基于人工免疫有序聚类的视频关键帧提取方法

针对现有的基于无监督聚类的视频关键帧提取方法没有考虑镜头内容的时序性、对初始类的划分较敏感、易陷入局部最优等问题,提出了一种新的基于人工免疫的有序样本聚类算法.在传统人工免疫聚类算法的基础上引入了抗原记忆识别机制及改进了抗体的克隆与超变异机制,并在此基础上给出了基于人工免疫有序聚类的视频关键帧提取方法.该方法将镜头帧序列看成一个入侵机体的抗原序列,然后基于首次应答与再次应答机制依次为每个抗原产生记忆细胞池,最终每个记忆细胞池能识别的邻近抗原对应一个类别并选取距其类中心最近的帧为关键帧.对大量不同类型的视频进行了试验.结果表明,该方法能得到较高的保真度和压缩率,能够十分有效地提取出反映镜头内容变化的关键帧.     

基于格框架的视频事件时空相关描述分析方法

在海量的视频资源中,如何描述和表示视频事件内容,是当下多媒体信息处理的热点问题之一。在用于自然语言理解的格语法理论基础上,引入了语义框架结构,设计了用以描述复杂事件中的子事件之间关系的格框架结构,并定义了视频综合事件中子事件框架关系。其中,在子事件参照关联关系上,对子事件的时间、空间关联性进行了分析推理。并采用格语义框架网络(Case Semantic Frame Net,CSFN)对实际监控视频集中的典型事件进行描述和时空关联分析,对比了格框架网络和传统格语法方法对事件进行描述分析之后,用户对视频进行检索的结果。实验证明,格框架网络能更加准确地描述和理解复杂事件,并有效提高视频事件检索的准确率和召回率。