欢迎来到天天文库
浏览记录
ID:34702145
大小:13.45 MB
页数:60页
时间:2019-03-09
《基于关联图谱视频片段检索》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、安徽大学硕士毕业论文摘要jJIIIlI[I[111IIlIPIl[IJ{Y1975652随着互联网技术的发展和视频采集、编辑、存储技术的进步,越来越多的个人视频被上传到互联网上。面对海量的视频数据,如何快速有效地对视频内容进行分析和检索成为当前视频研究领域的当务之急,研究人员开始把注意力集中到基于内容的视频研究上。基于内容的视频片段检索作为近期研究的热点主要分以下几步:镜头分割、关键帧提取、关键帧特征提取、相似视频片段的检索。基于关联图谱的视频片段检索是在基于内容的视频片段检索的基础上,构造视频片段的关联图,用
2、关联图谱来描述视频片段。镜头的分割和关键帧的提取作为视频检索的前期处理,直接影响到最终的检索结果,本文介绍了当前主要的镜头检测与关键帧提取方法,并对他们进行了实验分析,在渐变镜头检测中提出采用渐变阂值,实验取得了满意的效果。提出把视频片段看成一个整体,构造视频片段的关联图,对关联图的邻接矩阵进行分析,提取主分量特征值、模间邻接矩阵、模间距离三种谱,分别将这些谱特征嵌入到主成份分析(PCA)和独立分量分析(1cA)模式空间,通过K—means聚类方法进行聚类分析。通过实验我们知道,关联图谱在不同模式空间下的聚类都
3、取得了很好的效果,说明关联图谱在描述视频片段上具有好的鲁棒性,并将这一研究成果应用到第四章,对视频库中的视频片段进行有效的分类。研究了基于关联图谱的视频片段检索的框架,并提取了视频片段中每个镜头的关键帧集合的三种底层特征,再分别构造三种底层特征的关联图,分析关联图的相似矩阵并提取它们的谱特征,用谱特征来描述视频片段。用K—means聚类对视频片段的谱特征进行有效的分类,最后通过串联的特征融合(SFA)方法得到检索结果。本文最后对所研究的内容进行了总结,指出了一些不足和下一阶段需要完成的任务。关键词镜头分割,关键
4、帧提取,关联图谱,视频检索,串联特征融合安徽大学硕士学位论文基于关键图谱的视频片段检索AbstractWiththedevelopmentofinternettechnologyandvideocapture,editing,storagetechnology,moreandmorepersonalvideoclipsareuploadedtotheInteract.Faced、析ttladelugeofvideodata,howtoquicklyandeffectivelyanalyzeandsearchvi
5、deocontentbecomethepriorityresearchareas.Inthiscase,moreandmoreresearchfocusoncontent—basedvideoresearch.Content—basedvideoclipsretrievalcanbebrokendownintoshotsegmentation,thekeyframeextraction,thekeyframefeatureextraction,retrievalofsimilarityvideoclips.Vi
6、deoclipretrievalbasedonthespectralfeaturesofassociationgraphasanewretrievalsystem,besidestheadvantagesofcontent-basedretrieval,andconstructedtheassociationgraphofthevideoclips,describedthevideoclip、析ththespectralfeaturesofassociationgraph.Shotsegmentationand
7、keyframeextractionarepre—treatmentsforvideoretrieval;itdirectlyaffectsthefinalsearchresults.Thispaperdescribesthemain.methodsofshotdetectionandkeyframeextraction,basedongradientthresholdagradualshotdetectionmethodisproposed,Satisfactoryexperimentalresultsare
8、achieved.TheassociationgraphofthevideoclipsWasconstructed,byanalyzingtheadjacencymatrixoftheassociationgraph,thespectralfeaturesofadjacencymatrixwereextracted,whichincludestheleadingeigenvalues,
此文档下载收益归作者所有