基于多特征距离学习的视频分类.pdfVIP

第２９卷第１２期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．１２ ２０１２年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１２ 基于多特征距离学习的视频分类 李真超　纪传俊　林　哲　周向东　施伯乐 （复旦大学计算机科学技术学院　上海２００４３３） 摘　要　　视频分类在视频检索、内容分析等应用领域具有十分重要的意义。多模态视频特征，如音频、静态图像及视频动作特征 等都已经应用于视频分类中，因此如何对多种视频特征进行最佳组合来改善视频分类的性能成为了一个重要研究课题。提出一种 基于Ｌ１正则化的距离学习方法，对利用多种特征组合提高视频语义标注性能的问题进行研究。由于引入一阶范数正则项，使得模 型拥有选取多种视频特征进行最优组合的能力。该方法在通用的ＣｏｌｕｍｂｉａＣｏｎｓｕｍｅｒＶｉｄｅｏ（ＣＣＶ）视频数据集上显著提高了视频分 类的性能。 关键词　　视频检索　视频分类　距离学习 中图分类号　ＴＰ３　　　　文献标识码　Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１２．１２．００３ ＶＩＤＥＯＣＬＡＳＳＩＦＩＣＡＴＩＯＮＷＩＴＨＭＵＬＴＩＰＬＥＦＥＡＴＵＲＥＤＩＳＴＡＮＣＥＬＥＡＲＮＩＮＧ ＬｉＺｈｅｎｃｈａｏ　ＪｉＣｈｕａｎｊｕｎ　ＬｉｎＺｈｅ　ＺｈｏｕＸｉａｎｇｄｏｎｇ　ＳｈｉＢｏｌｅ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＦｕｄａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｖｉｄｅｏｃｌａｓｓｉｆｉｃａｔｉｏｎｐｌａｙｓａｓｉｇｎｉｆｉｃａｎｔｒｏｌｅｉｎｖｉｄｅｏｒｅｔｒｉｅｖａｌａｎｄｃｏｎｔｅｎｔａｎａｌｙｓｉｓ．Ｍｕｌｔｉｍｏｄａｌｖｉｄｅｏｆｅａｔｕｒｅｓｌｉｋｅａｕｄｉｏ，ｓｔａｔｉｃ ｉｍａｇｅｆｅａｔｕｒｅｓａｎｄｖｉｄｅｏｍｏｔｉｏｎｆｅａｔｕｒｅｓ，ｅｔｃ．ｈａｖｅｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｖｉｄｅｏｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅｒｅｆｏｒｅｈｏｗｔｈｅｍｕｌｔｉｐｌｅｖｉｄｅｏｆｅａｔｕｒｅｓｃｏｕｌｄ ｂｅｏｐｔｉｍａｌｌｙｃｏｍｂｉｎｅｄｔｏｉｍｐｒｏｖｅｔｈｅｖｉｄｅｏｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｈａｓｂｅｃｏｍｅａｎｉｍｐｏｒｔａｎｔｒｅｓｅａｒｃｈｔｏｐｉｃ．ＩｎｔｈｉｓｐａｐｅｒｗｅｐｒｏｐｏｓｅａｎＬ１ ｒｅｇｕｌａｒｉｓｅｄｄｉｓｔａｎｃｅｌｅａｒｎｉｎｇｍｏｄｅｌｔｏｓｔｕｄｙｔｈｅｓｕｂｊｅｃｔｏｆｉｍｐｒｏｖｉｎｇｖｉｄｅｏｓｅｍａｎｔｉｃａｎｎｏｔａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｗｉｔｈｍｕｌｔｉｐｌｅｆｅａｔｕｒｅｓｃｏｍｂｉｎａ ｔｉｏｎ．ＴｈｅｍｏｄｅｌｇａｉｎｓｔｈｅｃａｐａｂｉｌｉｔｙｏｆａｎｏｐｔｉｍａｌｃｏｍｂｉｎａｔｉｏｎｏｆｔｈｅｓｅｌｅｃｔｅｄｍｕｌｔｉｐｌｅｖｉｄｅｏｆｅａｔｕｒｅｓｄｕｅｔｏｔｈｅＬ１ｎｏｒｍｒｅｇｕｌａｒｉｓａｔｉｏｎｔｅｒｍｉｓ ｉｎｔｒｏｄｕｃｅｄ．ＥｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｏｕｒａｐｐｒｏａｃｈｓｕｂｓｔａｎｔｉａｌｌｙｉｍｐｒｏｖｅｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｖｉｄｅｏｃｌａｓｓｉｆｉｃａｔｉｏｎｏｎｕｎｉｖｅｒｓａｌＣｏｌｕｍｂｉａＣｏｎｓｕｍ ｅｒＶｉｄｅｏ（ＣＣＶ）ｖｉｄｅｏｄａｔａｓｅｔ． Ｋｅｙｗｏｒｄｓ　　Ｖｉｄｅｏｒｅｔｒｉｅｖａｌ　Ｖｉｄｅｏｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｄｉｓｔａｎｃｅｌｅａｒｎｉｎｇ 更有效。因此，如何有效地组合各类视频特征对于提高视频分 ０　引　言 类的性能具有十分重要的意义。与传统的前期融合方法［８］以 及后期融合［９］不同，本文提出了一种新的带有一阶范数惩罚项 随着Ｗｅｂ视频分享网站的迅速发展以及视频捕捉设备的 的距离