基于自適應(yīng)局部敏感的稀疏表示的視頻分類(lèi)技術(shù)研究

17900字
自己原創(chuàng)的畢業(yè)論文，已經(jīng)通過(guò)校內(nèi)系統(tǒng)檢測(cè)，重復(fù)率低，僅在本站獨(dú)家出售，大家放心下載使用

摘 要
隨著互聯(lián)網(wǎng)技術(shù)和多媒體應(yīng)用的蓬勃發(fā)展，數(shù)字視頻信息出現(xiàn)了飛速膨脹，對(duì)海量視頻信息進(jìn)行管理的難度日益加大。由于視頻數(shù)據(jù)普遍具有較大的數(shù)據(jù)量，視頻存儲(chǔ)的信息種類(lèi)繁多，因此，面對(duì)如此海量視頻數(shù)據(jù)如何有效地進(jìn)行分類(lèi)成為了近年來(lái)研究的熱點(diǎn)，其中，基于語(yǔ)義的視頻鏡頭分類(lèi)更是一項(xiàng)關(guān)鍵技術(shù)。
本文分析研究了課題組所提出基于自適應(yīng)局部敏感稀疏表示的視頻分類(lèi)算法，結(jié)合基于人工免疫有序聚類(lèi)的視頻關(guān)鍵幀提取算法，圖像多特征提取技術(shù)和特征融合技術(shù)，使用自適應(yīng)局部敏感的稀疏表示算法對(duì)訓(xùn)練視頻鏡頭樣本進(jìn)行字典學(xué)習(xí)，獲取能反映視頻本質(zhì)特征的優(yōu)化字典，最終得到待測(cè)試視頻鏡頭樣本在優(yōu)化字典上的稀疏表示用于分類(lèi)。
在OPENCV、VC++和MATLAB環(huán)境下，采用面向?qū)ο蟮木幊趟枷耄O(shè)計(jì)實(shí)現(xiàn)了基于自適應(yīng)局部敏感的稀疏表示的視頻鏡頭分類(lèi)系統(tǒng)。在實(shí)現(xiàn)的過(guò)程中，系統(tǒng)將功能分為字典訓(xùn)練，預(yù)處理，分類(lèi)器三個(gè)模塊，提高了系統(tǒng)的健壯性，降低了編碼難度。系統(tǒng)界面美觀大方，使用方便。
關(guān)鍵詞 稀疏表示；視頻鏡頭分類(lèi)；字典學(xué)習(xí)；局部敏感

RESEARCH ON VIDEO SHOT CLASSIFICAATION TECHNIQUE BASED ON SELF-ADAPTIVE LOCALITY-SENSITIVE SPARSE REPRESENTATION
Abstract With Internet technology and the rapid development of multimedia applications, digital video rapid expansion of information appeared on the massive video information is difficult to manage growing. Since video data generally have a larger amount of data, information, many types of video storage, so the face of such massive video data on how effectively classify become a research hotspot in recent years, which, based on semantic classification is a video camera key technologies.
In this paper, based on the Task Force proposed adaptive local sparse representation algorithm is applied to sensitive video classification, based on artificial immune combining video key frame extraction and sequential clustering multiple image feature extraction and feature fusion technique using adaptive local sensitive sparse representation algorithm samples the training video footage dictionary learning, access to reflect the essential characteristics of video optimization dictionary, finally get video footage samples to be tested to optimize the dictionary sparse representation for classification.
In OPENCV, VC + + and MATLAB environment, the use of object-oriented programming ideas, designed and implemented based on adaptive local-sensitive video sparse representation camera classification system, in the process of implementation, the system devide function into the dictionary training, pretreatment, classifier three modules, improving the robustness of the system, reducing the coding difficulty, so that users can more easily use.
Keywords：sparse representation ,video classification, dictionary learning, local sensitive,

目 錄
第一章 緒論 1
1.1 課題研究背景 1
1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀 2
1.3 目前視頻鏡頭分類(lèi)系統(tǒng)存在的問(wèn)題 2
1.4 本論文研究的內(nèi)容和安排 2
第二章 視頻鏡頭預(yù)處理 4
2.1 視頻鏡頭分割 4
2.2 基于人工免疫有序聚類(lèi)的視頻關(guān)鍵幀提取方法 4
2.2.1 基于人工免疫的有序樣本聚類(lèi)算法 4
2.2.2 基于人工免疫有序聚類(lèi)的視頻關(guān)鍵幀提取算法 5
2.3 視頻的特征提取 6
2.3.1 顏色特征 6
2.3.2 LBP特征提取 12
2.3.3 灰度共生矩陣特征提取 15
2.3.4 徑向Tchebichef矩特征提取 17
2.4 多特征融合 19
2.5 本章小結(jié) 20
第三章 基于自適應(yīng)局部敏感的稀疏表示的視頻鏡頭分類(lèi)技術(shù) 21
3.1 稀疏表示 21
3.1.1 稀疏表示（SR） 21
3.1.2 稀疏表示分類(lèi)算法（SRC） 22
3.2 局部敏感的稀疏表示（LSR） 22
3.3 自適應(yīng)局部敏感的稀疏表示（SLSR） 23
3.4 基于自適應(yīng)局部敏感的稀疏表示的視頻語(yǔ)義分類(lèi) 25
3.5 基于自適應(yīng)局部敏感的稀疏表示的視頻鏡頭分類(lèi)流程 26
3.6 系統(tǒng)定性分析 27
3.7 本章小結(jié) 27
第四章 視頻鏡頭分類(lèi)原型系統(tǒng)的實(shí)現(xiàn) 28
4.1 開(kāi)發(fā)環(huán)境簡(jiǎn)介 28
4.2 面向?qū)ο笤O(shè)計(jì)技術(shù) 28
4.3 系統(tǒng)的總體設(shè)計(jì) 28
4.4 系統(tǒng)核心類(lèi)設(shè)計(jì) 30
4.4.1 特征的稀疏表示和重構(gòu)類(lèi)的設(shè)計(jì) 30
4.4.2 視頻特征提取類(lèi)的設(shè)計(jì) 31
4.5 視頻鏡頭分類(lèi)原型系統(tǒng)功能實(shí)現(xiàn) 32
4.5.1 系統(tǒng)界面簡(jiǎn)介 33
4.5.2 功能模塊簡(jiǎn)介 34
4.5.3 視頻分類(lèi)系統(tǒng)的基本操作 37
4.6 本章小結(jié) 39
第五章 結(jié)論 40
5.1 工作總結(jié) 40
5.2 后期工作展望 40
致 謝 41
參考文獻(xiàn) 42