基于多核属性学习的视频多概念检测研究

视频概念检测领域一直存在语义鸿沟难以跨越的问题。针对该问题,提出了基于多核属性学习方法,将属性概念引入视频概念分类中,利用属性的高级语义表达能力,降低语义鸿沟影响,同时结合多核学习,提高多特征下属性分类器性能。在公有数据集上进行对比实验表明,该方法可以有效提高视频概念检测正确率。

基于改进ViBe算法的视频浓缩

针对监控视频在时间上存在冗余的问题,对ViBe(visual background extractor)算法进行改进,解决了ViBe算法存在噪声和易引入鬼影的问题,通过改进后的算法对视频进行背景建模,并对得到的背景掩模提取外轮廓以确定视频帧中是否存在前景对象。将存在前景对象的视频帧写入视频流中,达到视频浓缩的目的。经过试验验证,该方法可以有效地减少视频中的冗余信息,减小视频的体积,视频中的重要信息同时也得到了完整保留,满足实时性要求。