視頻搜索及語義提取.pdf

1、伴隨著網(wǎng)絡(luò)和多媒體技術(shù)的發(fā)展，視頻信息急劇膨脹。如何對海量的視頻信息進(jìn)行有效地檢索和查詢，已經(jīng)成為目前迫切需要解決的問題。因此，基于內(nèi)容的視頻檢索（Content—Based Video Retrieval.CBVR）技術(shù)受到廣泛關(guān)注。
　　 本文分別從低層視覺特征提取、高層語義特征提取以及語義視頻搜索三個(gè)層次就基于內(nèi)容的視頻檢索進(jìn)行研究，提出了一些新的算法和框架，主要內(nèi)容如下：
　　 在低層視覺特征的選擇和提取方面，全

2、面分析和比較了基于關(guān)鍵點(diǎn)、紋理、邊緣和顏色信息的四大類視覺特征在概念檢測中的性能。首先采用基于Bag—of—Visual—Words的關(guān)鍵點(diǎn)投影算法，有效地量化高維關(guān)鍵點(diǎn)特征；其次改進(jìn)了采用不同檢測子的SIFT、SURF特征進(jìn)行特征級融合的方法，最后在TRECVID數(shù)據(jù)集上，測試了不同視覺特征的檢測性能。實(shí)驗(yàn)結(jié)果顯示，經(jīng)過融合后的SIFT、SURF特征較融合前原始特征的性能有顯著提高。
　　 在高層語義特征的提取方面，提出了一種

3、視頻語義概念的提取框架。使用顏色、Gabor小波、邊緣直方圖和SIFT四種視覺特征，為每種視覺特征訓(xùn)練支持向量機(jī)作為分類器，經(jīng)過分類器的決策級融合后，得到概念檢測結(jié)果。隨后提出了多種決策級融合算法，并在自測實(shí)驗(yàn)中進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明，混合各概念最佳融合算法構(gòu)成的混合融合算法，對性能提高最大。TRECVID2008高層特征提取的評測結(jié)果顯示，本系統(tǒng)的整體性能高于所有參賽隊(duì)伍的平均值。
　　 在視頻搜索方面，提出了基于語義的視頻搜