面向情感的电影背景音乐分类方法分析-计算机应用技术专业毕业论文.docxVIP

华 华 中 科 技 大 学 硕 士 学 位 论 文 PAGE 20 PAGE 20 1 绪论 1.1 研究目的及意义 随着电影业、计算机和因特网的迅猛发展，如何对海量电影媒体信息的存储、 检索和分类管理已成为现在的研究热点。而目前的视频专业网站对电影的管理主要 是通过人工标注来实现的，如对电影加以名称、地区、时间、语言和类型等标签并 按照标签进行分类和检索，像时间、地区和语言等具有客观性的标签能较容易保证 其准确性，但由于电影数据海量的原因，要耗大量的人力和物力；而对视频情感类 型的标注，由于其情感类型本身的模糊性和标注者的主观性，很难保证标注类型的 一致性而无法满足检索者的情感类别的检索需求。人们对电影媒体情感检索的这一 新需求，促进了面向观众的电影情感内容分析的发展。电影作为多媒体，主要包含 电影画面、对白、电影背景音乐、环境声效以及与电影相关的印刷品五个信息通道。 作为电影五个信息通道之一的电影背景音乐在强化电影情感、增加情节戏剧性和渲 染气氛方面有不可替代的作用。如果能对电影的背景音乐进行面向情感的分类，无 疑会在较大程度上提高电影情感内容分析的准确率。 电影背景音乐常常用来烘托电影剧情发展的节奏和演员内心世界发生的变化。 通过分析电影背景音乐，我们可以获得通过影视画面无法捕捉到的“潜台词”。与音 乐一样，电影背景音乐也是一种非自然高度复杂的声音现象，并且包含了许多无法 用语言准确表达的思想感情。由于电影背景音乐中包含了大量的不同层次的信息， 并且以一连串非语义符号的二进制流存储的影视数字数据，缺乏面向情感高层语义 描述，给电影背景音乐及音视频面向情感的处理和高层语义分析造成很大的困难。 因此，要求提取区分情感能力更强的用来表征电影背景音乐的特征和构造更有效的 分类器。 将电影背景音乐依据情感分为兴奋、紧张、放松和哀伤四类，这对面向情感的 音乐检索、推荐、管理等发展具有重要意义。同时，还可以辅助电影情感语义分析， 是电影情感层分析的基础。 1.2 国内外研究现状及存在问题 目前关于将电影背景音乐作为独立的研究对象方面的研究几乎没有，但在基于 内容及情感的纯音乐分类研究方面，已经发表了大量的论文。这方面研究的基本思 路如图 1.1 所示。依据分类目标可分为两类：面向音乐流派的分类与面向情感的分类。 训练音乐片段 测试音乐片段 音乐特征提取 音乐特征提取原始特征集 音乐特征提取 原始特征集 原始特征集 特征选择或者 特征选择或者降维 特征选择或者降维 特征选择或者降维 练 试 特征选择或者降 维后的特征集 分类器分类  特征选择或者 特征选择或者降 维后的特征集 分类准则 类别一 类别二 类别… 类别N-1 类别N 图 1.1 基于内容及情感音乐分类基本思路示意图 在面向音乐流派分类方面，清华大学 Yangqiu Song 等[1]人提出半监督音乐流派 分类模型。该模型利用流正规化（manifold regularization method）的方法来构造分类 器。实验结果表明，与 KNN 等监督的方法相比，在把音乐分为六个流派的情况下， 半监督音乐流派分类模型能够利用较少的标注数据与大量未标注数据来训练出有效 的模型，减少了典型片段的标注工作并提高了分类正确率。Chang-Hsing Lee 等[2]提 出基于频谱与倒谱特征（MFCC）的长时调制频谱分析的自动音乐流派分类方法。频 谱与倒谱经过调制频谱分析后将得到更加有效和紧凑的特征。在数据集 GTZAN 上 的实验，结果表明，该方法在相同的实验条件下，分类准确率优于其它方法。清华 大学 Yi-Bin Zhang 等[3]人提出了利用音乐的短时分析技术和模式识别技术将音乐分 为钢琴曲、交响曲、流行歌曲、北京歌剧和中国喜剧相声五个风格流派类型。在他 们的工作里，对不同的短时音频信号特征与不同的分类器分别做了比较分析。分析 结果显示，在上述短时音频信号特征中，和谐度是最有效的特征，而 BP 神经网络是 最好的分类器。Cory McKay [4]做了两组实验：一组是用于检测包括从音频文件提取 的特征、符号化数据（如 MIDI 文件和乐谱提取的高级特征），以及从互联网通过数 据挖掘而得到音乐的描述数据特征对音乐分类的作用；另一个实验用于检测从符号 化数据提取的高级特征对音乐分类的贡献度。实验结表明，除音频文件的声音信号 特征之外，结合上面提到的其它信息特征能够有效的提高分类性能，而从如 MIDI 和乐谱提取提音频高级特征分类的贡献度大于包括从互联网通过数据挖掘而得到的 音乐描述特征及音乐音频信号特征。与传统的基于元数据的音乐分类相比，基于内 容的音乐流派的分类是一大进步。但这种分类方法是一种较模糊的分类，每一音乐 流派同时会包含兴奋、高兴、哀伤等多种情感的音乐，不能满