基于语义分析方法的视频流媒体大数据技术研究

摘要

视频语义分析是对视频信息所包含内容的描述和逻辑表示，涉及众多信息处理研究领域。大数据技术在数据存储、运算等方面具有优势，而粒计算理论在数据描述、特征分类等方面具有优势，因此将大数据技术和粒计算理论应用于视频语义分析系统具有明显的应用前景。
　　 本论文针对流媒体大数据处理分析中面临的关键问题展开工作，对流媒体大数据存储模型、视频语义分析模型和视频分析关键算法进行了深入研究。首先讨论了视频数据处理的关键问题，针对视频语义分析的存储、查询问题提出了一种新的流媒体大数据存储架构，构建了视频数据按时间特征存储、检索的解决方案;其次，将大数据技术用于视频语义分析，并将粒计算理论用于视频数据的结构描述，建立了不同粒度下的分层视频语义分析模型;最后，针对视频处理运动物体检测和阴影抑制，提出了一种基于运动矢量检测的阴影抑制算法，并讨论了该算法在大数据系统的实现问题。
　　 具体研究内容和创新点有如下几个方面:
　　 1、设计了一种按时间特征寻址、检索和分析流媒体大数据的新型存储架构。该架构支持流媒体数据编解码压缩，可以按帧存储寻址，有利于在海量存储介质中实现快速定位和分析结果统一存储。
　　 2、在流媒体大数据按帧存储寻址的基本结构上，提出了元数据描述的语义分析框架并建立了多层次数据库接口。设计了通用的流媒体大数据存储检索数据库，在此基础上可以根据不同应用建立各自的视频分析元数据模型以及数据库接口，解决了众多异构的视频采集模块、视频分析模块和系统的连接问题。
　　 3、采用粒计算理论，将视频数据中图像特征、图像对象、视频对象、语义对象等物理结构映射为粒子，形成包含粒属性结构的视频流媒体粒度模型。将不同粒层的视频粒子采用不同的分析手段进行处理，可以简化视频分析的算法结构，同时也有利于采用大数据技术实现并行运算。
　　 4、提出了基于运动矢量检测的运动物体阴影抑制算法，算法将视频编码信息中的运动矢量信息用于运动物体阴影抑制，取得了较好的抑制效果，最后采用视频流媒体粒度模型对算法进行建模设计。

目录

声明

摘要

图目录

表目录

第一章 绪论

1．1 课题研究背景和意义

1．1．1 背景

1．1．2 意义

1．2 国内外研究概况

1．2．1 视频语义分析

1．2．2 语义分析在视频监控中的应用

1．3 课题研究技术背景

1．3．1 视频语义分析关键技术

1．3．2 运动物体检测技术

1．3．3 阴影抑制算法

1．3．4 粒计算理论

1．3．5 大数据技术

1．3．6 流媒体大数据

1．4 本文研究内容

1．5 本文写作安排及创新点

第二章 流媒体大数据存储架构

2．1 大数据存储架构

2．1．1 存储模型结构

2．1．2 名字空间

2．1．3 大数据管理软件模块

2．1．4 数据操作过程

2．2 流媒体大数据存储架构

2．2．1 图像底层特征

2．2．2 视频结构特征

2．2．3 大数据视频存储架构

2．2．4 数据描述

2．2．5 视频存储结构定义

2．2．6 视频存储API

2．2．7 视频帧存储过程

2．2．8 视频语义模型结构定义

2．3 基于语义分析的流媒体元数据存储架构

2．4 视频元数据描述

2．5 小结

第三章 视频流媒体粒度模型

3．1 视频分层

3．2 视频粒化

3．3 视频流媒体粒度分层模型

3．3．1 图像特征层定义

3．3．2 图像对象层定义

3．3．3 视频对象层

3．3．4 视频语义层

3．4 大数据视频分层模型结构

3．5 小结

第四章 基于运动矢量检测的运动物体阴影抑制算法

4．1 算法描述

4．1．1 高斯混合背景模块

4．1．2 运动矢量提取模块

4．1．3 运动阴影检测模块

4．1．4 高斯混合阴影检测模块

4．2 粒度分层模型设计

4．3 实验结果和分析

4．4 小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录

攻读学位期间参加的科研项目