基于主题的体育新闻视频检索的研究

摘要

进入二十一世纪以来，民众对收看到感兴趣的体育新闻的需求越来越大。为了提高体育新闻视频检索的效率，越来越多的学者将体育新闻主题的标注加入到检索过程中。本文对基于主题的体育新闻视频检索中的关键技术(镜头边界检测，主持人镜头检测，镜头特征提取和主题标注)进行深入研究。主要工作主要体现在以下几个方面：
　　 (1)提出基于改进型的时空模块特征的镜头边界检测方法。采用所构建的多个时空模块来检测镜头局部的连续性。提出基于图论聚类的理论的融合机制，通过图论理论将描述同一对象时空模块进行合并。最终能够避免在进行镜头边界检测时所造成的误检和漏检。
　　 (2)提出一个新的主持人镜头检测方法分割体育新闻单元。首先利用主持人在视频中运动幅度不大且运动区域稳定的特性，采用运动信息特征筛选出主持人候选镜头。同时由于主持人会在新闻中会多次出现，采用相似度累加的方法从主持人候选镜头中检测出最终的主持人镜头。最终将两个主持人镜头之间的视频内容作为新闻单元输出。
　　 (3)针对传统的SIFT特征无法展现视频帧中对象的运动信息，提出一种改进型的SIFT特征描述镜头。采用时空兴趣点的思想来筛选出能准确反映出运动对象的SIFT特征点，利用k-means聚类算法在时空区域对筛选出的SIFT特征进行聚类。将最终能够反映出体育新闻单元主题的SIFT特征点作为镜头特征输出。
　　 (4)在标注阶段，针对标准的隐马尔科夫模型只适用于一维特征分类的缺陷，采用嵌入式隐马尔科夫模型(Embedded Hidden Markovmodel)标注新闻单元的主题。利用EHMM中的主HMM记录新闻单元中镜头之间的随机变化过程，利用子HMM记录每一个镜头中镜头特征的随机变化过程。针对HMM在训练中容易陷入局部极值的问题，提出一种新的HMM训练模式，同时采用量子粒群算法对HMM训练进行优化，防止训练模型输出的结果为局部极值。
　　 最终的实验结果表明，本文所提出的镜头边界检测能够有效的解决目前所存在的问题。