基于自适应局部敏感可鉴别组稀疏表示的视频语义分析

发布时间：2017-12-12 01:29

  本文关键词：基于自适应局部敏感可鉴别组稀疏表示的视频语义分析

  更多相关文章： 视频语义分析 稀疏表示 组稀疏 可鉴别性 自适应局部适配器

【摘要】：随着多媒体技术和互联网的迅猛发展,互联网中的视频数据日益增加。怎样才能从大量的视频数据中,又快又准地查找用户所需要的视频数据早就已经成为众多学者研究的热门课题。可是,由于数据量的激增和数据信息的飞速膨胀,传统的视频检索方法已经不足以满足用户日益增长的需求。因为在人们的日常理解范围内视频的底层特征与描述视频的高层语义概念之间有着难以逾越的鸿沟,所以怎样才能有效地实现语义鸿沟的跨越,从特定的视频数据中提取出便于人们理解的高层语义概念,如何有效地实现基于语义的视频分析已经成为视频语义分析研究中急需解决的热点问题之一。本文首先对视频语义分析的研究背景、研究意义及其研究现状进行了简单介绍,然后简述了稀疏表示理论及其在视频语义分析中已有的应用。根据相关稀疏表示方法的可改进之处结合视频语义分析的相关需要,本文提出基于局部敏感可鉴别组稀疏表示方法、基于自适应局部敏感可鉴别组稀疏的视频语义分析方法,并且设计实现了基于以上两种算法的视频语义检测原型系统。本文主要研究内容如下:(1)提出了一种局部敏感可鉴别组稀疏表示方法。基于局部敏感字典学习方法,综合考虑样本变量选择问题和同类视频数据间的相似性问题,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,实现样本变量组选择的同时使得视频稀疏表示特征满足Fisher判别准则,建立一个具有可鉴别性的组稀疏字典学习模型,进而有效地提高了视频语义分析能力。将本文所提算法与其他算法相比,根据对实验结果的研究分析可知,本文所提算法能够更加有效地提高视频语义分析的识别准确性。(2)提出了一种自适应局部敏感可鉴别组稀疏表示方法,进一步加强字典保留数据局部结构信息和其潜含判别信息的能力,从而进一步有效地提升视频语义检测的识别准确率。此方法在内容(1)的基础上,充分挖掘各个字典原子之间存在的线性表达和重构关系,构造一个自适应局部适配器,进而引导稀疏字典学习过程。该方法将不断地对构造自适应局部适配器阶段、稀疏编码阶段和字典更新阶段进行迭代,进而求解得到最终的优化字典。实验结果显示该方法与其他方法相比可以更加有效地提升视频语义分析的识别准确率。(3)采用面向对象的设计思想,应用内容(1)和(2)提出的方法,设计实现了一个基于自应局部敏感可鉴别组稀疏表示模型的视频语义检测原型系统。该系统主要包括3个主要功能模块,分别是:视频预处理模块、模型训练模块和视频语义检测模块。该系统界面友好,且操作简便,通过运行测试表明了所提出方法的可用性。
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 张新鹏;王朔中;;基于稀疏表示的密写编码[J];电子学报;2007年10期

2 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

3 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

4 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

5 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

6 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

7 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

8 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期

9 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

10 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

，

本文编号：1280695