视频数据挖掘的方法研究及应用

《视频数据挖掘的方法研究及应用》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、视频数据挖掘的方法研究及应用摘要近年来，在数据挖掘技术领域已经取得了许多令人瞩目的成果，大量的新算法不断涌现，许多商用系统已经推出，数据挖掘的应用领域也不断扩展。由于信息技术的不断发展和进步,数据形式不断的丰富，多媒体数据库日益增多。视频挖掘是多媒体数据挖掘中一个非常重要的内容，同时也是数据挖掘新的研究方向。目前，在电影视频、医疗视频、体育视频及交通视频等方面的视频数据挖掘已经取得了许多进展。其中，由于安全防护问题的持续升温，使得综合视频监控系统和交通监控系统最为人们所关注。本文针对于场景监控视频这一类没有内容结构的视频，应用了视频

2、数据挖掘的视频运动挖掘技术思路，从视频中提取视频对象,跟踪其运动，结合时间特性形成时间序列数据，并只对时间序列进行索引、分类和聚类，实现了对视频数据进行挖掘的目的。本文的主要研究内容有以下几个方面。（1）介绍了从视频数据中提取表证视频运动特征的时间序列数据的步骤和方法，包括对视频进行预处理、视频运动对象的检测和分割、跟踪视频对象的运动、提取其运动的轨迹等，并且将时间序列的相似性查询和聚类等挖掘算法，应用于实际从视频中提取出来的时间序列数据，较好地实现了视频数据的相似性查询和聚类分析。I（2）文章对于利用时间序列挖掘算法来处理视频提取

3、的两维时间序列的相似性查询进行了扩展研究，在对一维时间序列的近似表示方法进行研究的基础上，提出了基于PAA分段的二维视频时序数据的近似表示和基于特征点分段的二维视频时序数据的近似表示两个新算法，用来实现视频中提取出来的两维时间序列的相似性查询。这两种新算法解决了从视频数据中提取出来表征视频运动信息的时间序列多为两维时间序列的实际应用问题，满足了视频数据挖掘中较为重要的相似性查询的实际需求，提高了相似性查询的效率并减少了搜索时间。同时对提出的新算法分别进行了仿真实验。（3）最后，针对这一类视频运动挖掘问题，提出了一个视频运动挖掘系统的

4、体系结构，该体系结构是在跟踪视频对象运动的基础上，结合时间特性形成时间序列数据，进一步应用了时间序列挖掘的方法，来实现对视频数据进行数据挖掘的一个较完整的视频运动挖掘系统的架构。由于视频运动挖掘系统只对从视频中提取出来的时间序列进行索引、分类和聚类，实现对视频数据进行挖掘的目的。可以不用考虑视频数据中的场景、镜头以及帧图像中的颜色纹理等特征，大大约简了需要处理的数据的维度，提高了存储、传送、分析和索引的容易度和效率，也在很大程度上简化了挖掘的过程。关键词：视频数据挖掘，视频运动挖掘，时间序列，相似性查询，聚类，时间序列近似表示IIR

5、ESEARCHANDIMPLEMENTATIONOFVIDEODATAMININGTECHNIQUEABSTRACTInrecentyears,manyachievementshavebeencontributedindataminingresearcharea,alotofnewalgorithmshavebeenproposed,manycommercialsystemshavebeenproduced,andtheapplicationareaofdataminingexpandcontinuously.Withthedeve

6、lopmentandadvancementofinformationtechnique,theformofdatavariesandtheamountofmultimediadatabaseincreases.Videodataminingisaveryimportantpartofthemultimediadatamining,anditisalsothenewresearchaspectofdatamining.Itismoreandmoreeasilytocaptureandsaveallkindsofvideos,soman

7、yresearchersandcommercialinvestorsareinterestedintheproblemofhowtoextractusefulinformationautomaticallyfromvideosorimagedataandhowtorealizethesemanticunderstandingofvideosorimagedata.Nowadays,therehavebeensomeeffortsaboutvideodataminingformovies,medicalvideos,andtraffi

8、cvideos.Amongwhich,thedevelopmentsofcomplexvideosurveillancesystemsandtrafficmonitoringsystemshaverecentlybeenstudied