面向结构化数据视频检索研究.pdfVIP

摘要 摘要 视频数据在近几年呈现出爆炸式的增长，在人们的日常生活中占据越来越重 要的地位，而视频分享在未来数年甚至数十年也都将会是热点，这使得视频内容 分析以及视频检索成为当前视频研究领域的重点。基于内容的视频检索(CBVR) 是一项集理论性、实用性和挑战性为一体的技术，经过十几年的研究，取得了巨 大的进展，已经有一些原型系统开发出来，并在小型商用搜索引擎中使用。在 CBVR中，广义的视频结构化起着非常关键的作用。由于原始视频为无结构的数 据流，在检索时首先需要采用合适的模型将视频组织为结构化数据，并根据结构 化的组织形式对视频进行分析、索引与查询。本文的主要工作目标是研究视频的 数据结构化特性，并充分利用其结构特性设计高效的机器学习算法用于高层语义 理解，能够自动地或以较少的人工参与缩小底层特征与高层语义之间的“语义鸿 沟”，最终改善视频检索的性能。 本文以视频的结构为主线，分别从图像层次结构、镜头层次结构和场景层次 结构进行研究，提出在这些层次结构下的机器学习算法。本文的主要工作和创新 点总结如下： 1．针对基于全局信息的图像层检索，提出采用A纰ooSt方法与SVM相结合进行 多次样本抽样，将分类精度作为特征性能的判据进行特征选择，选取少量有 利于检