本文關(guān)鍵詞：基于張量模型的暴力音頻片段檢測(cè)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,人們?cè)絹碓揭子谠诰W(wǎng)絡(luò)上分享多媒體,則不可避免地會(huì)有一些暴力多媒體信息流入網(wǎng)絡(luò),對(duì)于未成年等特定人群來說,這些信息會(huì)對(duì)他們的行為習(xí)慣產(chǎn)生嚴(yán)重的負(fù)面影響。僅依靠人工審核的效率十分非常低下,需要一種方法可以自動(dòng)檢測(cè)出暴力內(nèi)容并阻止其傳播。聽覺是人們獲取多媒體信息的重要途徑,現(xiàn)有的暴力多媒體檢測(cè)研究中,聽覺通道常常作為視聽覺通道融合的輔助途徑而沒有得到人們的重視,對(duì)音頻特征的處理比較簡單,沒有充分利用特征信息,識(shí)別效果受到了一定的限制,這也會(huì)進(jìn)一步影響視頻的檢測(cè)效果,因此本文主要研究了音頻通道的多媒體暴力內(nèi)容的檢測(cè)方法。本文主要研究了基于張量模型的暴力音頻的檢測(cè)方法。首先選出對(duì)暴力聲響具有較強(qiáng)區(qū)分度的特征集,以一個(gè)類別為單位構(gòu)造出該類別的特征張量。然后,對(duì)每一個(gè)類別的特征張量進(jìn)行分解、計(jì)算,構(gòu)造出一個(gè)該類別的投影子空間,這個(gè)子空間可以把樣本的原始特征矩陣投影為一個(gè)低維特征向量,這樣,就可以將高維特征變換為低維信息且保留了內(nèi)在結(jié)構(gòu)信息。最后,針對(duì)所提取的特征提出了一種基于最小風(fēng)險(xiǎn)貝葉斯準(zhǔn)則的暴力音頻分類方法,先對(duì)不同類別的音頻特征分別建立高斯模型,再根據(jù)最小風(fēng)險(xiǎn)貝葉斯準(zhǔn)則得到最后的預(yù)測(cè)類別。本文所使用的數(shù)據(jù)集來自Media Eval 2013 Workshop所提供的數(shù)據(jù)庫中的部分音頻,實(shí)驗(yàn)結(jié)果表明,與統(tǒng)計(jì)值特征相比,使用張量模型的特征的召回率有很大提高,精確度相對(duì)較低,但綜合來看F1有了一定的提高。為了進(jìn)一步提高識(shí)別效果,彌補(bǔ)精確度較低的缺點(diǎn),提出了一種對(duì)長短時(shí)特征信息融合的方法,實(shí)驗(yàn)結(jié)果在精確度上有很大提高,且與傳統(tǒng)方法相比,召回率,精確度和F1均有一定的提高。
【關(guān)鍵詞】：暴力音頻識(shí)別 張量模型 子空間 貝葉斯準(zhǔn)則 分類器融合
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.2
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-16
• 1.1 課題的來源和課題研究的背景意義8
• 1.2 國內(nèi)外相關(guān)研究8-13
• 1.2.1 暴力音頻識(shí)別特征提取方法及分類概述9-12
• 1.2.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 國內(nèi)外文獻(xiàn)綜述的簡析13-14
• 1.4 論文的主要研究內(nèi)容14-16
• 第2章 張量理論基礎(chǔ)16-25
• 2.1 引言16
• 2.2 張量相關(guān)概念16-19
• 2.3 張量的相關(guān)計(jì)算19-21
• 2.4 張量分解21-24
• 2.4.1 秩分解21
• 2.4.2 標(biāo)準(zhǔn)分解21-22
• 2.4.3 交替最小二乘法22-24
• 2.5 本章小結(jié)24-25
• 第3章 基于張量模型的音頻特征提取25-38
• 3.1 引言25
• 3.2 音頻信號(hào)的預(yù)處理25-27
• 3.3 特征的提取與張量模型的構(gòu)造27-33
• 3.3.1 傳統(tǒng)特征的提取27-32
• 3.3.2 特征的張量模型構(gòu)造32-33
• 3.4 基于子空間投影的特征變換33-37
• 3.4.1 張量分解34-35
• 3.4.2 子空間的構(gòu)造35-36
• 3.4.3 特征投影36-37
• 3.5 小結(jié)37-38
• 第4章 基于張量模型的暴力音頻分類方法38-45
• 4.1 引言38
• 4.2 基于最小風(fēng)險(xiǎn)貝葉斯準(zhǔn)則的分類器設(shè)計(jì)38-42
• 4.2.1 訓(xùn)練模型38-39
• 4.2.2 測(cè)試方法39-42
• 4.3 分類器的線性加權(quán)融合42-44
• 4.4 小結(jié)44-45
• 第5章 基于張量模型的暴力音頻識(shí)別方法的實(shí)現(xiàn)45-54
• 5.1 引言45
• 5.2 數(shù)據(jù)集介紹45-46
• 5.3 基于特征張量的暴力音頻識(shí)別實(shí)驗(yàn)46-48
• 5.4 張量分解的誤差分析48-51
• 5.5 分類器的融合實(shí)驗(yàn)51-53
• 5.6 小結(jié)53-54
• 結(jié)論54-56
• 參考文獻(xiàn)56-61
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文61-63
• 致謝63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 雷剛;蒲亦菲;張衛(wèi)華;周激流;;張量典型相關(guān)分析及其在人臉識(shí)別中的應(yīng)用[J];電子科技大學(xué)學(xué)報(bào);2012年03期

  本文關(guān)鍵詞：基于張量模型的暴力音頻片段檢測(cè)方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：391567