基于高效精确的最大公共子序列的视频片段匹配

doi:10.3778/j.issn.1002-8331.2010.22.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (22): 206-209.DOI: 10.3778/j.issn.1002-8331.2010.22.060

• 图形、图像、模式识别 • 上一篇下一篇

基于高效精确的最大公共子序列的视频片段匹配

张玉荣^1，2，谢慧³

1.徽商职业学院电子信息系，合肥 230061
2.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039
3.江苏南通海安供电公司，江苏南通 226600

收稿日期:2010-01-19 修回日期:2010-06-03 出版日期:2010-08-01 发布日期:2010-08-01
通讯作者: 张玉荣

Video clips matching based on efficient and effective longest common subsequence

ZHANG Yu-rong^1，2，XIE Hui³

1.Department of Electronics Information，Huishang Vocational Technical College，Hefei 230061，China
2.Key Lab of Intelligent Computing and Signal Processing of Ministry of Education，Anhui University，Hefei 230039，China
3.Hai’an Electric Power Company，Nantong，Jiangsu 226600，China

Received:2010-01-19 Revised:2010-06-03 Online:2010-08-01 Published:2010-08-01
Contact: ZHANG Yu-rong

摘要/Abstract

摘要： 为视频序列匹配提出一个高效精确的最大公共子序列（Efficient and Effective Longest Common Subsequence，EELCS）算法。首先，利用矢量量化（Vector Quantization，VQ）将多维最大公共子序列算法（Multi-dimensional LCS，MLCS）中元素对匹配过程中的实际距离的计算简化成比较操作，较原始的最大公共子序列匹配算法（Original LCS，OLCS），该处理不仅可以继承MLCS的可应用到实际多维时序匹配问题中的优点，同时大大降低了匹配的复杂度；然后进一步区分待匹配序列中由于匹配子序列和未匹配子序列在时间轴上连续性而产生的差异；最后将该算法应用到视频片段的匹配中。实验结果表明，与具有代表性的基于时间规扭曲的最大公共子序列（Time-Warped LCS，T-WLCS）和连续最大公共子序列（Continuous LCS，CLCS）相比，该算法能较好地应用于视频序列的匹配。

关键词: 视频检索, 序列匹配, 矢量量化, 最大公共子序列

Abstract: An Efficient and Effective Longest Common Subsequence algorithm（EELCS） is proposed for video subsequence matching.Firstly，the Vector Quantization algorithm，which simplifies the calculation on the real distance among the elements to comparison operations，is employed on multi-dimensional longest common subsequence algorithm.Compared with the original longest common subsequence matching algorithm，it can not only be directly applied to the practical application of the multidimensional sequence matching，but also greatly reduces the matching complexity.Then the algorithm further distinguishes the difference caused by the concentration degree of both matched and unmatched sub-sequences among the sequences. Lastly，the algorithm is applied to video clips matching.The experimental results show that，compared with the respective algorithms Time-Warped Longest Common Subsequence（T-WLCS） and continuous longest common subsequence，the algorithm can be better applied to video sequence matching.

Key words: video retrieval, sequence matching, vector quantization, the longest common subsequence

中图分类号:

TP391.41

张玉荣^1，2，谢慧³. 基于高效精确的最大公共子序列的视频片段匹配[J]. 计算机工程与应用, 2010, 46(22): 206-209.

ZHANG Yu-rong^1，2，XIE Hui³. Video clips matching based on efficient and effective longest common subsequence[J]. Computer Engineering and Applications, 2010, 46(22): 206-209.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	王娇1，罗四维2，邹琪2. 图像分类中基于分类矢量量化的视觉词袋模型[J]. 计算机工程与应用, 2019, 55(10): 141-145.
[3]	徐彤阳1，2，张国标1. 视频检索研究可视化分析[J]. 计算机工程与应用, 2017, 53(22): 190-197.
[4]	苏鹏，程健. DHMM在机械设备音频识别中的应用[J]. 计算机工程与应用, 2015, 51(1): 266-270.
[5]	陈拥军，徐罡，周兴付，赵慧. 无线传感器网络最少数量通信节点定位方法[J]. 计算机工程与应用, 2014, 50(5): 55-59.
[6]	孙燕. 自适应模糊聚类LBG矢量量化算法[J]. 计算机工程与应用, 2014, 50(23): 203-205.
[7]	孙燕1，姜占才2，王蕴杰2. 浊音隶属度参数及F-LBG算法[J]. 计算机工程与应用, 2014, 50(2): 204-207.
[8]	阙大顺1，田犇1，赵永安2. 基于FPGA的关键词识别系统实现[J]. 计算机工程与应用, 2013, 49(8): 217-221.
[9]	张建明，刘海燕，孙淑敏. 改进的蚁群算法与凝聚相结合的关键帧提取[J]. 计算机工程与应用, 2013, 49(3): 222-225.
[10]	甘玲，汪子彧. 结合稀疏编码和金字塔匹配的视频检索[J]. 计算机工程与应用, 2013, 49(21): 191-194.
[11]	王冬芳1，李佳2，余宁梅1. 均值与矢量量化复合快速图像编码算法[J]. 计算机工程与应用, 2013, 49(14): 147-151.
[12]	熊燕. LSF参数转换分裂矢量量化的卡尔曼后滤波增强方法[J]. 计算机工程与应用, 2013, 49(10): 228-231.
[13]	翟素兰，查到丽. 基于视觉与结构谱特征融合的视频检索[J]. 计算机工程与应用, 2012, 48(32): 176-180.
[14]	魏艳娜，张景峰，金永涛. 有限状态矢量量化在语音端点检测中的应用[J]. 计算机工程与应用, 2012, 48(17): 161-164.
[15]	顾明亮1，2，张彪2 . 半监督矢量量化的汉语方言辨识[J]. 计算机工程与应用, 2011, 47(33): 109-111.

基于高效精确的最大公共子序列的视频片段匹配

Video clips matching based on efficient and effective longest common subsequence

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics