基于概念格的視頻語義概念檢測研究.pdf

1、近年來,隨著視頻數據的增加,基于語義的視頻檢索成為一個研究熱點。在推動高效的視頻檢索和視頻挖掘的過程中,自動的語義概念檢測扮演重要的角色,因為它是跨越低層特征和高層人類解釋之間鴻溝的橋梁。語義概念檢測,就是發(fā)現匹配如戶外、人臉、辦公室等這些特別概念的視頻鏡頭。于此同時,概念格理論和數據挖掘技術的發(fā)展,為視頻語義檢測的發(fā)展提供了強有力的理論支持和方法支持。
　　 本文首先綜述課題的研究背景,并分析目前國內外已提出的主流視頻語義概念

2、檢測方法。在綜合分析了數據挖掘技術和概念格理論的基礎上,本文提出了以負樣本精簡的概念格規(guī)則提取算法,基于k－均值的中間層語義生成方法和基于概念格的視頻語義概念檢測方法,具體內容如下:
　　 (1)提出了以負樣本精簡的概念格規(guī)則提取算法。該算法首先使用Godin增量算法構建概念格,利用支持度門限獲得該概念格的初始規(guī)則集合,然后充分考慮樣本數據中負樣本所蘊含的豐富信息,利用設計的規(guī)則容忍度和訓練數據中的負樣本對初始規(guī)則進行精簡,得到

3、一個更為簡潔和合理的概念格規(guī)則集合。
　　 (2)提出了基于k-均值的中間層語義生成方法。由于低層特征和高層語義之間存在語義鴻溝而導致直接從低層特征理解視頻內容是困難的,本文提出了基于k-均值的中間層語義生成方法。該方法首先使用k-均值聚類算法將每維特征分為3個聚類,得到每個聚類的最大值和最小值,再重新計算聚類閾值,最后根據新的閾值將低層特征矩陣映射到一個低層語義特征矩陣,獲得中間層語義。
　　 (3)提出了基于概念格的

4、視頻語義概念檢測方法。該方法是概念格數據挖掘技術在視頻語義檢測上的一個應用。該方法結合了所提出的以負樣本精簡的概念格規(guī)則提取算法和基于k-均值的中間層語義生成方法,在提取視頻鏡頭中顏色、紋理和形狀等低層特征的基礎上,先將低層特征矩陣通過變換映射到低層語義特征矩陣,然后以該低層語義特征矩陣為形式背景構造概念格,并提取概念格規(guī)則作為視頻語義概念的分類規(guī)則,最后使用所提取的規(guī)則檢測視頻庫中鏡頭所包含的語義概念。
　　 (4)采用面向對