本文關(guān)鍵詞：基于自適應(yīng)局部敏感可鑒別組稀疏表示的視頻語義分析

  更多相關(guān)文章： 視頻語義分析 稀疏表示 組稀疏 可鑒別性 自適應(yīng)局部適配器

【摘要】：隨著多媒體技術(shù)和互聯(lián)網(wǎng)的迅猛發(fā)展,互聯(lián)網(wǎng)中的視頻數(shù)據(jù)日益增加。怎樣才能從大量的視頻數(shù)據(jù)中,又快又準(zhǔn)地查找用戶所需要的視頻數(shù)據(jù)早就已經(jīng)成為眾多學(xué)者研究的熱門課題。可是,由于數(shù)據(jù)量的激增和數(shù)據(jù)信息的飛速膨脹,傳統(tǒng)的視頻檢索方法已經(jīng)不足以滿足用戶日益增長的需求。因為在人們的日常理解范圍內(nèi)視頻的底層特征與描述視頻的高層語義概念之間有著難以逾越的鴻溝,所以怎樣才能有效地實現(xiàn)語義鴻溝的跨越,從特定的視頻數(shù)據(jù)中提取出便于人們理解的高層語義概念,如何有效地實現(xiàn)基于語義的視頻分析已經(jīng)成為視頻語義分析研究中急需解決的熱點問題之一。本文首先對視頻語義分析的研究背景、研究意義及其研究現(xiàn)狀進(jìn)行了簡單介紹,然后簡述了稀疏表示理論及其在視頻語義分析中已有的應(yīng)用。根據(jù)相關(guān)稀疏表示方法的可改進(jìn)之處結(jié)合視頻語義分析的相關(guān)需要,本文提出基于局部敏感可鑒別組稀疏表示方法、基于自適應(yīng)局部敏感可鑒別組稀疏的視頻語義分析方法,并且設(shè)計實現(xiàn)了基于以上兩種算法的視頻語義檢測原型系統(tǒng)。本文主要研究內(nèi)容如下:(1)提出了一種局部敏感可鑒別組稀疏表示方法。基于局部敏感字典學(xué)習(xí)方法,綜合考慮樣本變量選擇問題和同類視頻數(shù)據(jù)間的相似性問題,利用組稀疏模型和可鑒別損失函數(shù),在保持?jǐn)?shù)據(jù)局部結(jié)構(gòu)的基礎(chǔ)上,實現(xiàn)樣本變量組選擇的同時使得視頻稀疏表示特征滿足Fisher判別準(zhǔn)則,建立一個具有可鑒別性的組稀疏字典學(xué)習(xí)模型,進(jìn)而有效地提高了視頻語義分析能力。將本文所提算法與其他算法相比,根據(jù)對實驗結(jié)果的研究分析可知,本文所提算法能夠更加有效地提高視頻語義分析的識別準(zhǔn)確性。(2)提出了一種自適應(yīng)局部敏感可鑒別組稀疏表示方法,進(jìn)一步加強(qiáng)字典保留數(shù)據(jù)局部結(jié)構(gòu)信息和其潛含判別信息的能力,從而進(jìn)一步有效地提升視頻語義檢測的識別準(zhǔn)確率。此方法在內(nèi)容(1)的基礎(chǔ)上,充分挖掘各個字典原子之間存在的線性表達(dá)和重構(gòu)關(guān)系,構(gòu)造一個自適應(yīng)局部適配器,進(jìn)而引導(dǎo)稀疏字典學(xué)習(xí)過程。該方法將不斷地對構(gòu)造自適應(yīng)局部適配器階段、稀疏編碼階段和字典更新階段進(jìn)行迭代,進(jìn)而求解得到最終的優(yōu)化字典。實驗結(jié)果顯示該方法與其他方法相比可以更加有效地提升視頻語義分析的識別準(zhǔn)確率。(3)采用面向?qū)ο蟮脑O(shè)計思想,應(yīng)用內(nèi)容(1)和(2)提出的方法,設(shè)計實現(xiàn)了一個基于自應(yīng)局部敏感可鑒別組稀疏表示模型的視頻語義檢測原型系統(tǒng)。該系統(tǒng)主要包括3個主要功能模塊,分別是:視頻預(yù)處理模塊、模型訓(xùn)練模塊和視頻語義檢測模塊。該系統(tǒng)界面友好,且操作簡便,通過運(yùn)行測試表明了所提出方法的可用性。
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張新鵬;王朔中;;基于稀疏表示的密寫編碼[J];電子學(xué)報;2007年10期

2 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報;2009年01期

3 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

4 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

5 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計算機(jī)工程與設(shè)計;2012年05期

6 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

7 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

8 耿耀君;張軍英;袁細(xì)國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

9 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機(jī)工程與應(yīng)用;2013年05期

10 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運(yùn)營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：1280695