基于支持向量机的语义视频摘要

doi:10.13190/jbupt.200604.94.caojr

北京邮电大学学报 ›› 2006, Vol. 29 ›› Issue (4): 94-98.doi: 10.13190/jbupt.200604.94.caojr

基于支持向量机的语义视频摘要

曹建荣，蔡安妮

1. 北京邮电大学电信工程学院，北京 100876；2. 山东建筑大学信息与电气工程学院，济南 250101

收稿日期:2005-07-05 修回日期:1900-01-01 出版日期:2006-08-30 发布日期:2006-08-30
通讯作者: 曹建荣

Semantic Video Summarization based on Support Vector Machine

C AO Jian-rong, CAI An-ni

1. School of Telecommunication Engineering , Beijing University of Posts and Telecommunications, Beijing 100876,China;
2. School of Information and Electrical Engineering , Shandong Jianzhu University , Jinan 250101, China

Received:2005-07-05 Revised:1900-01-01 Online:2006-08-30 Published:2006-08-30
Contact: C AO Jian-rong

摘要/Abstract

摘要：

针对如何在语义层次上形成视频摘要问题，提出了一个基于支持向量机的风光记录片语义视频摘要算法。利用支持向量机对镜头关键帧进行语义分类，对每类镜头关键帧根据引入的镜头“重要性”函数提取构建视频摘要的帧。改变重要性函数阈值的大小，可以很方便的得到不同粒度的视频摘要。实验结果表明该算法形成的视频摘要较好地表达了视频的内容。

关键词: 支持向量机, 语义, 视频摘要

Abstract:

Constructing the video summarization in semantic level is very important. An algorithm of video summarization based on support vector machine (SVM) in semantic level for the natural scenery documentary is presented. The shot key frames are classified by SVM and the frames constructing the video summarization are selected from the shot key frames of every class by the importance function introduced. The scalable video summarization to fine level of detail can be achieved by changing the threshold of important function. Experiment results indicate that the proposed algorithm performs satisfactorily.

Key words: support vector machine, semantic;video summarization

中图分类号:

TP391

曹建荣，蔡安妮. 基于支持向量机的语义视频摘要[J]. 北京邮电大学学报, 2006, 29(4): 94-98.

C AO Jian-rong ^1,2, CAI An-ni ¹. Semantic Video Summarization based on Support Vector Machine[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2006, 29(4): 94-98.

参考文献

[1] Kopf S, Haenselmann T, Farin D, et al. Automatic generation of video summaries for historical films // IEEE International Conference on Multimedia and Expo. Taipei: , 2004: 2067-2070.
[2] Shi Lu, Lyu M R, King I. Video summarization by spatial-temporal graph optimization // Proceedings of the 2004 International Sym on Circuits and Systems. British Columbia: , 2004: 197-200.
[3] Lee J H, Lee G G, Kim W Y. Automatic video summarizing tool using MPEG-7 descriptors for personal video recorder [J]. IEEE Trans on Consumer Electronics, 2003, 49(3): 742-749.
[4] Ma Yufei, Lu Lie, Zhang Hongjiang, et al. A user attention model for video summarization // Proceedings of ACM Multimedia. Juan-les-Pins: , 2002: 533-542.
[5] Hanjalic A, Zhang Hongjiang. An integrated scheme for automated video abstraction based on unsupervised cluster-validity analysis [J]. IEEE Trans on Circuits and Systems for Video Technology, 1999, 9(8): 1280-1289.
[6] Shi Lu, Lyu M R, King I. Semantic video summarization using mutual reinforcement principle and shot arrangement patterns // Proceedings of the 11th International Multimedia Modeling. Melbourne: , 2005: 60-67.
[7] Pontil M, Verri A. Support vector machines for 3-d object recognition [J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1998, 20(6): 637-646.
[8] Vpanik V. The nature of statistical learning theory [M]. New York: Springer Verlag, 1995.
[9] Chang C C, Lin C J. LIBSVM: a library for support vector machine . Taiwan: , 2004. http://www.csie.ntu. edu.tw/~cjlin/libsvm.
[10] 曹建荣,蔡安妮. 基于支持向量机的视频关键帧语义提取[J]. 北京邮电大学学报, 2006, 29(2): 123-126. Cao Jianrong, Cai Anni. Semantic extraction of video keyframe using support vector machines [J]. Journal of Beijing University of Posts and Telecommunications, 2006, 29(2): 123-126.

[1]	靳梦凡, 黄智濒, 储志强. 复杂环境下多模态指导的点云补全方法[J]. 北京邮电大学学报, 2023, 46(3): 103-108.
[2]	张浩冯春燕杨佳汇郭彩丽周博文. 面向语义通信的3D骨骼点数据编码与压缩方法[J]. 北京邮电大学学报, 2022, 45(6): 62-69.
[3]	马楠宋孟书刘宜明董辰. 面向智能机器通信的语义信息刻画及度量[J]. 北京邮电大学学报, 2022, 45(6): 12-21.
[4]	田中大潘信澎. 小波消噪和优化支持向量机的网络流量预测[J]. 北京邮电大学学报, 2022, 45(5): 79-84.
[5]	谢永红陶浒贾麒杨石兵韩辛亮. 基于预训练语言模型的中医症状标准化方法[J]. 北京邮电大学学报, 2022, 45(4): 14-20.
[6]	谢永红, 陶浒, 贾麒, 杨石兵, 韩辛亮. 基于预训练语言模型的中医症状标准化方法[J]. 北京邮电大学学报, 2022, 45(4): 13-18,57.
[7]	赵海英, 朱会, 侯小刚. 基于改进EMA单元的传统服饰图像语义分割[J]. 北京邮电大学学报, 2022, 45(1): 69-74.
[8]	邓筱, 徐梦秋, 吴铭, 张闯. 基于语义分割的织锦类自适应风格迁移算法[J]. 北京邮电大学学报, 2021, 44(1): 117-123.
[9]	田朗, 黄平牧, 吕铁军. SA-Siam++:基于双分支孪生网络的目标跟踪算法[J]. 北京邮电大学学报, 2019, 42(6): 105-110.
[10]	胡铮, 刘奕杉, 朱新宁, 于建港. 基于用户行为序列特征的位置预测模型[J]. 北京邮电大学学报, 2019, 42(6): 149-154.
[11]	赵雄文, 孙宁姚, 耿绥燕, 张钰, 杜飞. 基于最小二乘支持向量机的时变信道建模[J]. 北京邮电大学学报, 2019, 42(5): 29-35.
[12]	张春祥, 赵凌云, 高雪瑶. 基于卷积神经网络的词义消歧[J]. 北京邮电大学学报, 2019, 42(3): 114-119.
[13]	韦娟, 张芃楠, 岳凤丽, 宁方立. 基于PSO-PF算法的SVM识别方法及其在异常声音中的应用[J]. 北京邮电大学学报, 2019, 42(3): 58-63.
[14]	吴青, 齐韶维, 孙凯悦, 臧博研, 赵祥. 最小二乘大间隔孪生支持向量机[J]. 北京邮电大学学报, 2018, 41(6): 34-38.
[15]	马宇鹏, 张建国, 邱继伟. 基于Bootstrap-SVR-SOC的小子样结构机构可靠性分析方法[J]. 北京邮电大学学报, 2018, 41(4): 81-85.

基于支持向量机的语义视频摘要

Semantic Video Summarization based on Support Vector Machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价