基于神经网络的静态台标识别系统设计与实现

台标是电视台的重要标志,是对电视节目来源、类型等属性的描述,因此台标识别是实现电视视频自动收录、检索的重要技术基础.针对静态台标的特点和识别中存在的问题,在台标提取和特征识别的基础上,提出了一种基于BP神经网络的台标识别方法,并设计实现了一个静态台标识别系统,对系统的神经网络参数经过反复试验调整,最后得到令人满意的结果.实验结果表明,通过训练和识别分开,对包括半透明台标在内的电视视频,系统具有识别效率高、结果准确等优点.     

基于可变形部件模型的台标识别方法

背景变化复杂、部分台标相似度高、拉伸变形等因素增加了台标识别的难度,降低了识别的准确率。为此,本文提出了一种鲁棒的基于可变形部件模型的台标识别方法。首先,依据台标特性,利用合适的颜色特征对可变形部件模型的特征进行了改进和增强。其次,利用隐式支持向量机和隐式线性判别分析技术加速台标识别模型训练。然后,为了弥补可变形部件模型的不足,设计了一种基于加权部件的计算方法。最后,提出一种新的可靠机制进行准确率评价。实验结果表明,与基于方向梯度直方图和支持向量机的识别方法相比,该方法具有更高的识别准确率,性能更加稳定。     

基于三维时空直方图特征的人体行为识别

提出一种基于三维时空直方图特征的人体行为识别方法。通过引入时间维度构建三维时空概念,探索时空中梯度方向信息,由梯度方向经过空间中不同的区域形成梯度直方图,获取时空特征矩阵,结合K均值聚类提取时空直方图特征来描述人体行为;采用图像显著性检测算法,获取人体行为轮廓,从轮廓图中提取二维轮廓特征;将获得的特征输入支持向量机进行训练以及人体行为识别。实验结果表明,相比其它特征描述的方法,该方案对人体行为的特征描述更丰富,识别准确率更高。     

基于感兴趣区域特征提取技术的情感语义研究

提出一种基于感兴趣区域特征提取技术的图像情感语义识别模型.着重论述了感兴趣区域的获取、感兴趣区域与非感兴趣区域权重的确定、从RGB颜色空间到HSV颜色空间的转换算法、加权颜色直方图的统计算法以及最终情感聚类的方法.仿真实验结果表明,该模型所实现的底层特征到高层情感语义映射准确率比传统的颜色特征提取技术的图像情感语义识别模型有很大的提高.     

基于选择性Gabor滤波器组的网络视频台标识别

针对网络视频中模糊变化,以及镂空、透明台标的背景变化都易造成台标区域内容变化,导致现有台标识别算法效率降低的问题,提出一种针对网络视频的鲁棒的台标识别方法.为了应对多种台标变化,提出一种基于Gabor滤波器组的近似不变特征的鲁棒台标特征;建立了一种由拟合特征簇表面获得的若干超椭球组成的台标判定模型,用计算高维空间点和超椭球位置关系取代复杂的分类算法,且可以只利用单帧信息进行台标识别,显著地提高了判定速度.实验结果表明,该方法较好地解决了台标识别中模糊变化、镂空和透明台标背景变化下的识别问题,能够高效识别各种台标,在单帧条件下平均F1统计变量达97.3%.     

基于小波特征的台标识别

台标分割与识别在视频语义分析与检索中有着重要作用.首先分析了视频图像序列中台标区域分割算法,然后分析了台标小波特征参数提取方法,并利用提取的小波特征参数实现了台标识别.实验表明,基于小波特征参数的台标识别算法取得了较快的识别速度和较高的识别准确率.     

基于统计分类的台标识别相关技术研究

针对电视台标所处背景的复杂性,现有的台标识别方法尚不能对各种台标进行有效识别,提出了一种基于统计分类的自动台标识别方法,采取先分类后识别等多种有效措施,可对复杂背景下的台标进行正确识别。通过对大量视频数据的验证证明,该方法识别精度高,具有较强的适应性。     

基于复合时空特征的人体行为识别方法

为了有效地表征人体行为中的姿势信息和运动信息,提高行为识别算法的准确率,提出一种融合三维方向梯度直方图特征与光流直方图特征的复合时空特征,并利用其进行人体行为识别.首先采用复合时空特征综合描述三维时空局部区域的像素分布和像素变化;然后构建复合时空特征词典,并根据该特征词典完成对人体行为序列特征集合的描述;最后采用主题模型构建人体行为识别算法,对行为序列中提取的复合时空特征进行分类,实现人体行为的识别.实验结果表明:该方法能有效地提高人体行为识别准确率.     

空间约束特征组合与选择的中国剪纸识别

针对中国剪纸识别中存在底层形状特征难以表达高层语义这一"语义鸿沟"问题,提出基于空间约束特征组合与选择的中国剪纸分类识别方法.首先结合空间金字塔模型和上下文相关直方图提取剪纸形状特征,从而得到具有空间信息底层特征;然后通过AdaBoost对所提取的形状特征进行组合和选择,以进一步获取剪纸图像的区别性特征;最终实现剪纸图像的识别.     

低层次和高层次特征相结合的人体动作识别

为了准确提取人体动作特征,提出了一种新的基于二维Gabor滤波器的时空兴趣点检测器,该检测器对遮挡,光照变化以及镜头缩放等具有较强的鲁棒性。基于80面体模型在一定大小的时空邻域内提取精细的时空梯度信息进一步刻画人体动作在时空上的视觉特征。采用最大似然估计得到对每段动作视频的权重直方图估计,使算法更有效率且权重直方图描述特征更具区分度。将低层次的权重直方图特征和高层次的动作语义属性融合,采用隐支持向量机求解最终动作识别模型的局部最优解。在几种典型的数据库上对算法进行了验证,与现有方法相比较,识别率有了较大的提高。