• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>電子情報通信学会技術研究報告 >SIFT特徴点軌跡を用いた周辺ヒストグラムによる動画類似度ベクトル量子化を用いない非学習型の動画検索法
【24h】

SIFT特徴点軌跡を用いた周辺ヒストグラムによる動画類似度ベクトル量子化を用いない非学習型の動画検索法

机译：基于SIFT特征轨迹的边缘直方图不进行视频相似度矢量量化的非学习视频检索方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Video similarity is a basic technique of scene/object recognition. To extract discriminative features from videos, recent popular methods handle videos with visual words i.e., vector quantized descriptors. However, the performance of vector quantization depends on the pre-learning, especially on the clustering. In this paper, we propose a novel video similarity measurement by using marginal distribution on the feature space. Our method uses key-point trajectories extracted from videos and represents videos as histogram representing marginal distribution. Video similarity is defined as combination of similarities between marginal distributions. We tested our method by similar video retrieval tasks. Our method retrieved a kind of hommaged videos which have modified background, are heavyly encoded, rewited by hand and so on.%近年，静止画，動画検索の分野において特徴点及び局所特徴量を用いた手法が多く用いられている．その中で現在用いられている手法の多くは，Bag of Fbatures（BoF）モデルに代表される様なベクトル量子化を用いる手法である．しかし，BoFモデルを用いる手法はベクトル量子化を行う際に事前学習を必要とし，事前学習に用いたデータや学習の際のクラスタリング結果が手法の精度に影響を与える．そこで，本論文ではSIFT特徴点の描く軌跡をベースとした非学習型の動画間類似度評価を提案する．本手法では，抽出した特徴量の各次元における周辺ヒストグラムを用いて動画を表現する事で，ベクトル量子化を行わず抽出した特徴量を量子化を行った．評価実験では実際にインターネット上の動画サイトから収集した動画を対象に類似動画の検索を行い，本手法の性能を示した．
机译：视频相似度是场景/物体识别的基本技术。为了从视频中提取判别特征，最近流行的方法使用视觉单词（即矢量量化描述符）处理视频。但是，矢量量化的性能取决于预学习，尤其是基于聚类：本文提出了一种利用特征空间上的边际分布的新颖视频相似度测量方法，该方法利用从视频中提取的关键点轨迹并将视频表示为代表边际分布的直方图。我们通过类似的视频检索任务对我们的方法进行了测试。我们的方法检索了一种经过修饰的残影视频，这些残影经过了背景修改，被大量编码，被手工抖动等。％近年来，静态图像和视频检索领域的特征点并且经常使用使用局部特征的方法。当前使用的大多数方法是使用矢量量化的方法，如功能袋（BoF）模型所示。但是，使用BoF模型的方法在进行矢量量化时需要进行预学习，并且用于预学习的数据和学习时的聚类结果会影响该方法的准确性。因此，在本文中，我们提出了一种基于SIFT特征点绘制轨迹的视频之间非学习类型相似性评估。在该方法中，通过在所提取的特征量的每个维度中使用外围直方图来表达运动图像，来对所提取的特征量进行量化而不进行矢量量化。在评估实验中，我们从相似的视频中搜索了实际上从Internet上的视频站点收集的视频，并证明了该方法的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号