基于內(nèi)容的視頻媒體信息檢索方法及框架研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、音視頻壓縮技術(shù)以及計(jì)算機(jī)硬件技術(shù)等的高速發(fā)展，視頻媒體數(shù)據(jù)的存儲(chǔ)和傳輸不再是一件棘手的事情，并且數(shù)字視頻也越來越廣泛地融入人們的生活中。但是，視覺媒體信息膨脹帶來的問題卻非常嚴(yán)重，很多領(lǐng)域由于對(duì)大量的視覺信息無法有效的處理而使采集的視覺信息閑置，造成了很大的資源浪費(fèi)：另外，曾經(jīng)的單純基于文本方式的傳統(tǒng)視頻信息管理系統(tǒng)也暴露出了很大的局限性。如何有效地組織、表達(dá)、存儲(chǔ)和管理視頻媒體數(shù)據(jù)，以及怎樣對(duì)其進(jìn)行快速檢索與

2、瀏覽等已成為視頻領(lǐng)域內(nèi)迫切的需求，于是基于內(nèi)容的視頻信息檢索技術(shù)便應(yīng)運(yùn)而生。 本文在深入分析基于內(nèi)容的視頻媒體檢索技術(shù)的研究現(xiàn)狀和可能的發(fā)展趨勢(shì)的基礎(chǔ)上，從鏡頭檢測(cè)、語義分類、以及多模態(tài)信息融合三個(gè)方面對(duì)基于內(nèi)容的視頻媒體信息檢索進(jìn)行了分析和研究。 1.在鏡頭檢測(cè)方面，將信息熵的知識(shí)應(yīng)用到視頻鏡頭檢測(cè)中，討論了直方圖熵差法在鏡頭檢測(cè)中的應(yīng)用，結(jié)合高斯模型和滑動(dòng)窗口法確定自適應(yīng)閾值，并使用最大熵確定分段全局最佳閾值來消除局

3、部滑動(dòng)窗口法的極大值造成的誤檢。直方圖熵差作為鏡頭檢測(cè)的測(cè)度可有效擴(kuò)大鏡頭轉(zhuǎn)換幀與非鏡頭轉(zhuǎn)換幀之間的對(duì)比效果，并在驗(yàn)證中發(fā)現(xiàn)這種方法對(duì)諸如閃光燈、馬賽克等干擾有很強(qiáng)的抑制作用，不需要額外處理。 2.在語義分類方面，在基于語義監(jiān)督的聚類索引基礎(chǔ)上，討論了基于貝葉斯的語義分類方法，首先通過語義監(jiān)督對(duì)視頻樣本庫的底層特征做層次聚類劃分，直到一個(gè)層次聚類中只包含一個(gè)高層語義類別的視頻鏡頭時(shí)，便為這個(gè)層次聚類建立索引項(xiàng)，進(jìn)行降維，然后統(tǒng)計(jì)