基于视觉与结构谱特征融合的视频检索

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (32): 176-180.

• 图形、图像、模式识别 • 上一篇下一篇

基于视觉与结构谱特征融合的视频检索

翟素兰，查到丽

安徽大学数学科学学院，合肥 230039

出版日期:2012-11-11 发布日期:2012-11-20

Video retrieval based on visual feature and structural spectral feature

ZHAI Sulan, ZHA Daoli

School of Mathematics Science, Anhui University, Hefei 230039, China

Online:2012-11-11 Published:2012-11-20

摘要/Abstract

摘要： 视频的时序结构特征是视频的重要特征。提出了一种基于DTW和图谱理论的视频结构特征提取与表示方法，并将这种结构特征融合视觉特征用于视频的镜头检索。根据镜头分割中的帧差曲线，使用DTW原理得到视频镜头特征帧，以镜头特征帧作为图的顶点，以特征帧间的关系作为图的边，生成镜头关系图，分解图的邻接矩阵，得到镜头结构谱，融合镜头的视觉特征得到最终的检索结果。实验结果表明，视频的结构谱特征可以有效地表示视频的结构特征，在视频检索中也是有效的。

关键词: 视频检索, 动态时间规整（DTW）, 关系图, 结构谱

Abstract: The time series structure is one of key characters of videos. In the paper, the method of abstraction and presentation video series feature is discussed which is based on DTW and graph spectral. DTW is used to extract some key frame images on the frame difference curves；the structure graph of video shot is constructed with the vertex set of the key frame images and edge set of the relation of these images. The video structure spectral is extracted by analyzing the the video structural graph’s adjacent matrix. Visual feature and structral featrue are taken into consideration to rank the simility of the selected video clips. Experimental results show that the structrual spectral is able to present the video structural feature efficiently and can be used to retrieval the vido.

Key words: video retrieval, Dynamic Time Warping（DTW）, relational graph, structural spectral

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.

ZHAI Sulan, ZHA Daoli. Video retrieval based on visual feature and structural spectral feature[J]. Computer Engineering and Applications, 2012, 48(32): 176-180.

[1]	范纯龙，崔宇斌，滕一平. 基于自适应搜索窗口的序列相似比对算法[J]. 计算机工程与应用, 2019, 55(2): 54-59.
[2]	谢小雨1，刘喆颉1，2. 基于DTW算法的肌电信号手势识别方法[J]. 计算机工程与应用, 2018, 54(5): 132-137.
[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]	樊永生1，李昌华1，李智杰1，姚鹏2. 一种建筑信息模型分类方法[J]. 计算机工程与应用, 2015, 51(4): 148-153.
[5]	陈玲，杨天奇. 基于质心和轮廓关键点的步态识别[J]. 计算机工程与应用, 2015, 51(19): 173-177.
[6]	刘冬明1，杨尔弘2. 个性化知识的表示方法[J]. 计算机工程与应用, 2015, 51(17): 113-117.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	李文¹，莫鸿强¹，田联房¹，阳国清¹，郑则广². 采用MFCC和DTW的咳嗽干湿性自动分类技术[J]. 计算机工程与应用, 2010, 46(13): 209-212.
[12]	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.
[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]	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.
[15]	许文竹,徐立鸿. 结合主成分分析和聚类的关键帧提取[J]. 计算机工程与应用, 2009, 45(15): 9-10.

基于视觉与结构谱特征融合的视频检索

Video retrieval based on visual feature and structural spectral feature

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