基于ST-SIMFUSION算法和本體的視頻語義提取研究.pdf

1、視頻數據包含極為豐富的信息，諸如圖像、音頻、文本等多媒體信息，而這些信息與人們的日常生活、工作以及休閑、娛樂息息相關，越來越受到人們的關注和重視。然而，由于視頻數據的劇增以及其內容和結構的復雜性，人們對視頻數據的利用和管理也變得更加困難。為了使人們能夠對視頻數據進行有效的查詢、組織和利用，近年來，視頻檢索技術，特別是基于語義的視頻檢索技術受到了研究者的高度重視，成為多媒體數據檢索領域的一個研究熱點。
　　 本文在綜合分析目前視頻

2、語義概念提取方法的基礎上，提出基于ST-Simfusion算法和本體相結合的視頻語義提取算法，并實現相應的原型系統(tǒng)。本文主要研究工作如下：
　　 (1)針對目前視頻語義檢索中大多數算法在樣本標注方面存在的不足（如主觀性強、不規(guī)范、通用性差等），提出一種基于本體概念的樣本標注方法，即采用本體概念進行樣本標注，使訓練得到的語義提取模型的普適性更好；針對視頻文本特征的比較，提出一種基于本體概念的文本測度，即用本體中概念之間的距離（即相

3、似度）作為文本特征之間比較的測度，以降低鏡頭相似度計算的復雜性。
　　 (2)提出一種基于自適應閾值ST的聚類算法和Simfusion相結合的鏡頭相似度計算方法，即ST-Simfusion算法。該方法利用聚類算法提取鏡頭的關鍵幀，借鑒Simfusion算法的思想，計算鏡頭的相似度，使得本算法既能夠保證鏡頭所表達信息的完整性，又能充分利用鏡頭多模態(tài)之間的關聯共生特性，從而有利于提高語義概念提取的準確率。
　　 (3)提出一

4、種基于ST-Simfusion和本體的算法，用于語義提取模型SVM的訓練。該方法首先利用ST-Simfusion算法對鏡頭進行聚類，得到鏡頭之間相似度矩陣；然后把該相似度矩陣用于LPP降維，得到高維空間中與鏡頭數據對應的坐標；最后把坐標和用本體概念標注的樣本的信息作為SVM的輸入，訓練語義提取模型。
　　 (4)語義概念提取原型系統(tǒng)的實現。采用面向對象思想，設計并實現了視頻語義檢索的原型系統(tǒng)。該系統(tǒng)主要有視頻數據預處理、特征提取