海量视频数据摘要技术研究

《海量视频数据摘要技术研究》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、ResearchonSynopsisofMassiveVideoDataThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByXUZi-haoSupervisor:Prof.LIUFengMarch2014万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已

2、经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段

3、保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签名：____________日期：_____________万方数据南京邮电大学硕士研究生学位论文摘要摘要随着平安城市、智能交通的推进，交通、校园、家庭、商场等领域大量视频监控的普及，如何实现海量视频的快速浏览,海量视频的浓缩摘要以及在海量的视频数据库中快速检索出所需要的视频资料已成为当前视频技术领域极其重要的研究内容。本文主要研究

4、了基于关键帧的视频摘要技术以及基于对象的视频摘要技术，主要工作和贡献包括以下几个方面：1.简要介绍了本文的研究背景及研究现状，对目前主流的视频摘要技术进行了广泛的调研和总结，重点描述了基于帧的视频摘要和基于对象的视频摘要的技术原理、区别以及国内外的研究状况。2.针对关键帧提取算法K-means需要人为设定聚类个数的不足，提出了根据视频内容特征变化自动选取K值的思路。对比和分析，通过实验验证了改进的K-means算法的有效性。3.提出了一种结合Codebook运动模型检测算法和交互式分割技术Grabcut的运动物体分割的算

5、法，在不需要人工交互的情况下，实现了运动物体的自动检测和分割。4.针对安防监控视频中常见对象为“行人”、“车辆”和“骑车的人”的情况，提出了视频对象特征的选择方法。通过LibSVM，验证了提取的对象特征的有效性，分类正确率达到80%左右。5.在Ubuntu平台下，搭建QT+OpenCV的开发环境，详细介绍了视频摘要系统的软件总体设计框架，核心算法的原理和代码实现。通过系统调试，实现了对安防视频的摘要和检索，摘要视频的长度能够压缩到只有原始视频序列的10%左右。关键词：视频摘要，关键帧，以空间换时间，SVM万方数据南京邮电

6、大学硕士研究生学位论文AbstractAbstractWiththerapiddevelopmentofSafeCityandIntelligentTransportation,videosurveillanceispopularinareassuchastransportation,schools,homesandshoppingmalls.Howtoquicklybrowselongvideos,condensemassivevideoandretrieveneededvideodatahavebecomeanext

7、remelyimportantresearchfield.Key-framebasedvideoabstractionandobject-basedvideosynopsisarestudiedinthistheses,themainworkandcontributionsareasfollows:1.Thethesesillustratestheresearchbackgroundandresearchstatus.Awiderangeofsurveyofcurrentdominantvideoabstractiona

8、pproacheshasbeenconducted.Thetechnicalprinciples，differenceandstatusofresearchofkey-FramebasedvideoabstractionandObject-basedvideosynopsisareintroduced.2.Accor