文档介绍：江。藩大擎博士学位论文基于语义的视频事件检测分析方法研究柯佳指导作者教师姓名詹永照教授申请学位级别博士学科名称计算机应用技术论文提交日期月论文答辩日期学位授予单位和日期江苏大学答辩委员会主席评阅人分类号:婴三窆密级:坌珏编号:篞罚褐
JiaPhDDissertationVideoMajDetectionandfor:ApplicationSupervisorsProfZhanIndexTP3911UDC0045,Jiangsu
彳可让独创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究或集体已经发表或撰写过的作品成果,也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体,均已工作所取得的成果。除文中已注明引用的内容以外,本论文不包含任何其他个人在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:I6d
⋯撇夕始学位论文作者签名:巧百住学位论文版权使用授权书blr江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊馀贪乃年占月日电子杂志社有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致,允许论文被查阅和借阅,同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询,授权中国学术期刊馀贪电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布ǹ授权江苏大学研究生院办理。本学位论文属于不保密
摘要江苏大学博士学位论文近年来,随着网络应用的飞速发展,多媒体文件数量每天在以几何级数的速度在上不断涌现。其中的视频数据由文本、视频、声音、图像等多种文件融合而成,其本身具有的层次性、结构性、复杂性等特征,还含有丰富的语义信息;所以快速处理视频数据、提取视频特征、分析和理解视频中包含的语义内容,受到多媒体信息处理研究人员的广泛关注。视频语义事件检测分析的研究成果对于如何在浩瀚的视频信息海洋中快速、准确地检测到用户需要的视频,且进一步应用在视频点播、智能监控和视频挖掘等领域具有重要的实际应用价值。现有的基于语义的视频事件检测分析技术,还存在很多局限性,如对于多个具有不同特征的运动对象识别率低、视频语义事件检测准确率低、难以发现语义事件关联性以及事件语义描述标准不统一等。本文围绕视频多运动对象识别特征描述与分类、基于语义的视频复杂事件检测与分析、语义事件关联性挖掘及事件级高层语义描述和理解四个方面的关键技术,深入分析了这些关键技术的研究现状和存在问题,提出了自适应的组合不变矩量值的多运动对象特征描述与分类方法、轨迹多标签超图模型检测与分析复杂事件方法、时序关联规则挖掘事件语义算法以及格语法框架网络结构描述理解视频多线程事件技术。本文的主要工作概况如下:(1)在该方法中,针对不同的运动对象特征各异的特点,提出了自适应组合不变矩量值方法,可动态选择不变矩特征量值用于描述不同对象的特征。通过定义SFISF(Similar方法计算出每个对象的不变矩量值的权重值,之后再将不变矩量值的权重值和组合不变矩量值作为输入参数;建立回归型支持向量机,多类分类器模型,对场景中的多种运动对象进行分类。通过实验验证了对不变矩特征量值选择权重SVR运动对象的识别率。(2)动对象的时空特征,在对运动轨迹进行定义、修剪和相似度计算后,用标准化分割的方法检测出运动子事件。之后建立轨迹多标签超图模型对视频复杂事件分析进行分类识别:首先,根据运动轨迹建立轨迹超图,再由视频事件中的语义概念Frequency-Inverse
(Inheritance)(SubFrame)(Temporal)建立概念多标签超图,并对两者进行了配对融合,从中发现了轨迹与多概念标签之间的映射关系,从而提取出多个运动事件组成的复杂事件语义。实现了视频事件识别过程中低层特征与高层语义之间的跨越,实验结果和相关工作分析比较表明,该方法能够有效提高视频复杂事件检测的平均查准率和平均查全率。(3)事件中多运动对象运动规律之间存在的时序关联特性,设计了一个描述运动事(Temporal结构,设计了加权的频繁模式挖掘算法,以挖掘出不仅包含事件发生频率,还表现事件之间具有时序特性的强关联关系规则。克服了视频事件分析中,事件关联性检测准确率低的缺点,能够根据事件频繁模式过滤了无关的非频繁项集,挖掘出具有时序和频次关联性的视频事件,发现视频事件语义的时序频繁模式。实验结果表明,由此方法挖掘之后得到的强关联规则数目更加精确;算法运行效率得到有效提高。(4)将用于自然语言理解的格语法理论与视频语义事件结构特征相结合,设计了格语(Case珻结构,将子事件框架之间关系定EndState)