基于內(nèi)容的交互式視頻檢索.pdf

1、隨著互聯(lián)網(wǎng)和多媒體技術的迅速發(fā)展，視頻信息資源日益豐富，面對海量視頻信息，如何快速有效地進行視頻內(nèi)容分析和檢索成為當前視頻信息領域研究的熱點。基于內(nèi)容的視頻檢索綜合了視頻處理、圖像理解、模式識別、數(shù)據(jù)庫等領域的知識，使用視頻底層特征作為檢索依據(jù)，克服基于文字檢索方式的不足，具有廣闊的應用前景。 論文針對基于內(nèi)容的交互式視頻檢索技術中鏡頭邊界檢測、鏡頭相似性度量、視頻檢索相關反饋以及相關反饋中半監(jiān)督學習等問題展開研究，主要工作如下

2、： (1)提出一種基于運動補償?shù)淖赃m應閾值鏡頭邊界檢測方法：用一個累積幀存儲每一幀間的差異，放大漸變的特征變化，利用塊匹配算法對運動進行估計和補償，減少物體運動對鏡頭邊界檢測的影響，并根據(jù)幀顏色亮度和飽和度與閾值之間的關系，自適應地選取閾值，提高鏡頭邊界檢測的準確性。通過對不同視頻片段鏡頭分割實驗，結(jié)果表明本文的提出的算法能夠在較小計算強度下很好地實現(xiàn)鏡頭漸變檢測。 (2)提出一種基于組合相似性的鏡頭相似性度量方法：首先

3、通過視覺聚類方法對鏡頭進行關鍵幀提取，把鏡頭看作關鍵幀序列組成的組合，把兩個鏡頭的相似性度量建立在組合相似性上，然后基于核方法，通過一個非線性映射，把原始數(shù)據(jù)空間映射到一個高維特征空間，在這個空間中可以假設特征向量表示的關鍵幀序列服從高斯分布，利用常用概率距離公式得到兩分布之間距離值，以此衡量兩個鏡頭的相似程度。該方法從整體上度量兩個鏡頭之間相似性，克服了關鍵幀(幀)之間點點比較的缺點，實驗結(jié)果表明，該方法的檢索效果明顯優(yōu)于傳統(tǒng)的基于歐

4、氏距離的方法和最近鄰線(NFL)方法。 (3)在檢索過程中引入人的因素，提出一種基于貝葉斯相關反饋的交互式視頻檢索方法：視頻庫中每一個鏡頭與查詢例子的相似程度由該鏡頭目標概率來衡量，每一次迭代過程中根據(jù)目標概率變化從視頻庫中選擇若干鏡頭供用戶標記，系統(tǒng)根據(jù)用戶標記的相關和不相關鏡頭估計用戶模型，利用用戶模型結(jié)合上一次迭代得到的目標概率通過貝葉斯公式得到視頻庫中每一個鏡頭新一輪的目標概率，使得與查詢例子相似的鏡頭目標概率值不斷增加

5、。實驗結(jié)果表明，在不同鏡頭相似性度量下，該方法均可明顯提高檢索性能，且只需要很少的反饋次數(shù)就能達到很好的檢索效果。 (4)在交互式視頻檢索中，針對相關反饋在線學習中訓練樣本少、存在大量未標記樣本、在線特征選擇問題和訓練樣本的不對稱性等問題，提出一種基于高斯隨機場模型(GRFM)半監(jiān)督學習視頻檢索相關反饋方法：利用半監(jiān)督學習算法根據(jù)用戶標記的相關和不相關鏡頭，結(jié)合本輪目標概率更新后視頻庫中大量未標記鏡頭，首先利用標記和未標記鏡頭建