本文關(guān)鍵詞：基于內(nèi)容的相似音視頻檢測(cè)及廣告檢測(cè)

  更多相關(guān)文章： 相似音視頻檢測(cè) 廣告檢測(cè) FWASF 加權(quán)金字塔匹配算法 文字檢測(cè)

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展及數(shù)據(jù)量的迅猛膨脹,搜索技術(shù)成為了人們獲取信息最重要的方式,人們不在局限于以文字作為搜索的入口,隨著相似音視頻的檢測(cè)技術(shù)(Content-Based Copy Detection,CBCD)的進(jìn)步,使得人們以音視頻作為搜索入口變?yōu)榭赡?這已經(jīng)發(fā)展成了一個(gè)非常有潛力、有價(jià)值的方法。 本文提出了一種新的相似音頻搜索框架,主要工作及創(chuàng)新有： 1、在音頻提取特征階段,提出了一種改進(jìn)的音頻特征FWASF以及相應(yīng)的音頻濾波算法,能有效消除由7種音頻變換帶來的失真。 2、在音頻索引階段,設(shè)計(jì)并實(shí)現(xiàn)了局部敏感哈希(Locality Sensitive Hash, LSH),結(jié)合倒排所索引建立了高效的索引結(jié)構(gòu)。 3、在融合音頻幀結(jié)果階段,提出并實(shí)現(xiàn)了基于權(quán)重的時(shí)間金字塔匹配算法,并據(jù)此將音頻幀搜索結(jié)果合成音頻檢索結(jié)果。 在TRECVID數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了算法的有效性。 隨著互聯(lián)網(wǎng)的發(fā)展,廣告的發(fā)布渠道已經(jīng)從傳統(tǒng)的電視渠道蔓延到了互聯(lián)網(wǎng)平臺(tái)上,互聯(lián)網(wǎng)廣告的一大特征就是傳播速度快、傳播效應(yīng)大,如何有效地采集、監(jiān)管這些廣告就成為了急需解決的問題。 本文提出了一種基于學(xué)習(xí)的廣告檢測(cè)系統(tǒng),主要工作及創(chuàng)新有： 1、設(shè)計(jì)并實(shí)現(xiàn)了一種基于Harris角點(diǎn)及決策樹的文字區(qū)域檢測(cè)方法,此方法能有效檢測(cè)出廣告視頻中的文字區(qū)域。 2、在鏡頭分割的基礎(chǔ)上,提出了基于鏡頭特征的廣告檢測(cè)方法,提出并實(shí)現(xiàn)了多種基于文字區(qū)域的特征,作為其他音視頻特征的有力補(bǔ)充。 3、設(shè)計(jì)并實(shí)現(xiàn)了一種基于相鄰鏡頭的特征提取方法,并提出了多種后處理方法來改善檢測(cè)結(jié)果。
【關(guān)鍵詞】：相似音視頻檢測(cè) 廣告檢測(cè) FWASF 加權(quán)金字塔匹配算法 文字檢測(cè)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41;TN912.3
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-10
• 第一章 緒論10-18
• 1.1 課題研究的背景及意義10-12
• 1.1.1 基于內(nèi)容的相似音視頻檢測(cè)的研究背景和意義10-11
• 1.1.2 視頻廣告識(shí)別的研究背景和意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 基于內(nèi)容的相似音視頻檢測(cè)的國內(nèi)研究現(xiàn)狀12-14
• 1.2.2 視頻廣告識(shí)別的國內(nèi)研究現(xiàn)狀14-16
• 1.3 論文的內(nèi)容安排16-18
• 1.3.1 主要研究內(nèi)容16-17
• 1.3.2 論文結(jié)構(gòu)安排17-18
• 第二章 基于內(nèi)容的重復(fù)音頻檢測(cè)18-39
• 2.1 引言18
• 2.2 基于內(nèi)容的音頻檢測(cè)中的關(guān)鍵技術(shù)18-20
• 2.2.1 音頻特征提取18-19
• 2.2.2 索引結(jié)構(gòu)19-20
• 2.3 重復(fù)音視頻檢測(cè)系統(tǒng)框架20-21
• 2.4 音頻預(yù)處理21-26
• 2.4.1 音頻幀提取21
• 2.4.2 離散傅里葉變換21-22
• 2.4.3 歸一化22
• 2.4.4 噪聲濾波器組22-24
• 2.4.5 人耳響應(yīng)濾波器24-25
• 2.4.6 逆濾波器25
• 2.4.7 預(yù)加重窗25
• 2.4.8 漢明濾波器組25-26
• 2.5 FWASF特征計(jì)算26-29
• 2.5.1 特征選擇26
• 2.5.2 特征計(jì)算預(yù)處理26
• 2.5.3 ASF特征26-28
• 2.5.4 FASF特征28-29
• 2.5.5 FWASF特征29
• 2.6 后處理29-30
• 2.7 建立索引30-33
• 2.8 時(shí)間金字塔匹配算法33-35
• 2.9 基于內(nèi)容的相似音頻檢測(cè)實(shí)驗(yàn)結(jié)果與分析35-38
• 2.9.1 實(shí)驗(yàn)數(shù)據(jù)35-36
• 2.9.2 評(píng)測(cè)標(biāo)準(zhǔn)36
• 2.9.3 實(shí)驗(yàn)結(jié)果36-37
• 2.9.4 實(shí)驗(yàn)總結(jié)37-38
• 2.10 本章小結(jié)38-39
• 第三章 視頻的廣告識(shí)別39-59
• 3.1 引言39-42
• 3.1.1 鏡頭邊界檢測(cè)39-40
• 3.1.2 SVM基本原理40-42
• 3.2 系統(tǒng)框架42
• 3.3 鏡頭特征的提取42-46
• 3.3.1 邊緣變化率42-43
• 3.3.2 幀間差43
• 3.3.3 鏡頭切變率43-44
• 3.3.4 字幕幀比率44
• 3.3.5 文字特征44-45
• 3.3.6 聯(lián)系上下文的鏡頭特征45-46
• 3.4 文字區(qū)域檢測(cè)46-53
• 3.4.1 系統(tǒng)框架47-48
• 3.4.2 粗文字檢測(cè)48
• 3.4.3 小波變換檢測(cè)48-49
• 3.4.4 Harris角點(diǎn)檢測(cè)49-51
• 3.4.5 特征描述51-53
• 3.5 廣告識(shí)別結(jié)果的修正53
• 3.6 廣告分條53-54
• 3.7 視頻廣告識(shí)別的實(shí)驗(yàn)結(jié)果與分析54-56
• 3.7.1 實(shí)驗(yàn)數(shù)據(jù)54-55
• 3.7.2 評(píng)測(cè)標(biāo)準(zhǔn)55
• 3.7.3 實(shí)驗(yàn)結(jié)果55-56
• 3.7.4 實(shí)驗(yàn)總結(jié)56
• 3.8 文字區(qū)域檢測(cè)的結(jié)果與分析56-58
• 3.8.1 實(shí)驗(yàn)數(shù)據(jù)56
• 3.8.2 評(píng)測(cè)標(biāo)準(zhǔn)56-57
• 3.8.3 實(shí)驗(yàn)結(jié)果57
• 3.8.4 實(shí)驗(yàn)總結(jié)57-58
• 3.9 本章小結(jié)58-59
• 第四章 總結(jié)與展望59-62
• 4.1 論文總結(jié)59-60
• 4.1.1 基于內(nèi)容的相似引視頻檢測(cè)59
• 4.1.2 廣告識(shí)別系統(tǒng)59-60
• 4.2 工作展望60-62
• 4.2.1 基于內(nèi)容的相似音視頻檢測(cè)60-61
• 4.2.2 廣告識(shí)別系統(tǒng)61-62
• 參考文獻(xiàn)62-66
• 致謝66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 馮揚(yáng);羅森林;王麗萍;潘麗敏;;一種新的自適應(yīng)鏡頭邊界檢測(cè)算法[J];北京理工大學(xué)學(xué)報(bào);2010年01期

2 丁洪麗;陳懷新;;基于累積直方圖的視頻鏡頭邊界檢測(cè)方法[J];電訊技術(shù);2008年03期

3 劉楠;趙耀;朱振峰;;基于Co-Training策略的視頻廣告文本檢測(cè)[J];北京交通大學(xué)學(xué)報(bào);2010年05期

4 盧炎生;饒祺;;一種LSH索引的自動(dòng)參數(shù)調(diào)整方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年11期

5 鄭方 ,張國亮 ,宋戰(zhàn)江;Comparison of Different Implementations of MFCC[J];Journal of Computer Science and Technology;2001年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 曹政;電視節(jié)目自動(dòng)分割與相似視頻檢索[D];中國科學(xué)技術(shù)大學(xué);2010年

，

本文編號(hào)：838049