公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于HCRF模型的足球视频精彩事件检测方法研究: 由于当今世界多媒体内容的快速增长以及其在网络上的广泛传播,人们对在不同地点用不同设备获取和浏览多媒体信息的需求与日俱增。对于那些冗长的视频特别是足球视频,如果存在一种可以让用户直接浏览视频中的精彩片段而跳过那些非精彩片段...; 丁力伟; 关键词：足球视频精彩片段; 文献传递

HCRF和网络文本的精彩事件自动检测定位: 2015年; 利用隐条件随机场(HCRF)在表达和识别语义事件方面的强大功能,并结合网络直播文本信息,提出了一种新的精彩事件自动检测框架.首先,通过对网络直播文本进行分析处理,获得每种精彩事件对应的关键词组合;其次,对待检测的网络直播文本进行分类,获得每个精彩事件发生的时间标签;然后,构建用于提出的语义镜头标注的HCRF模型,实现多种语义镜头的同时标注,得到视频语义镜头标签序列;最后,结合多模态语义线索,在小规模训练样本的情况下,有效建立了精彩事件检测与定位的HCRF模型.文中基于视频底层特征、多模态语义线索及精彩语义事件之间的映射关系,从结构语义的多个维度挖掘了精彩事件的内在规律,准确实现了精彩事件的自动检测、定位与分割.实验结果证明了该模型的有效性.; 同鸣王硕丁力伟王纲; 关键词：视频语义分析网络文本

融合HCRF和AAM的足球视频精彩事件检测被引量：3: 2014年; 精彩事件检测在体育视频语义分析领域具有很高的学术研究价值和广泛的市场应用前景.利用隐条件随机场(hidden conditional random field,HCRF)模型在表达和识别语义事件方面的强大功能,创新性地提出了一种融合了HCRF和情感激励模型(affective arousal model,AAM)的精彩事件检测方法.首先,通过精彩事件视频结构语义分析,定义了13种多模态语义线索,以准确描述精彩事件富含的语义信息;其次,在基于概念格的多模态语义线索聚类基础上,添加时域特征信息,以构建特征值加权的情感激励模型,得到了各类精彩事件的情感激励值;最后,在小规模训练样本情况下,有效建立了各类精彩事件检测的HCRF模型,基于视频语义镜头序列、情感激励值序列和精彩事件之间的映射关系,从多模态语义线索、视频结构语义、情感语义等多个维度挖掘了精彩事件的潜在规律,实现了同一HCRF模型下各类精彩事件的同时检测.实验证明了该方法的有效性.; 同鸣丁力伟姬成龙; 关键词：视频语义分析情感语义语义标注概念格

多维语义线索和HCRF模型的足球视频精彩事件检测被引量：1: 2013年; 足球视频精彩事件检测一直是视频语义分析领域研究的热点和难点.文中利用隐条件随机场(hidden conditional random field,HCRF)模型在表达和识别语义事件方面的强大功能,提出一种多维语义线索和HCRF的角球、点球和红黄牌精彩事件检测框架.首先通过对精彩事件视频结构语义进行分析,定义了10种多维语义线索,以准确描述精彩事件富含的语义信息;然后对视频片段进行物理镜头分割,对镜头关键帧提取多维语义线索得到特征矢量,再将测试视频片段中所有镜头的特征矢量共同构成观察序列;最后在小规模训练样本的情况下将观察序列作为HCRF模型的输入,建立了精彩事件检测的HCRF模型.文中基于音视频底层特征、多维语义线索及精彩语义事件之间的映射关系,从视频结构语义的多个维度挖掘了精彩事件的内在规律,准确地实现了精彩事件的检测.实验结果表明了该框架的有效性.; 同鸣丁力伟刘莹莹; 关键词：视频语义分析

融合归一化语义加权和规则的足球视频进球检测: 2013年; 针对足球视频精彩进球事件检测,提出一种归一化的语义加权和规则足球进球检测融合方案.首先构建了进球事件的隐马尔科夫模型(HMM);然后提出一种语义观测权重的镜头新特征,以此建立归一化的语义加权和规则,分别实现了基于HMM方法和语义加权和规则方法的进球事件检测;最后提出一种基于逻辑距离的融合方案,将2种方法的检测结果通过最优权重进行决策级融合,显著地提高了进球事件的检测性能.采用文中方案建立的语义加权和规则基于客观的视频统计信息、不过多依赖于人的主观观察,克服了同类方法中的人力耗费问题,不需要复杂训练,计算量较小;并通过实验证明了该方案的有效性.; 同鸣丁力伟谢文娟; 关键词：视频语义分析隐马尔科夫模型语义规则决策级融合

全选清除导出

共1页<1>

丁力伟