semanticcon-cept;scenesegmentati
7、on1引言带来的非线性和高维数问题.模型法是近几年发展起来的场景分割方法,一般采用统计模型对场景进行建模,最典型的是视频场景是视频结构中最小的语义单位,由一个或者多Zhai等提出的基于马尔科夫链蒙特卡洛算法,采用蒙特卡个连续的语义相关镜头组成,视频场景分割是有效进行视频洛随机采样来模拟场景的生成过程,并引入三种更新方式数据挖掘和视频内容分析的关键技术,已成为视频检索等领(扩散、合并及分解)确定场景边界.这种方法有着良好的数域最具挑战性的研究内容之一.学形式,然而对确定场景个数的先验模型参数比较敏感.结合国内外研究者针对视频场景分割提出
8、了许多不同的处理机器学习法进行视频场景分割,不需要样本分布的先验知识,方法,总体来讲可分为三大类,即合并法、分解法和模型法.合能有效解决非线性、高维数、参数敏感等问题.如Caol4提出并法将视频场景分割看成自底向上不断合
此文档下载收益归作者所有