面向微视频的场景识别关键问题研究
发布时间：2021-06-30 23:08
微视频又称为视频分享短片,是指互联网用户通过手机、电脑、摄像机等多种摄录设备拍摄并自主上传的视频短片。近年来随着社交媒体的迅猛发展,微视频这种新的媒体形式已成为当前媒体结构的重要组成部分,对人们的生活产生了重要影响。场景识别是对图像或视频场景语义的分析与理解,是计算机视觉的重要研究内容。虽然场景识别的研究起源已久,也取得了较大的研究进展,但是面向微视频的场景识别是相对较新的研究课题。研究面向微视频的场景识别有助于挖掘微视频内在使用价值,可为微视频相关产业提供技术和方法支撑。因此,研究面向微视频的场景识别具有重要的科学意义和很高的应用价值。与传统场景识别任务相比,面向微视频的场景识别具有自身的特性:1)数据量大。微视频多来自社交媒体平台,而数以亿计的社交媒体平台用户,产生了海量的微视频数据,可以为场景识别提供数据支持。2)时长短。微视频的时长短则几秒,长则不超过二十分钟,时长短使得微视频场景信息较难捕捉,这在一定程度上增加了微视频场景识别的难度。3)具有社交属性。大量的评论、话题等社交属性中包含的文字信息,可以作为微视频的模态之一,为微视频场景识别提供更多辅助。上述特性,使得面向微视频的...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：101 页
【学位级别】：博士
【部分图文】：
图１－１图像场景数据
?山东大学博士学位论文???自然场最?：?室内场景?，?户外场录??■?■剛?＿ｇ??风力发电厂?野生动物园?＇?快餐店?教堂?养龟场??变Ｈ丨?森林丨捫吧?书店丨小佳?院子???海賴伴?＾ｊ?饭店阚保?文验审?｜?ｘ扒场?ｔ＾ｎ???图１－１图像场景数据。包括自然场景、室内场景及户外场景??｜；??，，ｊ：ｉ，，ｙ，?Ｍ?ｉｆｉ＾ｉ?：ｉｉ＂ｉ?＾?＾?？??图１－２视频场景数椐。包括５崩、交迎拥堵及漩涡??图像场景识别的Ｍ标是识别出单幅图像所包含的场景（例如餐厅、森休??等），而视频的场景识别则需要考虑视频中多个视频帧的时序性１２８，２！）１。与单幅??图像场景不同，视频中存在运动信息。例如单幅图像中“雪山”的场景，在视??频中如果存在雪的运动，则该场景可能为“雪崩”。２０１０年开始，研究人员开??始关注视频中的场景识别。图１－２列举了部分视频场景的示例，包括雪崩、交??通拥堵、漩涡等。目前，大部分的视频场景识别的研究都是基于两个数据集??Ｍａｒｙｌａｎｄ＾和ＹｕｐｅｍＰｌ这两个数据集中的视频样本都是时长较短的短视??频，基本都是在一个镜头下完成的拍摄。数据集的类别数及样本数量，如表??１－２所示。相比图像场景识别，视频场景识别存在更多挑战。除增加了时间维??度的运动，还包含由于摄像头抖动、移动等产生的干扰信息。??目前，面向视频的场景识别主要面向传统视频。传统视频是指特定受控条??１??
?山东大学博士学位论文???表１－２视频场景数据集类别数及数据量??数据集类别数数据量??Ｍａｒｙｌａｎｄ?１３?１３０??Ｙｕｐｅｎｎ?１４?５２０??…一厂．．??＿！ｒ；?ｉ?一??似：轉??图１－３微视频场景数据。包括湖、花园、博物馆及码头??件下的视频，其场景比较简单，干扰因素较少，主要是由专业的摄像人员拍??摄。然而，作为社交媒体的重要形式，微视频数据在视频数据中占据重要地??位。与传统场景识别任务相比，面向微视频的场景识别具有自身的特性：１）数??据量大。微视频多来自社交媒体平台，而数以亿计的社交媒体平台用户，带来??了海量的微视频数据，可以为场景识别提供数据支持。２）时长短。微视频的时??长短则几秒，长则不超过二十分钟，时长短使得微视频场景信息较难捕捉，这??在一定程度上增加了微视频场景识别的难度。３）具有社交属性。大量的评论、??话题等社交属性中包含的文字信息，可以作为微视频的模态之一，为微视频场??景识别提供更多辅助。这些特性，使得面向微视频的场景识别具有较大的研究??空间，也为视频的场景识别带来了更大的挑战。同时，微视频中的场景识别有??助于理解微视频并挖掘微视频内在的使用价值，可以为微视频相关产业提供技??术和方法支撑，部分微视频场景数据，如图１－３所示。虽然面向微视频的场景??识别是相对较新的研宄方向，但该方向的研宄具有非常重要的科学意义和应用??价值。因此，本文选择面向微视频的场景识别作为研究内容。??＿??
本文编号：3258667
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：101 页
【学位级别】：博士
【部分图文】：
图１－１图像场景数据
?山东大学博士学位论文???自然场最?：?室内场景?，?户外场录??■?■剛?＿ｇ??风力发电厂?野生动物园?＇?快餐店?教堂?养龟场??变Ｈ丨?森林丨捫吧?书店丨小佳?院子???海賴伴?＾ｊ?饭店阚保?文验审?｜?ｘ扒场?ｔ＾ｎ???图１－１图像场景数据。包括自然场景、室内场景及户外场景??｜；??，，ｊ：ｉ，，ｙ，?Ｍ?ｉｆｉ＾ｉ?：ｉｉ＂ｉ?＾?＾?？??图１－２视频场景数椐。包括５崩、交迎拥堵及漩涡??图像场景识别的Ｍ标是识别出单幅图像所包含的场景（例如餐厅、森休??等），而视频的场景识别则需要考虑视频中多个视频帧的时序性１２８，２！）１。与单幅??图像场景不同，视频中存在运动信息。例如单幅图像中“雪山”的场景，在视??频中如果存在雪的运动，则该场景可能为“雪崩”。２０１０年开始，研究人员开??始关注视频中的场景识别。图１－２列举了部分视频场景的示例，包括雪崩、交??通拥堵、漩涡等。目前，大部分的视频场景识别的研究都是基于两个数据集??Ｍａｒｙｌａｎｄ＾和ＹｕｐｅｍＰｌ这两个数据集中的视频样本都是时长较短的短视??频，基本都是在一个镜头下完成的拍摄。数据集的类别数及样本数量，如表??１－２所示。相比图像场景识别，视频场景识别存在更多挑战。除增加了时间维??度的运动，还包含由于摄像头抖动、移动等产生的干扰信息。??目前，面向视频的场景识别主要面向传统视频。传统视频是指特定受控条??１??
?山东大学博士学位论文???表１－２视频场景数据集类别数及数据量??数据集类别数数据量??Ｍａｒｙｌａｎｄ?１３?１３０??Ｙｕｐｅｎｎ?１４?５２０??…一厂．．??＿！ｒ；?ｉ?一??似：轉??图１－３微视频场景数据。包括湖、花园、博物馆及码头??件下的视频，其场景比较简单，干扰因素较少，主要是由专业的摄像人员拍??摄。然而，作为社交媒体的重要形式，微视频数据在视频数据中占据重要地??位。与传统场景识别任务相比，面向微视频的场景识别具有自身的特性：１）数??据量大。微视频多来自社交媒体平台，而数以亿计的社交媒体平台用户，带来??了海量的微视频数据，可以为场景识别提供数据支持。２）时长短。微视频的时??长短则几秒，长则不超过二十分钟，时长短使得微视频场景信息较难捕捉，这??在一定程度上增加了微视频场景识别的难度。３）具有社交属性。大量的评论、??话题等社交属性中包含的文字信息，可以作为微视频的模态之一，为微视频场??景识别提供更多辅助。这些特性，使得面向微视频的场景识别具有较大的研究??空间，也为视频的场景识别带来了更大的挑战。同时，微视频中的场景识别有??助于理解微视频并挖掘微视频内在的使用价值，可以为微视频相关产业提供技??术和方法支撑，部分微视频场景数据，如图１－３所示。虽然面向微视频的场景??识别是相对较新的研宄方向，但该方向的研宄具有非常重要的科学意义和应用??价值。因此，本文选择面向微视频的场景识别作为研究内容。??＿??
本文编号：3258667
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3258667.html
