基于多特征融合的视频情感识别

《基于多特征融合的视频情感识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：ＴＰ３９单位代码：１４５１’．０１５１１０１密级：公开学号：２８９硕士学位论文＃论文题目：基于多特征融合的视频情感识别作者姓名：马振磊指导教师姓名、职称邹海林．教授学科专业名称计算机应用技术研究方向图像处理与模式识别论文答辩日期２０１８年６月３日＾答辩委员会主席武玉强教授鲁东大学硕士学位论文基于多特征融合的视频情感识别作者姓名：马振磊指导教师：邹海林教授学科专业：计算机应用技术研究方向：图像处理与模式识别鲁东大学信息与电气工程学院二○一八年六月AThesisSubmittedtoLudongUniversityforthe

2、DegreeofMasterResearchonVideoEmotionRecognitionBasedonMultiFeatureFusionM．D．Candidate：MaZhenleiSupervisor：ZouHailinMajor：ComputerApplicationTechnologyResearchInterests：ImageProcessingandPatternRecognitionSchoolofInformationandElectricalEngineeringLudongUniversityJune，2018学位论文原创性声明和使用授权说明

3、学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研宄做出重要贡献的个人和集体，均己在文中以明确方式标明９本人完全意识到本声明的法律后果由本人承担。作者签名名幕＾日期》砍年合月ｙ曰３学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅９本人授权專京太咎可以将本学位论文的全部或部分内容编入有关数

4、抿產讲杆給索，可以釆用影印、缩印或扫描等复制手段保存和汇编本学位论文，保密在年解密后适用本授权书８本学位论文属于不保密ｉ”（请在以上相应方框内打叫）作者签名左１为ｖｔ酬年月〈）＆曰导师签名：茂ｆ眺对年Ｍ义曰師致谢光阴似箭，日月如梭，三年研究生生活匆匆而过。沉甸甸的研究生生活让我恋恋不舍，我对那些曾经无私给过我帮助的人充满了无限的感激。首先我要衷心的感谢我的导师邹海林教授。该论文从选题、开题、实验仿真、论文的撰写和修改都离不开邹老师的悉心指导。邹老师不但是我的专业指导老师，更是是我人生启蒙之师，他开阔的学术思路和认真务实的工作作风给了我深刻的

5、启发。我很感激邹老师对我的理解与鼓励，让我有信念怀揣梦想，有勇气不断追寻。感谢丁昕苗老师在程序仿真方面和论文撰写方面给予的帮助和建议，丁老师亦师亦友的引导与关照，给了我极大的学术研究信心和温暖。感谢柳婵娟老师给予我上实验课的机会，使我的专业水平有了一个更好的巩固和提高。感谢杨洪勇老师、周莉老师、岳峻老师、雷鹏老师、张志旺老师、张淑宁老师和曲海平老师在课程学习上和研究生工作中给予我得指点和帮助，有了你们的付出我才得以不断成长。感谢实验室的李亚庆和李珊珊陪我分享苦乐，让我这三年不寂寞、不孤独。感谢师弟师妹们对我的关心和协助，希望明年的你们更加光彩！感谢一直支持我、关怀我、相信我

6、的家人，你们辛苦养育了我，对我的恩情无法斗量，你们的关爱和期盼是我求学的最大动力，也是我顺利完成学业的最坚强保障。I摘要随着数字媒体处理技术和计算机网络技术的快速发展以及智能设备的不断普及，数字图像、音频、视频已经逐渐成为信息传播的主要方式。视频由于具有直观生动的特点，应用越来越广泛，每天都会有海量的视频被分享到互联网。为了方便有效的组织和管理这些海量视频，亟需一种基于视频语义内容的组织分类和检索方法。视频内容不仅包含事件和动作，还包含丰富的情感语义信息，对视频情感语义研究意义重大，既可以提升数字媒体的检索、标注效率，又能够提高数字娱乐产品的情感交互能力和促进人工智能的发展

7、。情感是视频的固有特征之一，视频的情感识别主要是分析视频本身所包含的情感或预测视频会给观看者带来怎样的情感体验。本文以用户生成的网络视频作为研究对象，从情感认知角度出发，基于机器学习方法对视频进行情感识别。本文所作的具体的研究工作和创新点如下：（1）针对在视频情感识别预处理工作中，随机抓取视频帧或者是利用传统聚类方法提取关键帧来表示视频内容而导致选取的帧存在较大的冗余性和代表性不强的问题，本文提出一种基于距离阈值聚类的关键帧提取方法。该方法通过对样本密集采样确定距离阈值来完成聚类，既改进了传统聚类方法的阈值选取问题