基于自适应局部敏感可鉴别组稀疏表示的视频语义分析

作     者：黄小璠 

作者单位：江苏大学 

学位级别：硕士

导师姓名：詹永照

授予年度：2017年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：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。