【摘要】：視頻內(nèi)容標(biāo)注是信息檢索和模式識(shí)別領(lǐng)域的熱點(diǎn)問題，在智能視頻監(jiān)控視頻理解等傳統(tǒng)領(lǐng)域有著廣泛的應(yīng)用隨著互聯(lián)網(wǎng)多媒體技術(shù)的發(fā)展以及用戶手持設(shè)備的不斷進(jìn)步，視頻內(nèi)容標(biāo)注已經(jīng)逐漸成為未來信息檢索最關(guān)鍵的組成部分之一 目前基于內(nèi)容的視頻標(biāo)注主要通過人工標(biāo)注大量視頻構(gòu)建訓(xùn)練樣本，根據(jù)這些樣本建立相關(guān)模型來預(yù)測(cè)未知的視頻內(nèi)容人工標(biāo)注視頻是一項(xiàng)費(fèi)時(shí)費(fèi)力的工作，而且傳統(tǒng)的訓(xùn)練學(xué)習(xí)方法通常假設(shè)訓(xùn)練樣本與測(cè)試樣本來源于同樣的數(shù)據(jù)域（domain）另外，傳統(tǒng)的訓(xùn)練學(xué)習(xí)方法只在擁有大量已標(biāo)注訓(xùn)練數(shù)據(jù)的前提下，對(duì)測(cè)試數(shù)據(jù)進(jìn)行比較魯棒的分類或標(biāo)注在僅有少量標(biāo)注數(shù)據(jù)的情況下，傳統(tǒng)的學(xué)習(xí)方法很難訓(xùn)練出具有較強(qiáng)魯棒性較好泛化能力的分類器所幸的是，遷移學(xué)習(xí)（transfer learning）可以解決只有少量甚至沒有標(biāo)注數(shù)據(jù)的分類器學(xué)習(xí)問題它通過利用其它不同相關(guān)數(shù)據(jù)域中已有的知識(shí)和數(shù)據(jù)來學(xué)習(xí)適用于感興趣數(shù)據(jù)域的分類器 本文將重點(diǎn)討論如何借助于海量的互聯(lián)網(wǎng)多媒體數(shù)據(jù)（源域，source domain），來對(duì)視頻（目標(biāo)域，target domain）中的事件進(jìn)行有效的標(biāo)注首先，借助互聯(lián)網(wǎng)圖像搜索引擎日漸成熟，本文在互聯(lián)網(wǎng)檢索得到得圖像集上構(gòu)建圖像與視頻空間的知識(shí)遷移框架為了避免單一關(guān)鍵字檢索知識(shí)的片面性，本文使用多個(gè)聯(lián)想詞從互聯(lián)網(wǎng)中檢索多組圖像其次，基于多圖像組知識(shí)遷移，本文使用與視頻事件間接相關(guān)的帶有語義信息的關(guān)鍵詞進(jìn)行檢索，以獲得多語義分組的多源域圖像集，從而消除底層圖像特征與高層事件概念之間的語義鴻溝最后，本文針對(duì)海量視頻的標(biāo)注問題，提出自動(dòng)增量式學(xué)習(xí)的方法以不斷更新視頻標(biāo)注模型，使其能夠適應(yīng)日益更新的用戶視頻本文的主要貢獻(xiàn)總結(jié)如下： 通過在圖像與視頻的異構(gòu)特征空間之間建立共同特征子空間，提出利用關(guān)鍵字檢索互聯(lián)網(wǎng)圖像的結(jié)構(gòu)化知識(shí)遷移模型，實(shí)現(xiàn)視頻自動(dòng)標(biāo)注，從而減少人工標(biāo)注的代價(jià)構(gòu)建判別式結(jié)構(gòu)化模型，即跨領(lǐng)域結(jié)構(gòu)化模型（Cross-DomainStructural Model），來聯(lián)合獲取圖像域特征與視頻域特征之間的相關(guān)性，，以及不同圖像屬性之間的關(guān)系此模型將互聯(lián)網(wǎng)圖像中的圖像特征和用戶視頻序列中的視頻特征結(jié)合起來以獲得兩者之間的相關(guān)性同時(shí)，在此模型中，通過使用典型相關(guān)性分析構(gòu)建共同特征空間，使得源域與目標(biāo)域中的數(shù)據(jù)在統(tǒng)一的框架中聯(lián)合學(xué)習(xí) 為了避免單一關(guān)鍵字檢索獲得知識(shí)過于片面，本文在基于單關(guān)鍵字檢索的跨域知識(shí)遷移中引入了基于聯(lián)想詞的多組互聯(lián)網(wǎng)圖像提出分組權(quán)重聯(lián)合學(xué)習(xí)算法（Joint Group Weighting Learning），有效地將不同但相關(guān)的圖像組分類器遷移到用戶視頻在此框架下，為了獲得更具判別性的共同特征，本文提出了判別性拓?fù)浔３值湫拖嚓P(guān)性分析（Discriminative Topology PreservingCanonical Correlation Analysis）以習(xí)得一個(gè)新的共同特征空間 為了進(jìn)一步適應(yīng)用戶視頻事件在語義上的多樣性，本文提出了基于多語義分組互聯(lián)網(wǎng)圖像知識(shí)遷移的視頻標(biāo)注（Multi-Group based Domain Adaptation）使用關(guān)鍵字檢索，獲取在概念層和事件層的帶語義信息的源域圖像組不同于傳統(tǒng)的多領(lǐng)域適應(yīng)算法，本文通過衡量源域與目標(biāo)域之間的語義相關(guān)性，給不同源域數(shù)據(jù)分配不同的權(quán)重為了考慮組權(quán)重與組分類器之間的相互影響，該方法在習(xí)得組權(quán)重的同時(shí)優(yōu)化組分類器由于目標(biāo)域的未標(biāo)注視頻中含有大量的有用信息，引入兩個(gè)新的數(shù)據(jù)依賴正則項(xiàng)來發(fā)掘目標(biāo)域中未標(biāo)注的用戶視頻以優(yōu)化目標(biāo)分類器 為了能夠從根本上解決互聯(lián)網(wǎng)視頻大數(shù)據(jù)的標(biāo)注問題，本文使用增量式的方法不斷的更新所得到的標(biāo)注模型，提出了使用異構(gòu)源域增量式遷移學(xué)習(xí)的計(jì)算框架此框架將組權(quán)重建模為隱變量，通過構(gòu)建結(jié)構(gòu)化隱變量模型以獲取源域組與目標(biāo)域樣本之間的相關(guān)性，并在增量式遷移學(xué)習(xí)的過程中引入兩個(gè)約束，在適當(dāng)保留舊知識(shí)的同時(shí)學(xué)習(xí)新知識(shí)
[Abstract]:......
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓強(qiáng);;基于廣義Hough變換的手寫文檔整詞定位[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年05期

2 程剛;鄭小華;陽鋒;徐祖艦;;三維全景視覺技術(shù)在農(nóng)業(yè)機(jī)器人中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年34期

3 何海燕;施培蓓;;基于改進(jìn)AdaBoost算法的行人檢測(cè)方法[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

4 吳慧蘭;劉國(guó)棟;劉炳國(guó);胡濤;浦昭邦;;ICF實(shí)驗(yàn)靶定位技術(shù)研究[J];半導(dǎo)體光電;2008年05期

5 陳京;袁保宗;劉渭濱;;多視點(diǎn)標(biāo)定圖像的交替迭代度量重建方法[J];北京交通大學(xué)學(xué)報(bào);2012年02期

6 周峰;劉輝;李超峰;;SIFT算法在圖像配準(zhǔn)中的應(yīng)用[J];辦公自動(dòng)化;2009年22期

7 劉彬;葉麗娜;;一種基于SIFT特征的序列圖像拼接算法[J];兵工自動(dòng)化;2009年06期

8 劉煥敏;王華;段慧芬;;一種改進(jìn)的SIFT雙向匹配算法[J];兵工自動(dòng)化;2009年06期

9 彭勃;周文暉;劉濟(jì)林;;基于Harris角點(diǎn)檢測(cè)的立體視覺里程計(jì)[J];兵工學(xué)報(bào);2007年12期

10 陳冰;趙亦工;李欣;;基于高斯尺度空間的末制導(dǎo)目標(biāo)跟蹤方法[J];兵工學(xué)報(bào);2009年05期

相關(guān)會(huì)議論文 前10條

1 劉善磊;張亮;;基于相位相關(guān)和SURF算法的關(guān)鍵幀實(shí)時(shí)匹配研究[A];江蘇省測(cè)繪學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

2 隋樹林;孫立宏;姚文龍;袁健;;融合改進(jìn)UKF/SIFT信息的自主光學(xué)導(dǎo)航方法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

3 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

4 ;Loop-closing By Using SIFT Features for Mobile Robots[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

5 周凱;范瑞霞;李位星;;一種基于SIFT的MeanShift-粒子濾波融合跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

6 ;Rapid Target Recognition and Tracking under Large Scale Variation Using Semi-Naive Bayesian[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 ;A High-level Image Sequence Fusion Algorithm for Human Detection[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

8 鄒麗暉;陳杰;張娟;竇麗華;;一種基于時(shí)空域流形的視頻序列圖像拼接算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

9 ;Machine Vision Based Flotation Froth Mobility Analysis[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

10 孫明竹;趙新;程小燕;孫程;盧桂章;;面向復(fù)雜作業(yè)的微操作機(jī)器人關(guān)鍵技術(shù)研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 王玉全;基于全景視覺的移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建方法研究[D];哈爾濱工程大學(xué);2010年

2 梁洪;基于內(nèi)容的醫(yī)學(xué)圖像檢索及語義建模關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 任楨;圖像分類任務(wù)的關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 孔凡芝;引線鍵合視覺檢測(cè)關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2009年

5 王作為;具有認(rèn)知能力的智能機(jī)器人行為學(xué)習(xí)方法研究[D];哈爾濱工程大學(xué);2010年

6 肖潔;視覺注意模型及其在目標(biāo)感知中的應(yīng)用研究[D];華中科技大學(xué);2010年

7 朱清波;序列圖像三維重建方法研究[D];華中科技大學(xué);2010年

8 田文;多視圖圖像的快速三維場(chǎng)景重建[D];華中科技大學(xué);2010年

9 涂虬;智能視覺監(jiān)視中目標(biāo)檢測(cè)與跟蹤算法研究[D];華中科技大學(xué);2010年

10 章鵬;多尺度特征檢測(cè)：方法和應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 宋抗;壓縮機(jī)活塞圓度誤差數(shù)字檢測(cè)系統(tǒng)研究[D];河南理工大學(xué);2010年

2 陳忠翔;基于立體視覺的三維重建方法研究[D];南昌航空大學(xué);2010年

3 雒燕飛;地質(zhì)災(zāi)害應(yīng)急地理信息數(shù)據(jù)庫設(shè)計(jì)及其應(yīng)用[D];山東科技大學(xué);2010年

4 唐紅梅;基于輻射與空間信息的遙感圖像檢索[D];山東科技大學(xué);2010年

5 倪希亮;基于尺度不變特征的多源遙感影像配準(zhǔn)[D];山東科技大學(xué);2010年

6 賈偉潔;SAR影像與光學(xué)影像配準(zhǔn)研究[D];山東科技大學(xué);2010年

7 任天宇;自穩(wěn)定航拍系統(tǒng)算法與設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2010年

8 李躍;三維運(yùn)動(dòng)估計(jì)在織物動(dòng)態(tài)仿真中的應(yīng)用[D];浙江理工大學(xué);2010年

9 婁錚錚;sIB算法在圖像無監(jiān)督分類中的應(yīng)用研究[D];鄭州大學(xué);2010年

10 王博;全景視覺智能移動(dòng)機(jī)器人固有環(huán)境定位[D];哈爾濱工程大學(xué);2010年

本文編號(hào)：2413422