张江龙，黄祥林

(中国传媒大学 理工学部，北京 100024)

基于多模态字典学习的微视频场所类别识别

张江龙，黄祥林

(中国传媒大学 理工学部，北京 100024)

微视频的迅猛增长为对微视频的有效管理及利用带来新的挑战，本文对微视频的场所识别进行研究。场所信息可带来一些潜在的多媒体应用如：地标/场所检索、地理位置摘要生成、城市计算和基于地理位置服务。但是由于微视频的音频部分表达能力不强，这大大地影响到微视频场所信息的表达。为此，本文提出了一个基于多模态字典学习算法。该算法能借助外部音频信息来增强微视频音频部分的表达。大量的实验证明了该算法的有效性。

微视频；场所类别；多模态；字典学习

1 引言

传统视频分享网站的流行，大大地改变了互联网。这些视频分享网站允许用户录制高质量、长时长的视频，并分享给其他用户。但是自从2012年底，用户挖掘视频的方式发生了巨大的改变：微视频在不同的社交网络上快速增长。国内也出现了录制微视频的应用，比如秒拍；在2016年底，中国最流行的社交网络微信也推出了一个限制拍摄时长为10秒的微视频拍摄功能。

微视频除了具有简洁性、真实性和成本低等优点，社交网络鼓励用户在上传微视频的同时也签到其地理位置信息。智能手机或移动设备的GPS能够智能地列出其所在位置可能的位置选择，比如在一栋大楼中一层餐厅，还是二层的办公室，用户手动选择的这些场所位置。……