基于局部敏感可鉴别组稀疏表示的视频语义分析-江苏科技大学学报.PDF

第３１卷第６期 江苏科技大学学报（自然科学版） Ｖｏｌ．３１Ｎｏ．６ 　 ２０１７年１２月 ＪｏｕｒｎａｌｏｆＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）　 Ｄｅｃ．２０１７ 　　　　　　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３－４８０７．２０１７．０６．０２１ 基于局部敏感可鉴别组稀疏表示的视频语义分析 黄小，詹永照，柯　佳，苟建平 （江苏大学计算机科学与通信工程学院，镇江２１２０１３） 摘　要：视频语义分析已经成为计算机领域的研究热点之一．为了提高基于稀疏表示的视频语义分析的准确性，文中结合 基于稀疏系数的可鉴别函数和组稀疏模型，分析目前已有的局部敏感稀疏表示字典学习模型，提出一种基于局部敏感可鉴 别组稀疏表示．该方法利用组稀疏模型和可鉴别损失函数，在保持数据局部结构的基础上实现样本变量组水平上的稀疏 性．所提方法首先构建局部敏感组稀疏字典，然后进行稀疏表示分类．为了验证上述方法的有效性，在ＴＲＥＣＶＩＤ２０１２和ＯＶ 视频库上，将上述方法与多种算法进行对比，实验结果表明，基于局部敏感的可鉴别组稀疏表示方法能够有效提高视频语 义分析的准确率． 关键词：视频语义分析；稀疏表示；组稀疏；可鉴别性 中图分类号：ＴＰ３９１　　　　　文献标志码：Ａ　　　　　文章编号：１６７３－４８０７（２０１７） ０６－０８１４－０７ Ｖｉｄｅｏｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｂａｓｅｄｏｎｌｏｃａｌｉｔｙｓｅｎｓｉｔｉｖｅ ｄｉｓｃｒｉｍｉｎａｎｔｇｒｏｕｐｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ ＨＵＡＮＧＸｉａｏｆａｎ，ＺＨＡＮＹｏｎｇｚｈａｏ，ＫＥＪｉａ，ＧＯＵＪｉａｎｐｉｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｖｉｄｅｏｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｈａｓｂｅｅｎａｈｏｔｒｅｓｅａｒｃｈａｒｅａｉｎｃｏｍｐｕｔｅｒｓｃｉｅｎｃｅ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃ ｃｕｒａｃｙｏｆｖｉｄｅｏｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｂａｓｅｄｏｎｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ｗｅａｎａｌｙｚｅｔｈｅｌｏｃａｌｉｔｙｓｅｎｓｉｔｉｖｅｓｐａｒｓｅｒｅｐｒｅ ｓｅｎｔａｔｉｏｎｍｏｄｅｌ，ａｎｄｔｈｅｎｉｎｔｅｇｒａｔｅｄｉｓｃｒｉｍｉｎａｎｔｆｕｎｃｔｉｏｎａｎｄｇｒｏｕｐｓｐａｒｓｅｍｏｄｅｌｂａｓｅｄｏｎｓｐａｒｓｅｃｏｅｆｆｉｃｉｅｎｔ， ｗｈｉｃｈｄｅｖｅｌｏｐａｌｏｃａｌｉｔｙｓｅｎｓｉｔｉｖｅａｎｄｄｉｓｃｒｉｍｉｎａｎｔｇｒｏｕｐｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ（ＬＳＤＧＳＲ）．Ｉｎｔｈｅｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ，ｇｒｏｕｐｓｐａｒｓｅｍｏｄｅｌａｎｄｄｉｓｃｒｉｍｉｎａｎｔｌｏｓｓｆｕｎｃｔｉｏｎａｒｅｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅｌｏｃａｌｉｔｙｓｅｎｓｉｔｉｖｅｓｐａｒｓｅｒｅｐｒｅ ｓｅｎｔａｔｉｏｎ，ｗｈｉｃｈｒｅａｌｉｚｅｓｖａｒｉａｂｌｅｇｒｏｕｐｓｅｌｅｃｔｉｏｎａｂｉｌｉｔｙ．Ｗｅｆｉｒｓｔｄｅｓｉｇｎａｎｌｏｃａｌｉｔｙｓｅｎｓｉｔｉｖｅｄｉｃｔｉｏｎａｒｙ，ａｎｄ ｔｈｅｎｄｏｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｉｎｏｒｄｅｒｔｏｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｐｐｒｏａｃｈ，ｔｈｅｅｘｐｅｒｉｍｅｎｔｓ ａｒｅｃｏｎｄｕｃｔｅｄｏｎｔｈｅＴＲＥＣＶＩＤ２０１２ａｎｄＯＶｄａｔａｓｅｔｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ ｃａｎｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｖｉｄｅｏｓｅｍａｎｔｉｃａｎａｌｙｓｉｓ． Ｋｅｙｗｏｒｄｓ：ｖｉｄｅｏｓｅｍａｎｔｉｃａｎａｌｙｓｉｓ，ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ｇｒｏｕｐｓｐａｒｓｉｔｙ，ｄｉ