

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的發(fā)展,越來越多的圖像和視頻出現(xiàn)在人們的生活中和互聯(lián)網(wǎng)上。如何有效的管理和組織這些多媒體數(shù)據(jù)成為一個亟待解決的問題。對多媒體內容進行分析與理解,進而對多媒體數(shù)據(jù)進行基于內容的分類,為有效的管理和組織這些數(shù)據(jù)提供了新途徑。在大量的視頻中,人物關系是幫助用戶理解視頻故事情節(jié)的重要線索。尤其是在連續(xù)劇和電影這種故事性強的視頻中,人物關系包含能夠揭示關于視頻故事內容的更高層的語義信息。
在過去的研究中,基于人物的視頻分析主
2、要集中在主要演員列表、人物索引、會議視頻分析等幾個方面。但是,這些研究只是停留在把每個人物看做獨立個體,忽略了他們之間客觀存在的社會聯(lián)系的層面上。隨著用戶需求的不斷提高,用戶關心的不僅僅是關于某個特定人物的視頻內容,還包括能夠有效地反應視頻中故事情節(jié)發(fā)展的人物關系網(wǎng)絡。
挖掘視頻中人物共生關系目的是根據(jù)視頻內容,把人物作為研究中心,通過視頻分析技術來獲得視頻中的高層語義信息。本文通過建立視頻人物關系的分析模型,量化人物關系矩陣
3、并提出通用的局部人物關系描述子,為視頻分析和視頻檢索提供了一種新穎而有效的方法。
本文主要研究工作如下:
首先,提出一種基于時序上下文的人物關系挖掘的方法。通過對視頻數(shù)據(jù)進行預處理,包括進行視頻鏡頭和場景的切分、人物特征提取和索引,建立了人物關系分析的基礎。進一步的,采用一種基于上下文高斯加權的方法來計算人物在每個視頻鏡頭上的共生關系,同時考慮到空間位置對視頻人物關系的貢獻,融合時空上下文來建立人物關系模型。
4、 其次,以基于時空上下文人物關系的挖掘方法為基礎,本文提出了基于人物共生性語義的人物關系表達方法,通過對視頻進行語義的局部區(qū)域劃分,自動確定每個描述子的時序數(shù)據(jù)描述范圍,并結合本文已經(jīng)提出的挖掘方法構成局部人物關系描述子。
最后,本章將基于上下文的人物關系挖掘方法和局部人物關系描述子應用到連續(xù)劇的視頻分析和索引中。在實驗中,本文使用了20小時的視頻(電視劇“Friends”)作為數(shù)據(jù),結合視頻層次結構修正的方法構成全局人物關
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于時空上下文的視頻人物關系挖掘(1)
- 基于時空上下文的視頻目標跟蹤算法研究.pdf
- 面向視頻監(jiān)控的時空上下文算法的研究.pdf
- 基于稠密時空上下文的目標跟蹤算法研究.pdf
- 基于時空上下文感知的移動推薦模型研究.pdf
- 基于稀疏表示和時空上下文的目標跟蹤方法研究.pdf
- 融合顏色特征的時空上下文目標跟蹤算法研究.pdf
- 基于形態(tài)學與時空上下文的小目標檢測與跟蹤算法設計與實現(xiàn).pdf
- 基于上下文的音視頻標注研究.pdf
- 基于上下文的統(tǒng)計關系學習研究.pdf
- 基于上下文的視頻多語義標注研究及實現(xiàn).pdf
- 基于社會上下文約束和物品上下文約束的協(xié)同推薦.pdf
- 上下文約束下近似重復視頻檢索.pdf
- 基于上下文的隱喻理解研究.pdf
- 上下文感知推薦.pdf
- 基于大規(guī)模搜索日志挖掘的上下文感知搜索研究.pdf
- 基于上下文的目標檢測研究.pdf
- 基于上下文的圖像標注研究.pdf
- 基于尺度間上下文關系模型的動態(tài)紋理分割.pdf
- 基于上下文感知的推薦算法研究.pdf
評論
0/150
提交評論