本文關(guān)鍵詞：基于運動詞典的視頻事件檢測，，由筆耕文化傳播整理發(fā)布。

【摘要】：視頻事件檢測是多媒體數(shù)據(jù)檢索中一個十分熱門的研究課題。隨著計算機技術(shù)以及網(wǎng)絡(luò)技術(shù)的發(fā)展,用戶對互聯(lián)網(wǎng)體驗的質(zhì)量要求也在不斷提高。視頻事件檢測應(yīng)用廣泛,不僅能夠使搜索引擎在檢索效率上得以提升,而且可以用于智能監(jiān)測系統(tǒng)以及交互系統(tǒng),例如交通系統(tǒng),機場,地鐵站的監(jiān)控,具有廣闊的應(yīng)用前景。在本文中,我們主要針對開放視頻(Open Video)對事件檢測進行研究。 本文主要分為兩大塊進行研究分析：一,開放視頻中對象運動模式相似度算法設(shè)計：在本文中我們首先對現(xiàn)有幾種主要的軌跡相似度算法進行了優(yōu)勢對比分析。另外我們對軌跡的時空特征進行了抽取。對于軌跡相似度計算算法,我們充分考慮了從真實視頻中抽取出的二維軌跡的特殊情況,使得算法有更高的魯棒性。通過實驗證明我們的方法與其他方法相比較,有更高的準確率與高效的計算速度。二,開放視頻動態(tài)信息描述以及視頻事件檢測：我們通過將KLT與SIFT進行結(jié)合對視頻幀序列中的特征點進行抽取并追蹤。利用所抽取的軌跡對事件構(gòu)建運動詞典(Motion Dictionary),詞典中的每個元素我們稱之為運動單詞(Motion Word)。在本文中,我們還特別考慮了視頻中對象運動軌跡的時間相關(guān)性與空間相關(guān)性,這樣對于運動相對復(fù)雜的對象來講,使它自身的運動模式在同一個視頻中就發(fā)生了關(guān)聯(lián),為動作的發(fā)生提供了時空的參考系。在本文中,我們選取了ICCV2013的視頻事件數(shù)據(jù)集UCF101,該數(shù)據(jù)集對101種動作已經(jīng)做了預(yù)標記。實驗證明,與HOG, HOF,MBH三種描述符相比,我們的方法在該數(shù)據(jù)集上的事件檢測有更高準確率,而且在識別速度上也有一定提升。
【關(guān)鍵詞】：多媒體檢索 軌跡相似度計算 運動詞典 視頻事件檢測
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41
【目錄】：

• 摘要6-7
• ABSTRACT7-10
• 第一章 緒論10-15
• 1.1 視頻事件檢測研究背景10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 文章研究內(nèi)容13-14
• 1.4 文章組織結(jié)構(gòu)14-15
• 第二章 相關(guān)工作15-22
• 2.1 軌跡相似度計算15-18
• 2.2 視頻事件檢測18-19
• 2.3 對相關(guān)工作的分析19-20
• 2.4 本章小結(jié)20-22
• 第三章 基于空間特征的軌跡相似度計算22-42
• 3.1 研究現(xiàn)狀22-23
• 3.2 軌跡的相似度測量23-28
• 3.2.1. 歐幾里德距離23-24
• 3.2.2. 動態(tài)時間規(guī)整(DTW)距離24-26
• 3.2.3. 最長公共子序列(LCSS)距離26
• 3.2.4. Hausdorff距離26-27
• 3.2.5. 改進的Hausdorff距離27-28
• 3.3 軌跡的空間特征提取28
• 3.4 軌跡相似度計算在空間變換中的處理28-33
• 3.4.1. 尺度不變28-29
• 3.4.2. 平移不變29-30
• 3.4.3. 旋轉(zhuǎn)不變30-32
• 3.4.4. 鏡像不變32-33
• 3.5 基于軌跡空間特征的相似度測量33-34
• 3.6 實驗結(jié)果34-40
• 3.6.1. 實驗數(shù)據(jù)34-35
• 3.6.2. 測評方法35
• 3.6.3. 實驗結(jié)果35-40
• 3.6.4. 實驗結(jié)果分析與小結(jié)40
• 3.7 本章小結(jié)40-42
• 第四章 運動詞典的建立及視頻事件檢測42-63
• 4.1 研究現(xiàn)狀43
• 4.2 局部特征描述符43-46
• 4.2.1. 方向梯度直方圖(HOG)描述符與光流直方圖(HOF)描述符44
• 4.2.2. 運動邊界直方圖(MBH)描述符44-45
• 4.2.3. SIFT描述符45-46
• 4.3 KLT特征點追蹤算法46-47
• 4.4 運動詞典的原理及構(gòu)建47-49
• 4.5 實驗結(jié)果的總結(jié)和分析49-61
• 4.5.1. 實驗數(shù)據(jù)49-53
• 4.5.2. 聚類及評測方法53
• 4.5.3. 基于KLT的運動詞典與事件檢測53-58
• 4.5.4. 基于KLT+SIFT的運動詞典與事件檢測58-60
• 4.5.5. 結(jié)果分析與總結(jié)60-61
• 4.6 本章小結(jié)61-63
• 第五章 結(jié)語63-67
• 5.1 總結(jié)63-64
• 5.2 展望64-67
• 參考文獻67-71
• 附錄一 作者攻讀碩士學(xué)位期間發(fā)表的文章71
• 附錄二 作者攻讀碩士學(xué)位期間參與的科研項目71-72
• 后記72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 龔璽;裴韜;孫嘉;羅明;;時空軌跡聚類方法研究進展[J];地理科學(xué)進展;2011年05期

2 曲琳;周凡;陳耀武;;基于Hausdorff距離的視覺監(jiān)控軌跡分類算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年06期

3 胡雙演;李俊山;王蕊;楊威;陳磊;;基于運動軌跡的視頻檢索方法[J];計算機工程與設(shè)計;2008年07期

4 劉玉;王敬東;李鵬;;一種基于SIFT和KLT相結(jié)合的特征點跟蹤方法研究[J];宇航學(xué)報;2011年07期

  本文關(guān)鍵詞：基于運動詞典的視頻事件檢測，由筆耕文化傳播整理發(fā)布。

本文編號：502043