基于自適應(yīng)概率超圖的視頻語義檢測方法研究.pdf

1、近年來，隨著多媒體技術(shù)和互聯(lián)網(wǎng)的不斷發(fā)展，多媒體數(shù)據(jù)量急劇增加，尤其視頻媒體數(shù)量更是數(shù)不勝數(shù)。如何跨越視頻底層特征和高層語義的語義鴻溝，實現(xiàn)基于語義的視頻檢索，就成為了多媒體研究領(lǐng)域中的研究熱點。語義是人從視頻中得到的信息，是人對視頻理解的最直觀體現(xiàn)。故研究基于語義的視頻檢索方法就顯得尤為重要。
　　本文首先介紹了課題的研究背景及意義;然后簡述了視頻語義檢測過程中的主要預(yù)處理部分即視頻特征提取，并簡要討論了幾種常用的視頻語義檢測方

2、法及各自存在的缺陷;最后論述了視頻語義檢測領(lǐng)域的研究趨勢。在此基礎(chǔ)上，本文提出了基于遺傳算法的多特征優(yōu)化選擇方法、自適應(yīng)概率超圖模型的構(gòu)建方法、基于該模型的增量式半監(jiān)督學(xué)習(xí)的視頻語義檢測方法和原型系統(tǒng)開發(fā)，主要內(nèi)容如下:
　　(1)提出了基于遺傳算法的多特征優(yōu)化選擇方法。該方法首先將顏色、灰度、形狀、紋理這四種單一底層特征進(jìn)行融合;然后采用遺傳算法對高維的原始特征向量進(jìn)行優(yōu)化選擇;最后用最優(yōu)特征子集對視頻段進(jìn)行語義概念檢測。實驗結(jié)

3、果表明該方法能有效消除冗余特征數(shù)據(jù)、降低特征維數(shù)，從而減少特征提取所需的時間消耗，加快模型的訓(xùn)練和視頻語義的檢測，而且還能提高視頻語義的檢測準(zhǔn)確率。
　　(2)提出了自適應(yīng)概率超圖的構(gòu)建方法和基于該模型的增量式半監(jiān)督學(xué)習(xí)的視頻語義檢測方法。采用該方法構(gòu)造的模型克服了傳統(tǒng)超圖模型中存在的缺陷;采用方法(1)提出的特征優(yōu)化選擇方法對特征向量進(jìn)行優(yōu)化后作為模型的輸入，在該模型基礎(chǔ)上結(jié)合增量學(xué)習(xí)機制和半監(jiān)督學(xué)習(xí)實現(xiàn)對視頻語義的檢測。實驗結(jié)