视频数据挖掘——框架、方法及趋势

目前视频数据挖掘概念、体系尚不明确，现有的一些分类方法不能突出数据挖掘关于“新颖性”这一特性。该文尝试从概念和分类方法2个方面解决这些问题，根据数据挖掘和视频各自的特点，将视频数据挖掘的概念分为广义和狭义2种。从数据分析的角度，提出一种新的分类方法，将广义的视频挖掘分为描述性和预测性2类，并且按照视频内容所关联的领域，提出了一个描述性视频数据挖掘的分类框架，讨论了视频挖掘的现有方法，并展望了视频数据挖掘的发展趋势。     

视频结构挖掘的概念及应用*

提出了一种视频结构挖掘的概念框架和视频结构挖掘系统框架,在概念框架中对视频结构挖掘相关概念给出了规范化的定义,视频结构挖掘框架包括的主要内容有视频基本结构挖掘、视频语法结构挖掘和视频语义结构挖掘。最后讨论了视频结构挖掘中发现的结构模式和知识的具体应用,包括指导视频的组织与管理、实现基于内容的个性视频推荐和改善视频摘要系统。     

视频结构挖掘的概念和框架

视频信息处理的关键是视频信息的结构化，视频除了有基本层次结构之外，还有隐藏其中的视频结构语法和结构语义。该文提出了一种视频结构挖掘的概念框架和视频结构挖掘的系统框架，在概念框架中对视频结构挖掘相关概念给出了明确定义和界定；视频结构挖掘框架主要包括：视频基本层次结构挖掘，视频结构语法挖掘和视频结构语义挖掘。讨论了视频结构模式和知识的具体应用，包括指导视频的组织与管理、实现基于内容的个性视频推荐和改善视频摘要系统。     

基于统计与可视化的新闻视频挖掘

提出了一种基于统计与可视化的新闻视频挖掘方法,在传统的新闻视频内容分析的基础上,结合数据挖掘中的统计与可视化技术,挖掘出大量新闻视频数据中的隐含信息,较好地实现了视频内容分析技术与数据挖掘技术的结合。根据新闻视频的特点,着重从时间以及空间的角度进行统计分析,并设计了两种可视化方法:时间趋势图以及时空分布图。实验证明,该方法对辅助决策人员做出正确的分析与决策具有重要意义。     

基于语义的视频检索技术综述

本文综述了基于语义的视频检索的研究现状,以帮助未来的研究人员了解基于语义的视频检索领域中可用的技术,视频检索系统的产生是为了在互联网或数据库中的大量视频数据集中找到用户想要查询的视频.本文对基于语义的视频检索过程进行了说明与讨论,本文还对基于语义的视频检索中,解决语义鸿沟这一主要问题的相关技术进行了综述.语义鸿沟的形成是因为从视频内容中提取的低层特征与现实世界中用户对这些特征的认知存在差异,将视频内容的低层特征转化为高层的语义概念是一个备受关注的研究课题.     

辅助决策的新闻视频挖掘

新闻视频是一种丰富的信息源，对其进行有效的挖掘将有力地辅助决策分析。本文从多媒体信息系统的角度出发，深入思考了辅助决策的新闻视频的挖掘内容和挖掘方法，主要解决了以下两个问题：即挖掘什么和如何去挖的问题。指出辅助决策的新闻视频挖掘的内容应包括结构挖掘、语义事件挖掘、趋势挖掘、关联规则挖掘以及决策者兴趣点挖掘等等；并以一个具体的例子来说明新闻视频挖掘的各种方法，如结构的分割、语义事件的探测、新闻故事重要度的判定、专题的统计分析以及模式的可视化等等。本文较好地实现了新闻视频的内容分析与挖掘的结合，初步的实验证明了提出的新闻视频挖掘方法在辅助决策方面具有有效性。     

语义视频检索综述

视频内容检索是多媒体应用的一个活跃研究方向，现有的内容检索技术大多是基于低层次特征的。这些非语义的低层特征难以理解，与人思维中的高层语义概念相差甚远，严重影响视频内容检索系统的易用性。低层特征和高层语义概念间的语义鸿沟很难逾越。如何跨越语义鸿沟，用语义概念检索视频内容是目前基于内容视频检索最具挑战性的研究方向。本文介绍语义视频检索出现的背景，分析语义鸿沟出现的原因，对现有尝试跨越语义鸿沟的主要方法进行综述；评述了相关技术的优缺点，探讨了各方法将来可能的研究发展方向以及视频语义检索近期、长期可能的技术突破点。     

基于内容的视频检索与挖掘关键技术研究

视频检索与挖掘是当前计算机视觉、视频分析及知识挖掘等领域的研究热点之一,在现实生活中有广泛的应用前景。基于内容的视频检索与挖掘是一种自动、智能的多媒体信息检索技术,借助于最新数学分析理论与工具,对视频数据进行建模,在此基础上进行智能分析处理的一项技术。本文从分析基于内容的视频检索与挖掘系统的结构和原理出发,详细的讨论了视频检索与挖掘的关键技术:镜头检测与关键帧提取,并对新的国际标准MPEG及其框架下的视频检索与挖掘技术作了介绍,最后对视频检索与挖掘的前景与发展方向作了展望。     

文本挖掘技术研究及其在信息检索中的应用

文本挖掘是一个对具有丰富语义的文本进行分析从而理解其所包含的内容和意义的过程,已经成为数据挖掘中一个日益流行而重要的研究领域。给出了文本挖掘的定义和框架,对文本挖掘中预处理、文本摘要、文本分类、聚类、关联分析及可视化技术进行了详尽的分析,并归纳了最新的研究进展,指出了文本挖掘在信息检索中的作用。     

视频挖掘技术综述

随着视频数据越来越容易获取和存储，视频数据的有效利用问题日益突出。视频数据挖掘近年来受到了国内外研究人员的极大关注。它旨在提取视频数据的语义信息并挖掘出隐含其中的有用模式和知识，从而实现智能视频应用，辅助人们决策。通过对国内外研究进展的跟踪分析，归纳了视频挖掘的概念，并对其实现方法和应用领域做了较为详细的总结和讨论，指出了视频挖掘技术研究所面临的挑战。     

视频挖掘研究进展

视频挖掘技术近年来受到了国内外研究者的逐渐关注,但研究还处于初步阶段,实际的应用系统很少,有关概念、系统结构和技术方法仍需深入研究。在回顾国内外研究动态的基础上,对视频挖掘的研究现状进行了归纳、评述;探讨了视频挖掘的概念,清理了视频挖掘与相关技术的联系与区别;展望了视频挖掘研究中的重点问题和解决思路。     

基于向量空间模型的视频语义相关内容挖掘

对海量视频数据库中所蕴涵的语义相关内容进行挖掘分析，是视频摘要生成方法面临的难题。该文提出了一种基于向量空间模型的视频语义相关内容挖掘方法：对新闻视频进行预处理，将视频转化为向量形式的数据集，采用主题关键帧提取算法对视频聚类内容进行挖掘，保留蕴涵场景独特信息的关键帧，去除视频中冗余的内容，这些主题关键帧按原有的时间顺序排列生成视频的摘要。实验结果表明，使用该视频语义相关内容挖掘的算法生成的新闻视频具有良好的压缩率和内容涵盖率。     

基于MWH模型的新闻视频语义挖掘

根据新闻视频伴随文本及关键帧图像多模异构特征,构建多翼Harmoniums模型,该模型包括多元文本泊松分布和多元颜色直方图高斯分布2个子模型。通过研究隐含主题与观测输入之间的双向依存关系,将其扩展为双层随机场模型,从而对新闻视频进行语义挖掘。在CCTV新闻视频集上进行测试,实验结果验证了该模型的有效性。     

Constructing and application of multimedia TV-news archives

This paper addresses an integrated information mining techniques for broadcasting TV-news. This utilizes technique from the fields of acoustic, image, and video analysis, for information on news story title, newsman and scene identification. The goal is to construct a compact yet meaningful abstraction of broadcast TV-news, allowing users to browse through large amounts of data in a non-linear fashion with flexibility and efficiency. By adding acoustic analysis, a news program can be partitioned into news and commercial clips, with 90% accuracy on a data set of 400 h TV-news recorded off the air from July 2005 to August 2006. By applying speaker identification and/or image detection techniques, each news stories can be segmented with a better accuracy of 95.92%. On-screen captions or subtitles are recognized by OCR techniques to produce the text title of each news stories. The extracted title words can be used to link or to navigate more related news contents on the WWW. In cooperation with facial and scene analysis and recognition techniques, OCR results can provide users with multimodal query on specific news stories. Some experimental results are presented and discussed for the system reliability, performance evaluation and comparison.     

Video Semantic Event/Concept Detection Using a Subspace-Based Multimedia Data Mining Framework

In this paper, a subspace-based multimedia data mining framework is proposed for video semantic analysis, specifically video event/concept detection, by addressing two basic issues, i.e., semantic gap and rare event/concept detection. The proposed framework achieves full automation via multimodal content analysis and intelligent integration of distance-based and rule-based data mining techniques. The content analysis process facilitates the comprehensive video analysis by extracting low-level and middle-level features from audio/visual channels. The integrated data mining techniques effectively address these two basic issues by alleviating the class imbalance issue along the process and by reconstructing and refining the feature dimension automatically. The promising experimental performance on goal/corner event detection and sports/commercials/building concepts extraction from soccer videos and TRECVID news collections demonstrates the effectiveness of the proposed framework. Furthermore, its unique domain-free characteristic indicates the great potential of extending the proposed multimedia data mining framework to a wide range of different application domains.     

自动视频分类中的数据预处理

提出了一套视频数据采集、特征提取及数据预处理方法。介绍了视频数据的采集方式，并提出了一套可计算的视频特征属性，可以反映人们对不同的视频风格的典型特征的理解。给出了如何将这些提取的视频属性数据处理成适合于决策树分类、分类关联规则以及序列模式等数据挖掘技术适用的数据格式。