基于多核属性学习的视频多概念检测研究
2017-07-12惠开发皋军
软件导刊 2017年6期
惠开发+皋军



摘要:视频概念检测领域一直存在语义鸿沟难以跨越的问题。针对该问题,提出了基于多核属性学习方法,将属性概念引入视频概念分类中,利用属性的高级语义表达能力,降低语义鸿沟影响,同时结合多核学习,提高多特征下属性分类器性能。在公有数据集上进行对比实验表明,该方法可以有效提高视频概念检测正确率。
关键词:视频语义;概念检测;多核学习;属性学习
DOIDOI:10.11907/rjdk.171831
中图分类号:TP306
文献标识码:A 文章编号:1672-7800(2017)006-0001-04
0 引言
随着物联网的发展,视频监控设备应用到诸多场景中,为维护城市和谐安宁,提高人们生活质量发挥了显著作用。大量的视频监控设备产生了海量视频文件,视频的查阅、存储、传输、归档和检索问题显现,研究者提出了视频语义分析[1]概念,希望利用机器自动地检测视频内容,从而减轻甚至代替人工检测工作。
监控视频序列包含前景对象和背景对象,通常情况下,人们感兴趣的内容集中在运动的前景对象上。而前景通常包含多种概念,如人、车、物,这些语义概念又可以进一步细化。比如人按年龄分有小孩、成人、老人,按性别分有男人和女人,按照体型分有高矮胖瘦,还可以按穿着或肤色等分类。视频中的语义概念包含大量的高级语义特征,而目前如颜色、形状、纹理等底层特征还停留在低级语义描述上。为跨越视频检测的语义鸿沟[2],本文引入属性学习[3]方法来关联底层视觉特征与属性的关系。为更好地利用提取出的多种特征,引入了多核学习[4]生成合成核,并将其运用到属性预测模型训练中去。……
登录APP查看全文
