基于核的监督非保局投影镜头边界检测

肖永良，夏利民

中南大学信息科学与工程学院，湖南长沙

湖南财政经济学院信息管理系，湖南长沙

摘　　　要：针对如何进一步提高镜头边界检测精度问题，提出了一种基于核的监督非保局（ＫＳＮＬＰＰ）投影视频镜头检测方法。在非保局投影（ＮＬＰＰ）中引入样本的类别信息，并利用核方法提升ＮＬＰＰ解决非线性问题的能力，提出了ＫＳＮＬＰＰ算法；在此基础上，将每个镜头视为一类，利用ＫＳＮＬＰＰ算法得到视频图像的投影矩阵，利用此投影矩阵对新的视频数据进行降维处理，实现有监督的视频特征提取；融合各帧的相邻帧特征构建中间特征，利用局部支持向量机（ＬＳＶＭ）分类器实现镜头边界检测。试验结果表明，提出的镜头边界检测方法能够显著提高镜头边界的检测精度。

关　键　词：镜头边界；特征提取；监督学习；非保局投影

１　引　言
镜头边界检测是基于内容的视频检索的关键技术之一。文献［１］提取视频图像的颜色和运动等特征后采用层次支持向量机进行镜头边界检测。该方法在特征提取阶段没有充分利用已有的镜头来指导视频的特征提取；在边界检测阶段将所有样本同等对待，没有考虑样本之间的局部相似特点。本文研究利用流形学习理论提取视频特征；采用机器学习方法提高镜头边界检测精度。

登录网站后可下载文件

相关阅读:

没有相关新闻...