目标检测技术在安防监控视频内容分析中的应用

文章阐述了利用目标检测技术对安防监控视频的内容进行分析,以充分发挥安防监控的价值。除了利用部分型号监控摄像头本身具备的目标检测功能外,还可叠加使用其他成熟先进的目标检测算法,例如YOLO等算法。文章较详细地阐释了目标检测算法YOLO和卷积神经网络的原理,对于实时目标检测技术而言,可扩展其报警功能,有利于对紧急情况进行及时处置、干预,目标检测的结果保存在结构化数据库中,以方便事中、事后进行查询、使用。

网络智能视频监控中视频内容分析的工作机制

本文概述了网络智能视频监控(NIVS)、视频内容分析(VCA)技术的概念、NIVS的网络结构及应用。讨论了网络视频监控中VCA的工作机制,包括VCA系统结构、VCA软件框架、VCA算法模块、VCA分析过程。

高通量视频内容分析技术

大数据环境下,如何对高并发的视频数据进行实时地分析处理,是一个亟待解决的科学问题。本文介绍了面向互联网视频内容监管的高通量视频内容分析技术,着重对其中的四个主要关键技术(基于众核的视频高速解码和视频特征提取、基于分布式系统的高维索引和语义识别)的研究现状和发展趋势进行了综述和总结,并介绍了作者在这四个主要关键技术研究的最新成果,主要包括面向众核处理器的并行环路滤波、高鲁棒性和高并行度的局部特征提取与挖掘、分布式高维索引、面向大数据的集成学习方法,以充分发挥多粒度并行硬件平台的高并行计算能力,为互联网视频内容监管、视频搜索等重要应用提供关键技术支撑。

自动视频内容分析综述

1.概述 多媒体技术和网络技术的向前发展导致了大量视频信息的出现,如何对这些视频信息进行有效的组织、管理和检索便成了一个重要的研究课题.视频媒体是一类二进制巨型对象(BLOB对象),它拥有巨大的数据量,但内容却有很大的冗余.数字视频通常被当作一种不透明的线性比特流进行处理.例如,为了查找一场足球比赛中的所有射门镜头,就需要对视频内容进行从头到尾的浏览.

视频内容分析与检索技术研究现状和未来发展趋势

介绍了当前视频内容分析和检索技术中结构化、语义理解和视频检索的现状研究以及典型系统,并且也指出了这些技术的未来发展趋势。

基于OWL本体扩展的视频语义内容分析

随着可获得视频数据的快速增长,迫切需要有效的方法在语义层理解和管理视频数据。对OWL语言进行扩展,提出了V-OWL本体描述框架,支持视频内容蕴含的时空关系和不确定性关系的建模,使用基于贝叶斯网络的B-图描述模型,将V-OWL本体概念、关系映射为B-图中的节点、边,利用贝叶斯网络训练推理算法实现视频高层语义的自动推理发现。实验结果显示,V-OWL本体描述框架对复杂视频内容具有很好的描述能力,基于V-OWL的视频内容分析框架对视频高层语义探测具有较高的查准率和查全率。

基于感知概念和有限状态机的体育视频语义内容分析模型

视频内容自动分析领域中,关键的挑战在于如何识别重要对象和如何建模对象之间的时空关系.本文基于感知概念(Perception Concepts,简称PCs)和有限状态机(Finite State Machines,简称FSMs)提出一种语义内容分析模型自动描述和探测体育视频中有意义的语义内容.根据体育视频中可识别的特征元素,定义PCs来表示视频中重要的语义模式;设计PC-FSM模型来描述PCs间的时空关系;采用一个图匹配方法自动探测视频中的高层语义.本文提出的方法使用户能够根据其自身的兴趣和知识设计体育视频的查询描述,并将语义内容探测问题转换为图匹配问题.实验结果验证了本文提出的方法的有效性.

视频内容分析技术剖析及在校园视频监控系统的应用探讨

视频内容分析技术作为安防系统智能化发展的重要方向,在不断探索中得到应用,在不断应用中得到逐步完善。本文简要剖析了视频内容分析技术的原理和实现算法,介绍了其工作流程以及在视频监控系中的应用方案,通过在校园安防系统的实践应用,探讨了目前视频分析技术的不足和实施的方法原则。

视频内容分析系统的结构设计与应用

本文提出了一种视频内容分析的系统结构,重点分析了几种视频分析方法视频结构分析,代表帧提取和视频运动分析,并讨论了在视频内容分析基础上的应用,即基于内容的视频检索、视频和视频挖掘。

个性化视频情感内容分析:综述

个性化视频情感内容分析是近几年兴起的一个研究热点,其目的是基于视频用户的个人兴趣和爱好来向其推荐个性化的视频内容。然而,当前仍然缺乏对该研究方向的最新研究进展的综述和讨论。为解决此问题,从3个方面对该领域的研究成果进行论述,讨论了各类现有方法的优缺点、存在的问题和挑战,并对未来的研究方向提出一些思路和建议。

视频情报分析体系研究

视频情报分析是信息化条件下情报分析领域出现的一个崭新的研究方向。提出的视频情报分析体系,包括概念体系和技术体系两个部分。概念体系对视频情报分析的概念进行界定,阐明视频情报分析与其他技术之间的关联,对视频情报分析的任务和概念层次结构进行分析。根据概念体系,对视频情报分析的技术体系进行分析,明确需要研究的内容和需要解决的关键技术。

基于内容的新闻视频数据挖掘技术

随着人们在多媒体信息制造、存储与传播方面取得的重大技术进步,数字视频己经成为日常生活中不可或缺的部分。电视新闻节目是人们获取所需信息的主要来源之一。在这样的背景下,基于内容的新闻视频数据的挖掘技术成为近年来各研究机构关注的一个重要课题。文章针对基于内容的新闻视频数据的挖掘过程进行了分析,并对其相关技术进行了较为全面地探讨。

新闻视频中标题条检测及文字内容提取算法

提出了一种电视新闻节目中标题条自动检测及文字内容提取的算法。算法分为两步:第一步,根据标题条的形状特征对其进行快速检测,并根据文字在标题条中的位置等先验信息提取出文字区域图像;第二步,对文字图像进行预处理,并利用常用的OCR软件对所得到文字图像进行识别,得到标题条的文字信息可作为该新闻场景的内容描述。实验结果表明,该方法有较高的准确率和适应性,可用于新闻节目内容的自动分析和检索。

基于人物关系分析的视频自动摘要算法

为了更好地反映视频中的语义内容,在系统总结已有的基于低层特征的视频自动摘要算法的基础上提出了两种基于人物关系分析的新摘要算法,即适应于快速预览需求的One-Shot摘要算法和适应于个性化定制需求的用户自适应摘要算法。与已发表的大部分基于低层特征的视频摘要算法相比,提出的这两种摘要算法能够更好地反映视频中的语义信息。在实际电影视频数据上的实验结果证明了所提算法的有效性。

基于视频机器分析的目的地形象差异对比——以北京You Tube视频为例

大数据背景下,视频越来越成为用户获取目的地信息并建构旅游形象的主要渠道,鉴于用户生成视频(UGC)相较于目的地营销组织发布视频(OGC)更受欢迎,比较二者建构目的地形象的差异具有一定的理论意义及实践价值。然而到目前为止,旅游领域对视频内容的研究还较初级,且多采用人工分析方法,局限明显。近年来,计算机视觉领域在视频内容分析方面取得了巨大进展,基于此,文章采用计算机学科相关视频分析方法对YouTube网站上国外游客和北京市文化和旅游局发布的北京旅游视频展开研究。研究发现:第一,游客和目的地营销机构(DMO)借以建构目的地形象的属性主要是“人物”“文化艺术”和“基础设施”,在“交通”和“动植物”属性上表现较弱;第二,视频和文本素材在表征目的地“旅游景点”和“人物”属性上具有一致性,而“基础设施”属性在视频素材中比在文本中展现更充分;第三,UGC视频倾向表征北京“文化艺术”属性,尤其青睐表征北京建筑及文化场景,而DMO倾向表征更全面、宏观的北京形象,尤其突出展现北京的人物属性。

基于大数据的内容分发平台在智能电视上的应用

阐述了进一步提升智能电视智能化的途径和方法,基于大数据技术,建设智能化的内容分发平台,保障内容安全优质,基于大数据积累,经用户模型、内容模型等数据建模,实现大范围精准覆盖用户,为深入用户行为分析积累丰富的原始数据。通过不断优化完善标签体系,实现对用户、内容和媒体的精准刻画,为各类大数据应用产品提供坚实的基础。同时,平台为不同的终端产品提供统一、稳定的接入服务和内容展现,通过智能识别终端产品型号可以提供动态提供多种服务内容,提供终端管理策略。

新闻视频挖掘技术研究

新闻视频挖掘是一个新兴的研究领域,也是多媒体数据挖掘的典型代表。本文对新闻视频挖掘技术进行了全面深入的讨论,首先从概念上对新闻视频挖掘进行了界定,提出了新闻视频挖掘的层次框架和技术框架,指出新闻视频挖掘包括低层视频挖掘和高层视频挖掘两个层次。其中,低层视频挖掘是利用数据挖掘的方法对视频内容进行分析的过程,而高层数据挖掘则是在低层挖掘的基础上进一步发现视频中的知识的过程。新闻视频挖掘的技术框架则对挖掘所涉及到的具体技术进行了分析。最后,对新闻视频挖掘中的结构挖掘、语义内容挖掘、视频摘要、趋势挖掘、关联挖掘等任务进行了详细的阐述,并对各种任务举出了具体的示例加以说明。

基于词组学习的视频文本检测方法

提出一种以词组作为模式识别对象的中英文视频文本检测算法,其根据视频中文本的笔画结构特点和聚集特性构造一个18维的特征向量,利用支持向量机将视频帧分为文本和非文本区域,通过多分辨率模型检测不同尺寸的文本,采用扩张-收缩的后处理过程校准文本区域位置。实验结果表明,该算法的检测准确率达93.17%,误检率仅为0.73%。

基于MPEG-7协议的视频检索系统设计

设计了符合多媒体内容描述接口协议MPEG-7(Multimed ia Content Descrip-tion Interface)标准的电影视频检索系统SupEye,包括特征提取、数据存储以及特征检索3部分.特征提取负责提取视频特征与摘要,通过分析电影视频特点,给出了视频结构分析及摘要提取的假设、流程及算法.数据存储负责视频与特征数据的存储,考虑到用户检索历史对检索性能的影响,将MPEG-7多媒体特征描述文件分为视频特征描述文件与用户接口描述文件两类.特征检索构建了一个用于多视频特征检索的3层体系结构(表示层、逻辑层和事务层)并给出了检索结果融合流程.SupEye系统在分析MPEG-7标准的基础上解决了视频特征与用户检索特征的分离、样例查询中的特征分析以及多模态查询的结果融合问题.

视频概要的分类与综合评价方法

针对视频摘要产生过程,从结果、信息源、特征化级别和粒度四个方面,提出了一种分类方法,给出了若干实例进行综合评价,侧重反映不同视频概要所处的技术层次与水平。在此基础上,分析了研究现状,给出了进一步研究的方向。