面向監(jiān)控視頻的結構化描述算法及其并行優(yōu)化.pdf

1、隨著視頻監(jiān)控系統應用的越來越普遍，海量監(jiān)控視頻數據的描述與管理成為最亟需解決的問題。基于文本的描述方式雖然具有很強的語義交互性，但較多的人工參與使其在面向海量數據時力不從心；基于內容的描述方式雖然消除了生成描述時的人工參與，但底層特征與語義描述間存在“語義鴻溝”，語義交互性不強。視頻結構化描述方式綜合了文本描述和內容描述的優(yōu)勢，同時具有自動化和語義交互性強的特點，逐漸成為視頻內容描述領域的研究熱點。
　　本文基于MPE G-7，提

2、出了一個通用的監(jiān)控視頻結構化描述方案，在此基礎上設計并實現了一個全自動的結構化描述算法框架，并在提高算法框架的語義交互性和實時性兩方面作了深入研究。本文的主要研究工作如下：
　　首先，針對通用MPE G-7結構化描述方案存在的冗余和歧義問題，本文分析了監(jiān)控視頻的特點，相應地定制了MP EG-7，提出了面向監(jiān)控視頻的結構化描述方案，具有兼容MPE G-7、支持語義描述、側重運動目標等特點，解決了結構化描述的通用性問題。
　　接

3、著，本文基于提出的結構化描述方案，設計并實現了一個全自動化的監(jiān)控視頻結構化描述算法框架，解決了傳統視頻描述系統中需要大量人工參與的問題。
　　隨后，本文深入研究了算法框架中的語義特征提取模塊，解決了結構化描述的交互性問題。針對顏色的語義化，本文建立了顏色映射表，由提取的底層顏色特征準確地獲取了目標的顏色名稱，為目標的顏色語義檢索提供了重要的基礎；針對紋理的語義化，本文提出了提取Tam ura感知語義以及運動目標的紋理類別的算法，解

4、決了自動紋理語義標注的問題；針對形狀的語義化，本文研究了結合底層形狀特征和S VM的形狀分類算法，消除了形狀語義與底層特征的“語義鴻溝”，大大增強了描述在實際應用中的交互性。
　　最后，本文面向多核CPU平臺，針對串行結構化描述算法，提出了一個多層次并行優(yōu)化算法。在算法頂層，利用算法的時域獨立性，設計了流水線并行優(yōu)化算法；在算法中層，利用算法模塊的功能獨立性，設計了功能劃分并行優(yōu)化算法；在算法底層，利用算法處理數據時的獨立性，設計