计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
9期
103-106,149
,共5页
彭太乐%张文俊%丁友东%郭桂芳
彭太樂%張文俊%丁友東%郭桂芳
팽태악%장문준%정우동%곽계방
时序上下文特征%尺度不变特征变换(SIFT)特征%HSV颜色特征%多核学习
時序上下文特徵%呎度不變特徵變換(SIFT)特徵%HSV顏色特徵%多覈學習
시서상하문특정%척도불변특정변환(SIFT)특정%HSV안색특정%다핵학습
time series contextual character%Scale-Invariant Feature Transform(SIFT)character%HSV character%multi kernel learning
以传统的词袋模型为基础,根据相邻镜头关键帧之间具有相关性的特点提出了一种用于视频场景分类的模型。将视频片段进行分割,提取关键帧,对关键帧图像归一化。将关键帧图像作为图像块以时序关系合成新图像,提取新图像的SIFT特征及HSV颜色特征,将图像的SIFT特征及HSV颜色特征数据映射到希尔伯特空间。通过多核学习,选取合适的核函数组对每个图像进行训练,得到分类模型。通过对多种视频进行实验,实验结果表明,该方法在视频场景分类中能取得很好的效果。
以傳統的詞袋模型為基礎,根據相鄰鏡頭關鍵幀之間具有相關性的特點提齣瞭一種用于視頻場景分類的模型。將視頻片段進行分割,提取關鍵幀,對關鍵幀圖像歸一化。將關鍵幀圖像作為圖像塊以時序關繫閤成新圖像,提取新圖像的SIFT特徵及HSV顏色特徵,將圖像的SIFT特徵及HSV顏色特徵數據映射到希爾伯特空間。通過多覈學習,選取閤適的覈函數組對每箇圖像進行訓練,得到分類模型。通過對多種視頻進行實驗,實驗結果錶明,該方法在視頻場景分類中能取得很好的效果。
이전통적사대모형위기출,근거상린경두관건정지간구유상관성적특점제출료일충용우시빈장경분류적모형。장시빈편단진행분할,제취관건정,대관건정도상귀일화。장관건정도상작위도상괴이시서관계합성신도상,제취신도상적SIFT특정급HSV안색특정,장도상적SIFT특정급HSV안색특정수거영사도희이백특공간。통과다핵학습,선취합괄적핵함수조대매개도상진행훈련,득도분류모형。통과대다충시빈진행실험,실험결과표명,해방법재시빈장경분류중능취득흔호적효과。
On the basis of traditional bag of word model, according to the spatial and semantic similarity between the key frames of adjacent lens, this paper brings a new video scene classification model. It divides video clips into many shots and extracts their key frames and makes the key frames a gauge. The next thing is that the key frames as an image block produces an image on time sequence. SIFT features and HSV feature are extracted. This paper embeds the SIFT features and HSV feature data into Hilbert space. Through multi kernel learning, the algorithm selects the appropriate kernel func-tions to train each image, and gets the classification model. Experiments show that the proposed algorithm for video classi-fication can achieve better performance.