公开(公告)号：CN102663015B

公开(公告)日：2015-05-06

申请号：CN201210075050.7

申请日：2012-03-21

Applicant: 上海大学

Inventor： 章剑飞 ,  蔡喜 ,  李平 ,  丁友东

IPC: G06F17/30 ,  G06N3/08

Abstract: 本发明涉及一种基于特征袋模型和监督学习的视频语义标注方法。该方法的包括步骤如下：(1)对电影视频进行预处理，进行视频镜头边界检测，对电影进行镜头分割；然后采取一定的策略提取出各个镜头的关键帧，每一幅关键帧作为视频镜头的代表帧；(2)构建一个视频语义本体库，定义大量的语义概念，用语义概念描述视频的语义信息，对视频的语义内容进行标注，以便对视频进行管理和检索；(3)提取视频关键帧的SIFT特征，然后采用k-means聚类对这些特征点聚类，每一个聚类代表一个“视觉单词”,从而生成“视觉词汇表”；(4)提取部分“视觉词汇表”进行训练，标注出相应的语义信息，采用监督学习方法，预测测试样本中的“视觉单词”，实现对视频关键帧的语义标注。

公开(公告)号：CN102663015A

公开(公告)日：2012-09-12

申请号：CN201210075050.7

申请日：2012-03-21

Applicant: 上海大学

Inventor： 章剑飞 ,  蔡喜 ,  李平 ,  丁友东

IPC: G06F17/30 ,  G06N3/08

Abstract: 本发明涉及一种基于特征袋模型和监督学习的视频语义标注方法。该方法的包括步骤如下：(1)对电影视频进行预处理，进行视频镜头边界检测，对电影进行镜头分割；然后采取一定的策略提取出各个镜头的关键帧，每一幅关键帧作为视频镜头的代表帧；(2)构建一个视频语义本体库，定义大量的语义概念，用语义概念描述视频的语义信息，对视频的语义内容进行标注，以便对视频进行管理和检索；(3)提取视频关键帧的SIFT特征，然后采用k-means聚类对这些特征点聚类，每一个聚类代表一个“视觉单词”,从而生成“视觉词汇表”；(4)提取部分“视觉词汇表”进行训练，标注出相应的语义信息，采用监督学习方法，预测测试样本中的“视觉单词”，实现对视频关键帧的语义标注。