文献

J-GLOBAL ID：201302201966649615   整理番号：13A1261160

確率的超グラフに基づくビデオ事象の意味検出

Semantic detection of video events based on probabilistic hyper-graph

著者 (4件)： Ren Mei (School of Computer Sci. and Telecommunication Engineering, Jiangsu Univ., Jiangsu, Zhenjiang) ,  Zhan Yongzhao (School of Computer Sci. and Telecommunication Engineering, Jiangsu Univ., Jiangsu, Zhenjiang) ,  Pan Daoyuan (School of Computer Sci. and Telecommunication Engineering, Jiangsu Univ., Jiangsu, Zhenjiang) ,  Sun Jiayao (School of Computer Sci. and Telecommunication Engineering, Jiangsu Univ., Jiangsu, Zhenjiang)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 32  号： 11  ページ： 3014-3017  発行年： 2012年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ビデオ事象の分類は不鮮明かつ未定である。ソフト超グラフの確率的形式に超グラフの点集合マトリックスを広げて,事象と意味の相関を分析して,マルチイベント検索システムの適合率と再現率は改善されるだろう。この論文は確率的超グラフモデル(PHVESD)に基づくビデオ事象意味検出アルゴリズムを提案する。まず第一に方式は,低レベル視覚特徴,色,グレイレベル共起関係行列,Tchebichefモーメント,および局所的二値パターン(LBP)を統合した。ビデオセグメンテーションの親密度関数を次に定義して,親密度情報構成確率的超グラフモデルを使用する。それぞれのハイパーエッジが事象意味に対応した。それぞれのハイパーエッジに属すビデオセグメントの確率を予測するためにMarkovランダムウォークモデルを採用する。最終的に,MAPで未知のビデオ事象を分類した。著者は,トラフィック緊急マルチセマンティック事象検出にこの方式を使用して,別のものと提案方法を比較した。実験結果は,超グラフモデルに基づくマルチラベルランダムウォーク(MLRW)アルゴリズムと比較して,マルチセマンティック事象検出精度が提案方法で10%改善して,再現度が8%増加することを示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： 超グラフ ,  *録画装置 ,  セグメンテーション ,  画像処理 ,  モデル ,  アルゴリズム ,  行列 ,  数学モデル ,  情報検索システム ,  通信信号 ,  モーメント
準シソーラス用語： *ビデオ ,  ビデオセグメンテーション ,  ランダムウォークモデル ,  検出アルゴリズム ,  共起関係行列 ,  グラフモデル ,  検索システム ,  マトリックス【行列】 ,  トラフィック【通信】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 確率 ,  超グラフ ,  ビデオ ,  事象 ,  意味