视频场景情感内容的未确知聚类研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 165-167.

• 图形、图像、模式识别 • 上一篇下一篇

视频场景情感内容的未确知聚类研究

闫乐林

齐鲁师范学院计算机科学与技术系，济南 250013

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Research on video affective content recognition based on unascertained clustering

YAN Lelin

Department of Computer Science and Technology，Qilu Normal University，Jinan 250013，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 提出了一种新的视频语义分析算法，着重对情感类型识别进行了聚类研究。选取场景亮度、场景节奏、运动强度和颜色能量作为视频情感低层特征，详细介绍了每种情感特征的数据提取方法，并构建了视频情感特征向量。在分析了视频对象空间和情感测度函数之后，建立了未确知视频场景聚类模型，给出了情感向量各分量权重确定与视频样本聚类的方法。仿真实验数据验证了未确知聚类方法对视频情感内容的识别是有效的、可行的。

关键词: 视频检索, 情感内容, 未确知聚类, 特征权重

Abstract: A novel content-based clustering algorithm is presented for video emotion types recognition in this paper.The scene brightness，scene rhythm，movement intensity and color energy in a video scene are selected as the low-level video features.The methods of data extraction from each emotion feature are presented in detail，and the video emotion feature vector is created accordingly.After discussing the video object space and the emotion measure function，the unascertained clustering model of video scene is built.A method is applied to specify index weight of each emotion feature and perform video samples clustering.The experimental results verify the feasibility and effectiveness of this algorithm.

Key words: video retrieval, affective content, unascertained cluster, features weight

闫乐林. 视频场景情感内容的未确知聚类研究[J]. 计算机工程与应用, 2011, 47(30): 165-167.

YAN Lelin. Research on video affective content recognition based on unascertained clustering[J]. Computer Engineering and Applications, 2011, 47(30): 165-167.

[1]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[2]	赵彤彤1，张春雷2，张春雨3，高世臣1. 基于模糊熵的KNN分类模型在岩性识别中的应用[J]. 计算机工程与应用, 2018, 54(24): 260-265.
[3]	于海燕，陆慧娟，郑文斌. 情感分类中基于词性嵌入的特征权重计算方法[J]. 计算机工程与应用, 2017, 53(22): 121-125.
[4]	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.
[5]	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.
[6]	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.
[7]	郭红钰. 基于信息熵理论的特征权重算法研究[J]. 计算机工程与应用, 2013, 49(10): 140-146.
[8]	付雅芳1，刘晓东1，李延杰1，邢晓莉2. 基于遗传算法和案例推理的软件费用估算方法[J]. 计算机工程与应用, 2012, 48(8): 86-91.
[9]	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.
[10]	张雯雯1，王斌1，2，舒华忠3. 基于粒子群优化的多特征融合的商标图像检索[J]. 计算机工程与应用, 2012, 48(21): 186-190.
[11]	於时才，张永权. 利用遗传算法和特征权重调整的图像检索[J]. 计算机工程与应用, 2010, 46(32): 168-170.
[12]	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.
[13]	黄莹，李学明. 改进的累积帧实现镜头转换检测技术[J]. 计算机工程与应用, 2009, 45(31): 147-150.
[14]	刘文萍^1，2，蒋小森². 新的基于综合特征的新闻事件分割方法[J]. 计算机工程与应用, 2009, 45(31): 233-236.
[15]	冀中，苏育挺，杨益铮. 基于多模态信息融合的新闻独白镜头检测[J]. 计算机工程与应用, 2009, 45(25): 173-175.

视频场景情感内容的未确知聚类研究

Research on video affective content recognition based on unascertained clustering

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