一种音频情感区间划分方法

《一种音频情感区间划分方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果一种音频情感区间划分方法　　随着多媒体信息的不断涌现，如何自动高效地从海量多媒体中找出用户真正感兴趣的内容已经成为一个亟待解决的问题[1-2]。传统的多媒体分类管理普遍采用人工手动标注的方式，这种方式无法适应急速增长的视频检索需求。这时，人们往往从语义分析技术入手，探索音视频底层物理信息与高层情感的对应关系。情感区间划分可以为多媒体数据情感语义分析提供高层语义信息参考，辅助关键事件检测[1-4]以及摘要生成[5]。音频情感区间划分也因此正在成为新的研究热点。　　

2、听觉信息是富含语义信息的，声音和语言可以用来准确地描述复杂的事件及其过程，可以准确地推测人的情感[6]。富含语义的音频信息，能够为视频的情感语义区间划分提供更有价值的参考。荷兰著名科学家AlanHanjalic将媒体中的内容分为三个层次[7]，如图1所示。从图中可以看出，由底层特征空间到高层情感的语义鸿沟是客观存在的[8]。考虑到从直接从底层信息构建到高层情感语义映射模型的复杂性，该文从底层音频特征入手，首先提取底层音频特征作为底层感知内容，然后采用基于分层二叉树SVM分类算法对中层情感认知信息进行识别，最后利用中层情感认知与高层情感的映射关系识别高层情感语义。该文还将以体育视频为例子，简要介

3、绍体育视频情感区间划分系统。课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果　　1音频情感感知问题描述　　音频情感感知是从听觉的角度出发，充分利用音频富含语义信息的特点，利用机器学习等相关理论对音频中蕴含的高层情感语义内容进行分析，以达到感知音频情感类型的目的。设视频媒体的音频帧序列为[AF：af1，af2，af3...afm]，[AF]由若干连续的视频帧子区间[AFi：afk，afl]构成，[AF

4、i：afk，afl][?][AF]且[AFi?AFj=?]。音频感知就是求出每个[AFi]所对应的高层情感类型[ETi]。比如，在体育视频中通过一定的音频情感感知策略，可以感知到现场观众以及解说员情绪的激动与平静，其中[ET=]{激昂，平静}。　　音频情感区间划分课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果　　音频的底层特征常常被用来做高层联盟语义的分析，然而底层特征往往不够直观而且也不符合人类

5、的感知[9]，因此一个有效的办法就是提取其中层认知特征。与底层特征不同的是，中层认知特征可以从语义概念的角度促进高层事件的分析，在底层特征和高层语义之间起一个桥梁作用。以体育视频为例，我们可以选择以下富有情感感知成分的中层认知特征：观众欢呼声、观众鼓掌声、解说员精彩解说声，并通过音频分类达到识别中层认知特征的目的。这些中层认知特征包含丰富的情感语义信息，能为视频情感区间划分提供很有价值的指导。该文所提出的音频情感感知算法，对中层认知特征进行识别并将其映射到高层情感类型，能在一定程度上有效跨越情感语义鸿沟，更符合人类认知。.1基于分层二叉树SVM的音频初分类　　结论　　本文从音频情感语义的角度出

6、发，以Hanjalic的三层情感模型为理论基础，设计了一种基于音频情感感知的视频情感区间划分方法，用分层二叉树SVM算法实现中层认知特征的初分类，接着利用基于规则的平滑策略对初分类结果进行平滑。最后，利用中层认知与高层情感感知的映射关系将中层特征抽象到高层情感语义层面，实现对音频的情感区间划分。该文的方法能在一定程度上跨越语义鸿沟，较好地实现对音频情感区间的划分。课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。