基于顯著重要性特征和遷移學(xué)習(xí)的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)目標(biāo)檢索算法研究與開(kāi)發(fā).pdf

1、互聯(lián)網(wǎng)用戶所創(chuàng)造的“內(nèi)容”正在迅猛增長(zhǎng)，從不同渠道涌現(xiàn)的圖像、視頻等不同類型的媒體數(shù)據(jù)以及用戶信息更加緊密的結(jié)合。它們正在以一種新的形式，更為形象綜合地表達(dá)語(yǔ)義、事件和主題。本文針對(duì)基于內(nèi)容的視頻檢索技術(shù)呈現(xiàn)出的特點(diǎn)進(jìn)行深入研究，并在圖像語(yǔ)義分割、圖像特征提取和圖像排序等方面提出了改進(jìn)方法。
　　本文首先介紹了基于關(guān)鍵字的視頻檢索方法和基于內(nèi)容的視頻檢索方法，重點(diǎn)闡述了圖像特征提取在視頻檢索方面的重要性，以及視頻檢索的整體框架流程

2、。第三章闡述了語(yǔ)義分割在視頻處理中的重要意義，并介紹了幾種典型的語(yǔ)義分割方法，在此基礎(chǔ)上，本文提出了一種基于多特征融合的聚合決策森林的語(yǔ)義分割算法，首先從超像素塊中提取出2D低級(jí)語(yǔ)義特征和3D空間特征，并將特征向量融合為高維向量。融合后的高維度的特征向量相對(duì)于單獨(dú)的特征向量來(lái)說(shuō)魯棒性更高;然后我們提出了一種多特征融合的聚合決策森林算法，實(shí)驗(yàn)證明了該方法可以較好地解決復(fù)雜街景的語(yǔ)義分割問(wèn)題。第四章首先介紹了多種典型的顯著性特征，包括基于顏

3、色直方圖的顯著性特征和基于區(qū)域?qū)Ρ榷鹊娘@著性特征等，在此基礎(chǔ)上，本文提出了一種顯著性重要特征，最后融合多種有效特征構(gòu)建高維特征向量，該特征能夠有效地表示圖像的內(nèi)容。第五章首先講述了排序?qū)W習(xí)算法和遷移學(xué)習(xí)算法的基本概念，然后將跨域排序?qū)W習(xí)算法應(yīng)用到視頻檢索中來(lái)。該算法克服了已有算法中僅利用源域數(shù)據(jù)進(jìn)行建模的缺點(diǎn)，通過(guò)源域中已有標(biāo)記信息的數(shù)據(jù)和目標(biāo)域中沒(méi)有標(biāo)記信息的數(shù)據(jù)，估算出目標(biāo)域中的正樣本均值，訓(xùn)練出更加魯棒的自適應(yīng)跨域排序模型，較好地