基于自适应局部敏感可鉴别稀疏表示的视频语义分析

发布时间：2021-03-14 17:32

　　近年来,随着视频数据的爆发式增长,视频语义分析研究越来越成为人们的研究热点。在视频语义分析中,同一语义内容的场景多样性是始终客观存在的,即使是相同视频语义类别下的不同场景也可能产生不同的视频特征。如何通过容忍场景的多样性来提高视频语义概念检测的准确率始终是个亟待解决的问题。本文首先对视频语义分析研究的背景,意义以及现状做了概要描述;然后简述了相关稀疏表示以及核稀疏理论。结合稀疏表示算法的优势以及视频语义分析的发展需求,本文提出了基于自适应局部敏感可鉴别的稀疏表示字典学习和基于自适应局部敏感可鉴别核稀疏表示分类的视频语义分析算法以及基于自适应局部敏感可鉴别稀疏表示字典学习算法的视频语义检测原型系统。本文主要工作如下:1)在视频特征稀疏表示过程中使用字典学习方法能够获取不同视频语义特征之间的潜在关系。本文提出了一种基于自适应局部敏感可鉴别稀疏表示字典学习的视频语义分析方法。该方法构造了一个自适应局部适配器,并将其加入稀疏表示字典学习过程中,从而获得视频数据的结构信息。此外,在自适应局部敏感稀疏表示中,引入了具有类鉴别性的鉴别损失函数,使得稀疏表示特征保证了视频特征样本能够同类紧致,异类分离... 

【文章来源】：江苏大学江苏省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

语义鸿沟[5]

稀疏编码数学模型

L1范式和L2范式的稀疏性原理关系

【参考文献】：
期刊论文
[1]面向视频语义分析的局部敏感的可鉴别稀疏表示[J]. 王敏超,詹永照,苟建平,毛启容.  计算机科学. 2015(09)
[2]一种局部敏感的核稀疏表示分类算法[J]. 张石清,赵小明,楼宋江,闯跃龙,郭文平,陈盈.  光电子.激光. 2014(09)
[3]基于判别稀疏编码视频表示的人体动作识别[J]. 王斌,王媛媛,肖文华,王炜,张茂军.  机器人. 2012(06)
[4]基于人工免疫有序聚类的视频关键帧提取方法[J]. 詹永照,汪满容,柯佳.  江苏大学学报(自然科学版). 2012(02)
[5]多媒体数据语义鸿沟问题分析[J]. 谢毓湘,栾悉道,吴玲达.  武汉理工大学学报(信息与管理工程版). 2011(06)
[6]基于语义概念的视频检索系统的设计与实现[J]. 刘安文,支琤,张瑞,盛骁杰,杨小康.  中国图象图形学报. 2008(10)

博士论文
[1]稀疏编码算法中的自适应问题研究[D]. 廖灵芝.北京交通大学 2008



本文编号：3082632