高层密语基于格兰杰因果为视频事件检测

文摘

视频事件检测是一个具有挑战性的问题在许多应用程序中,如视频监控和视频内容分析。在本文中,我们提出一个新的框架来看待高层密语通过分析不同频道的视频时序关系的特性。低级词汇后首先生成不同的音频和视觉特征提取。加权无向图由探索低级词汇之间的格兰杰因果关系。然后,一个贪婪的烧结的graph-partitioning方法用于发现低级字组也有类似的时间模式。低级的高层通过量化码书表示单词组。最后,多个内核的学习,结合我们的高层密语,用于检测视频事件。大量的实验结果表明,该方法在视频事件检测达到更好的结果。

1。介绍

数码相机和手机的日益普及,越来越多的消费者产生网络视频记录现实生活中的事件被广泛使用在互联网上。例如,超过100小时的视频被上传到YouTube[每一分钟1]。因此,如何有效地管理和检索视频无约束的消费者正成为一个迫在眉睫的问题。特别是,视频事件识别是计算机视觉领域得到越来越多的关注(2]。然而,这是一个非常艰巨的任务由于变量不同的视频内容和环境照明、镜头运动,和遮挡。图1显示了一些代表帧从事件“鸟”定义在哥伦比亚消费者视频(闭路)数据库(3]。我们可以看到,这六个视频的内容截然不同,虽然他们都是属于同一类型的事件。

大部分的现有event-recognition机密视频主要是基于视觉信息的方法。一般来说,各种视觉特性的关键帧提取事件分类(4,5]。其他一些事件检测方法使用高级视觉特性表征之间的关系建模低级视觉特征和语义概念(6,7]。但事实上,除了视觉功能,音频信息相同的视频也为事件提供了重要线索识别(8,9]。

为了更好的视频描述潜在的因果关系,在这项工作中,我们提出一个高层次的电报密码本表示利用格兰杰因果关系(10)不同渠道的特性。首先,低级视觉特征和音频特征提取,这是集群形成视觉bag-of-words(弓)和音频的弓,分别。模型之间的时序因果关系两个渠道的信息,视频序列的词汇表示被视为多元点的瞬时的过程。通过分析低级音频和视觉单词之间的格兰杰因果关系,构建一个无向加权图视频的时间因果关系模型。之后,我们把图像分割成低级的词表明颞模式视频。最后高级由量化码书生成低级字组,然后视频事件检测是基于多个内核学习框架(MKL) [11]。我们评估我们的方法在公共数据集和执行与许多其他的比较先进的方法。实验结果表明,本文提出的方法可以获得更好的结果在消费视频。我们建议的方法的一般流程如图2。

总之,本文的主要贡献是提出框架(1)感知高层密语,考虑到颞低层特征之间的因果关系;(2)建设时序关系图中提取高层码字;(3)利用多个内核的学习框架来检测视频事件。

剩下的纸是组织如下。我们首先回顾相关工作,特别是受欢迎的特征融合方法用于视频事件检测部分2。我们继续提取底层视频功能部分3。节4高层密语,我们提出一个框架,用于事件探测基于时间的因果关系。我们的实验结果在公共数据集提供了部分5。本文结尾结论和未来的工作前景6。

2。相关工作

多特征融合多媒体分析已经被广泛地研究过了。与仅使用单一特征相比,multifeature融合已被证明为多媒体内容分析提高性能。一般来说,早期的融合和后期融合是两个流行的特征组合方法(12]。早期融合连接特性从不同的形式为一个向量,而后期融合结合不同的分类器来得到最终的分类结果分数在一定原则。然而,问题如何构建合适的共同特征和分类器组合仍然是一个开放的问题。

在机器学习领域,许多研究人员一直致力于开发多个学习算法实现多特征融合的观点。在[13),提出了一种多特征融合算法通过学习一个广义子空间之间的典型相关的低级特性测量。哦等人设计了一个多媒体事件检测框架基于潜在支持向量机模型,该模型可以学习高级概念(14]。多级特征策略已经被Natarajan等人利用了复杂事件检测,如多个内核学习,分数级别融合和加权平均融合(15]。然而,大多数这些方法可能需要大量的训练数据标签,但实际视频往往缺乏准确的标签,尤其是消费者的视频。semisupervised学习方法已经被证实能有效地使用无标号数据推断出一个精确的分类器(16- - - - - -18]。在[16),杨等人设计了一个分层回归模型学习分类器可以利用未标记数据来表示多个特性。最近,马等人提出了一个semisupervised学习框架little-labeled训练数据通过整合multifeature学习和黎曼度量(17]。在[18),徐等人设计了一个cross-feature学习复杂事件检测模型基于多级关联学习相关的范本。

一些其他作品集中在使用视听信号跟踪和识别(19,20.]。Derbas和Quenot提出一个视听特性表征检测暴力镜头在电影19]。约内斯库等人设计了一个内容颜色描述符包括音频和视频内容分类(20.]。然而,这些方法的实证结果受很多条件,比如视频的类别和环境的视频。

最近,Jhuo等人提出了一个视听双向表示视频事件检测(21]。视听描述符是首先提取构造两偶图发现了联合概率的音频和视觉词汇。双峰的话然后通过图分区。不同于上面的方法基于统计关系,角色等人首先产生时空字典为视觉事件时序因果关系分析(22]。作为这项工作的延伸,江和Loui引入一个视听小组表示方法使用颞视听关系(23]。作者构建了四种类型的小组之间的结合前景和背景信息。尽管与我们的工作关系密切,上述方法需要视觉前景/背景分离和音频背景/前景提取、在消费者仍然极其困难和费时的视频。在本文中,该方法适用于一般的网络视频和避免区域分割。

3所示。低级词汇表示

弓的方法是一个受欢迎的特性表征方法已被证明是令人惊讶的有效的视频分析(3]。在这篇文章中,两种类型的从培训视频底层特征提取,然后生成两种类型的弓的视频。我们使用以下低级描述符在我们的工作。

筛选。尺度不变特征变换(SIFT)已广泛应用于许多研究视频内容分析、对象识别和视频等概念检测(24),因为它是不变的图像比例尺,旋转,改变观点。本文采用高斯函数操作符的区别在帧找到当地的关键点。然后,128维特征描述符每一点成立捕捉当地的梯度。为了降低计算成本,我们从采样帧中提取特征的采样率3帧每秒。

站下车。视频内容分析的一个重要线索,流行的时空兴趣点(STIP)提取当地时空结构图像值有显著的变化在空间和时间25]。摘要哈里斯3 d检测器采用定位时空体积。每卷被细分成(长方体)网格,然后4箱的梯度直方图(猪)和5箱直方图(霍夫)光流计算的网格。参数设置和纸一样(25),如。最后,我们直接连接猪和霍夫特性为162 -维向量代表当地的运动。

DTF。密集的轨迹特性(DTF)已被证明是最好的视觉特征在视频分析的应用26]。在[设置后26),我们提取了密集采样轨迹的特征点在一个密集的网格,和轨迹描述符了在轨迹时空体积。最后,我们提取96 -维轨迹的猪的特性。

MFCC。声学特性被发现为各种识别系统是非常有用的。在不同的声学特性,mel-frequency cepstral系数(MFCC) [27),集体代表短期功率谱的声音基于线性余弦变换,是一种最普遍选择音频识别。对于每个视频,我们提取36-dimensional MFCCs特性超过20 ms与10 ms重叠窗口大小。

四个低级码被聚类生成的上述特性,分别。对于每一个视频剪辑,这四个特性量化形成四个弓直方图表示。为了讨论颞低层特征之间的因果关系,我们直接连接不同的视觉特征,形成视觉弓提供视频的视觉信息,而MFCC鞠躬代表了音频信息。它们被用来提取高层密语,在下一节中讨论。

4所示。高层码字表示

在本节中,高级密语表示详细解释基于格兰杰因果关系。我们首先将视频中的每个单词视为一个点过程和低层码字之间的格兰杰因果分析。然后,我们构建了一个基于时间的加权无向图的关系来提取高层密语。最后,我们使用多个内核学习框架来检测视频事件。

4.1。颞低层码字之间的因果关系

音频信息是一个重要的线索视频事件检测。某种类型的视觉对象的出现总是伴随着一些类型的背景声音。例如,篮球比赛的音频背景往往是球弹跳的声音,和一只狗在视频的出现往往遵循吠叫。因此,我们需要首先分析颞视觉信息和音频信息之间的因果关系,然后检测基于视听视频事件的相关性。

角色等人首先提出一个方法来描述时间因果关系之间的视觉单词的视频查看单词序列作为多元点过程(22]。在这里,我们使用和代表的音频和视觉词汇,分别和表示音频和视觉单词的数量。为了调查的共存和每个单词,我们计算的概率和在每个视频帧。首先,出现单词的数量在这一期间被定义为 在哪里表示时间分辨率。平均强度的过程被定义为。然后我们考虑为过程和重命名这一过程。因此,所有视觉单词创建一个维多元点过程。同样的,维多元点过程可以创建视觉单词吗。

我们使用的方法(10]估计任何视觉点过程之间的格兰杰因果关系和任何音频点的过程。首先,上述两个点过程的光谱矩阵定义如下: 元素代表视觉点过程之间的互谱在哪里和音频点过程。我们使用了多窗口方法(28估计谱矩阵。在这种方法中,数据小蜡烛应用顺序的过程和的傅里叶变换采取如下: 的傅里叶变换,它表示可以计算一样,(3)。然后,光谱矩阵元素估计如下: 多元时间序列的过程和,我们采用自回归模型以适应数据。上面的然后映像如下: 在哪里传递函数是由自回归模型的系数矩阵和的联合协方差误差自回归模型。最后,格兰杰因果关系来然后估计的方法开发的(29日) 在哪里都是频率。

注意,格兰杰因果关系来并不总是等于Grange因果关系来由于方向性。同样,格兰杰因果关系来定义如下:

然后音频之间的格兰杰因果关系的价值单词和视觉单词的定义是两个方向的最大价值:

4.2。建设视听图与颞归因

所有的培训视频,我们视觉和音频特征提取部分3然后形成视觉单词和音频的话通过意思是集群的方法。在本节中,我们定义一个加权无向图每个单词之间的因果关系来描述。在这里顶点的集合,表示如下: 每个节点在对应于一个视觉单词或音频。

一组定义测量每个单词之间的合作关系。每个单词之间的合作关系可以分为三种类型,如视觉单词之间的关系,音频词语之间的关系,和音频单词和视觉单词之间的关系。音频文字和视觉文字之间的格兰杰因果关系被定义为(8)。同样的,其他类型的格兰杰因果关系可以写成:

为了降低计算成本,我们使用一个统计阈值发现因果关系的格兰杰因果矩阵。这里我们采用了三种不同的阈值,,对矩阵,分别。格兰杰因果关系的价值分数小于给定的阈值被视为nontemporal关系。之后,然后得分值大于阈值归一化。

基于上述分析,重量的边缘无向图的定义如下: 在哪里表示矩阵的转置。

4.3。高级事件检测码字表示

视听的图我们在部分构造4.2,一个贪婪的烧结的graph-partitioning方法(30.)采用提取低级字组。考虑到分区的顶点成组,最大的社会团体内部的相似性定义如下: 在哪里所有边的权值表示的子集和表示程度的子集中的所有顶点的总和。

我们开始分层集群基于一种改进的关联矩阵定义加权图的每条边。改进的矩阵中的元素定义如下: 在哪里和图中表示不同的集群。最初,或是图中顶点吗。在集群的每个阶段,我们选择顶点对()中的最大元素的矩阵,形成一个更大的集群。然后,矩阵通过删除更新相关的行和列和;与此同时,新行和列表示集群插入矩阵。为了继续下一次迭代步骤,权重矩阵更新和改进的矩阵如下:

确定集群的数量是很重要的问题在图分区。在本文中,我们采用了一种有效的方法来确定订单后选择初始分层聚类(30.]。在集群的每一步,我们定义一个新的指标描述相似的分区。的价值定义如下: 在哪里表示最大的分区标准化协会在顶点集的分区成集群。然后定义集群的数量如下: 在实践中,的价值可以获得的(16)或由用户提供。

图中每个集群分区的形式一个低级的词群,包含时间因果关系模式之间的音频和视频的视觉特性。和所有的低级组织形成一个高级视听字典,表示为。每一个视听被表示为音频语言子集的组合吗和视觉单词在这些高层密语。

对于一个给定的视频,提取的视觉特性和音频特性应该映射到新的视听组,然后生成一个高级词典功能表示。这里我们采用平均池原理总原始功能。袋高级词定义如下: 在哪里和代表单词音频和视觉单词的数量高层代号,表示th音频的话,表示th视觉单词,表示的值th本单词音频直方图表示的视频,的价值th本视频的视觉单词直方图表示。从(17),袋高级词表示对所有培训视频,这是代表如下:

4.4。视频事件检测基于多个内核的学习

多个内核学习框架已经广泛应用在视频分析11,16- - - - - -18]。在本文中,我们将我们的高级码字为共同使用simpleMKL算法(11]。因为我们的高层密语包括视觉和听觉词汇之间的时序因果关系,很难决定最优码字的大小。我们采用不同大小的码字表示simpleMKL框架。simpleMKL框架定义解决如下优化问题:

由于消费者的多样性视频在实际应用程序中,只有少数正确标记的训练数据。最近,徐等人提出了一个事件标记的训练数据的检测方法来解决这个问题,可以区分正面和负面原型通过学习multirelevance级别标签(18]。multirelevance水平学习问题给出如下: 上述学习问题可以新配方 我们使用矩阵为基本内核MKL问题。

5。实验和讨论

5.1。实验装置

在这项工作中,我们评估我们提出高层码字表示对哥伦比亚消费者大规模视频事件检测数据集(3),其中包含9317消费者与YouTube视频(总共210小时)。这些消费者视频包含不同内容没有事后编辑,同时消费者的原始音频轨道视频保存下来。视频都是手动标记到20语义类别。一样的设置3),我们使用相同的4659个视频培训,其余4658个视频进行测试。

我们所有的服务器机器上的实验研究与英特尔至强2.4 GHz cpu使用单个线程和32 GB RAM。对于绩效评估,我们使用平均精度(美联社,precision-recall曲线下的面积),平均精度(地图,意味着平均精度在所有事件类别)作为评价指标(3]。

为了证明我们的方法的有效性,我们系统地执行以下方法:(1)个人特点:我们进行实验的四个特性(筛选,煤断层、MFCC和DTF);然而我们只报告煤断层和DFT的结果。(2)早期融合:为了评估音频信息的影响,我们比较不同礼仪的表现的音频和视觉组合,如筛+ MFCC DTF + MFCC,筛选+ DFT + MFCC。(3)基于MKL联合视听码字(MKL_AVC),我们使用联合视听密语21),特别是,我们采用视听法图建设(21,图分区的方法如本文所述。(4)基于MKL高层密语(MKL_HLC):我们使用simpleMKL框架(11结合我们高层的基于时序因果关系的码字。(5)多级关联标签和MKL基于高层码字(MLMKL_HLC):我们使用了multirelevance水平学习方法(18)学习培训标签,然后结合我们的高灵敏度的码字进行事件检测。在这个实验中,每个语义类别标记水平的,和标签是正样本和标签1是负样本。我们固定的参数作为multirelevance 4水平。

5.2。低级的性能特性

评估实验的低级的性能特性,我们训练一个分类器为每个语义类别采用one-versus-all内核支持向量机,这已被证明的优秀的性能分类BoW-based特性。美联社和映射结果如图4。

至于个人特性实验中,我们可以看到四个人特性在不同的类别有不同的优势。在图3,我们现在只有DTF地图和煤断层,在四个人取得更好的性能特性。它可以观察到,我们的结果落后的结果(3]。因为这里使用的bag-of-words直方图是正常的,而主要用于空间布局表示(3]。

至于个人的早期融合特性,我们可以看到,通过音频和视觉特性的组合表示早期融合提高了检测结果。例如,美联社所有类别显然是提高了三个单一特征的结合DFT(筛选+ + MFCC)和地图是在相对的基础上提高了近10%。

5.3。性能的高级特性

实验的评估性能的高级特性,我们比较我们的高层密语和视听码字(21]。此外,我们评估的性能高级密语simpleMKL框架下(11)和multirelevance水平学习MKL框架(18),分别。结果显示部分5.2,我们只是注册筛选、DTF和MFCC高层密语。

至于基于高层特征性能的方法,我们可以看到三种方法(MKL_AVC、MKL_HLC MLMKL_HLC)超越方法基于个人特征和特征组合方法。这样的结果在我们的预期,因为低级的码字之间的关系的重要性。特别是,我们建议的方法(MKL_HLC)优于基线方法MKL_AVC近3%的地图,这证明了该方法的有效性。例如,在事件”的狗,“我们的方法(MKL_HLC)优于个人特性煤断层15%,优于MKL_AVC 9%的基准方法。除此之外,与最好的基准方法MKL_AVC相比,我们的高层码字的方法达到最高的相对性能类别“鸟”和“狗。“这可能是由于视觉物体的出现(鸟或狗)经常伴随有树皮或鸟鸣。然而,我们的方法的性能是正常范畴“婚宴”,这可能是由于大量的背景噪声后人们的行动。我们还结合高层码字到多级关联学习框架(18]。我们可以看到MLMKL_HLC优于MKL_HLC方法近1%的地图,标明multirelevance水平学习的有效性(18]。

一般来说,我们可以期待一个相对更高的性能的方法在其他类型的事件明显的视听协会。

5.4。码分析和可视化

不同大小的速率会明显影响事件的性能检测(21]。我们希望每个词汇都可以反映出更高的低级词汇之间的相对论。因此,高级阶段的码字表示(部分4.3),不同数量的订单选择是手动选择。我们比较不同的码书大小和不同方法的性能(MKL_AVC, MKL_HLC, MLKL_HLC)。地图性能如图5。我们可以看到,三种方法的性能逐渐增加而增加速率的大小。对于这种方法,6000字MLMKL_HLC似乎不错的选择的方法。事件检测的结果部分5.3使用最好的码书大小的性能我们提出方法(MKL_HLC MLMKL_HLC)和基线方法(MKL_AVC)。

我们也比较音频单词和视觉单词的分布在每一个高级词汇的两个方法。方法MKL_HLC MKL_AVC,结果表明,视听词汇的一部分,其中包含两个音频和视觉单词,分别是45%,34%。这证明我们的高层码字可以捕获更多的音频和视觉单词之间的联系,双峰话相比,基于概率的关系(21]。作为本文的介绍表明,我们的高层密语是有效的视频事件包含视听的相关性。图6给出一个示例这种类型的相关性。在“生日”,蛋糕和蜡烛的出现常常伴随生日歌,然后在歌曲结束的时候,有一些鼓掌和欢呼的声音。图7显示了高层次的视频码字。视觉语言在这些高层密语当地显示为采样点非常接近的帧速率词汇。也在高级音频文字码字显示为500岁以上声音的声谱图窗口,在窗口的MFCC特征类似于码书的词汇量。

也观察到有大量的词汇表只包含视觉词汇或只有音频。这些单通道词汇的存在是合理的,因为并不是每一个视觉单词是关联到另一个音频。具体来说,音频或者视觉的词汇在我们的方法中,构成单通道词汇表,也组合在一起,它们之间的格兰杰因果关系。我们认为有效的单通道词汇也有类似的时间模式事件检测的重要线索。图8说明了单通道的影响词汇表只包括视觉单词。视频序列的范畴”婚礼舞蹈,“视觉第一行所示,和不同的颜色圈是用来表示不同的视觉语言。颞高层码字在我们的方法中第二行所示。从图8,我们可以看到,大部分的视觉词产生的女巫行动分为两个人物的相同的时间分组中。

6。结论

在本文中,我们介绍了一个高级码字表示框架视频事件检测可以有效地利用视频的底层特征。通过查看的低级多元点过程的实例化,我们开发了格兰杰因果图模型视频的低级词汇之间的关系。然后图划分为低级词汇组具有类似的时间模式。广泛的实验一致表明,该高层码字表示优于最先进的多通道融合的方法。通过这些研究结果我们可以得出这样的结论:高级密语模型表示在未来将扮演重要的角色的视频事件检测系统。与此同时,先进的模型表示将在未来值得深入研究以满足实际应用的需要。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项工作得到了湖南省教育局研究基金会,中国(批准号13 c474)。

引用

1. https://www.youtube.com/yt/press/statistics.html。
2. t·张c .徐g .朱陆和h, s . Liu”一个通用框架,各视频事件检测领域,”学报18 ACM国际多媒体会议10(毫米)2010年10月,页103 - 112。视图:出版商的网站|谷歌学术搜索
3. Y.-G。江,g .你们,S.-F。张、d·埃利斯和a·c·Loui”消费者视频理解:一个基准数据库和一个人类和机器性能的评价,”学报第一ACM国际多媒体检索会议上(11),2011年4月。视图:出版商的网站|谷歌学术搜索
4. z, y, z,燕,n·a·g·豪普特曼,“复杂事件检测通过多源视频属性,”学报》第26届IEEE计算机视觉与模式识别会议(CVPR 13)2013年6月,页2627 - 2633。视图:出版商的网站|谷歌学术搜索
5. 江z . f . Wang, y, c .非政府组织“视频事件检测使用运动相对论和特征选择,”IEEE多媒体,16卷,不。5,1303 - 1315年,2014页。视图:出版商的网站|谷歌学术搜索
6. m . Tavassolipour m . Karimian, s . Kasaei”在足球视频事件检测和总结使用贝叶斯网络和连系动词,“IEEE电路和系统视频技术,24卷,不。2、291 - 304年,2014页。视图:出版商的网站|谷歌学术搜索
7. a . Vahdat k炮,g . Mori美国哦,和金,“成分模型对视频事件检测:多个内核学习潜变量的方法,”《IEEE计算机视觉国际会议(ICCV 13)2013年12月,页1185 - 1192。视图:出版商的网站|谷歌学术搜索
8. Y.-G。江,s·巴塔查里亚、美国Chang和m .沙”高级事件识别无约束的视频中,“国际期刊的多媒体信息检索,卷2,不。2、73 - 101年,2013页。视图:出版商的网站|谷歌学术搜索
9. g . Potamianos c .洗鼻,j . Luettin和马修斯,“视听自动语音识别:概述”在视觉和视听语言处理程序的问题,2004年。视图:谷歌学术搜索
10. a·g·Nedungadi g . Rangarajan周二n . Jain和m .叮”与非参数格兰杰因果分析多个峰值列车”,计算神经科学杂志》上,27卷,不。1,55 - 64、2009页。视图:出版商的网站|谷歌学术搜索|MathSciNet
11. a . Rakotomamonjy f·r·巴赫,s . Canu和y Grandvalet”SimpleMKL”,机器学习研究杂志》上9卷,第2521 - 2491页,2008年。视图:谷歌学术搜索|MathSciNet
12. c .通用杖鱼、m .烦恼和a·w·m . Smeulders”语义视频分析,早期和晚期融合”《第13届ACM国际多媒体会议(多媒体05)ACM,页399 - 402年,2005年11月。视图:出版商的网站|谷歌学术搜索
13. y傅,l .曹郭g, t . s .黄,“多特征融合的子空间学习”诉讼ACM国际会议上的图像和视频检索(CIVR 08年)ACM,页127 - 134年,2008年7月。视图:出版商的网站|谷歌学术搜索
14. 美国哦,美国麦克洛斯基,即金正日et al .,“多媒体事件检测与多通道特性融合和时间概念定位,“机器视觉和应用程序,25卷,不。1,49 - 69年,2014页。视图:出版商的网站|谷歌学术搜索
15. p . Natarajan吴,s . n . p . Vitaladevuni x壮族,“多通道特性融合健壮的网络视频中的事件检测,”《IEEE计算机视觉与模式识别会议(CVPR 12)IEEE,页1298 - 1305年,普罗维登斯,RI,美国,2012年6月。视图:出版商的网站|谷歌学术搜索
16. 黄y, j .歌曲,z z, n·a·g·Hauptman,”特征为多媒体融合通过层次回归分析,“IEEE多媒体,15卷,不。3、572 - 581年,2013页。视图:出版商的网站|谷歌学术搜索
17. z, y, n·a·豪普特曼,“多个特性但几个标签?一个共生的解决方案对视频分析例证,”学报》国际会议多媒体(ACM毫米的14),2014年。视图:谷歌学术搜索
18. z, i . w . Tsang y, z, a·g·豪普特曼,”事件检测使用多层次关联标签和多个特性,”《IEEE计算机视觉与模式识别会议(CVPR 14)2014年6月,页97 - 104。视图:出版商的网站|谷歌学术搜索
19. n Derbas和g . Quenot”联合视听语言暴力镜头检测在电影,”《第四届ACM国际多媒体检索会议上(14)2014年4月,页483 - 486。视图:出版商的网站|谷歌学术搜索
20. b . e . Ionescu k Seyerlehner, Mironica,“网络视频分类的视听手段,”多媒体工具和应用程序,卷70,不。2、1007 - 1032年,2014页。视图:谷歌学术搜索
21. I.-H。Jhuo, g .你们,美国高et al .,“视频事件检测,发现联合视听密语”机器视觉和应用程序,25卷,不。1,33-47,2014页。视图:出版商的网站|谷歌学术搜索
22. k .角色,美国哦,g . d . Abowd p . Wang和j·m·Rehg”时间因果关系的分析视觉事件,”《IEEE计算机视觉与模式识别会议(CVPR 10)IEEE,页1967 - 1974年,旧金山,加州,美国,2010年6月。视图:出版商的网站|谷歌学术搜索
23. w .江和a·c·Loui“视听小群:颞视听交互一般视频分类概念,”19 ACM国际会议的程序多媒体(毫米' 11)2011年12月,页123 - 132。视图:出版商的网站|谷歌学术搜索
24. d·g·劳”独特的形象特征尺度不变的要点,国际计算机视觉杂志》上,60卷,不。2、91 - 110年,2004页。视图:出版商的网站|谷歌学术搜索
25. 拉普帖夫海,m . Marszałek c·施密德,b . Rozenfeld“学习现实的人类行为,从电影,”学报》第26届IEEE计算机视觉与模式识别会议(CVPR ' 08)IEEE,页1 - 8,安克雷奇,阿拉斯加,美国,2008年6月。视图:出版商的网站|谷歌学术搜索
26. a . h . Wang兰、c·施密德和C.-L。刘,“行动由密集的轨迹,识别”《IEEE计算机视觉与模式识别会议(CVPR 11)2011年6月,页3169 - 3176。视图:出版商的网站|谷歌学术搜索
27. l .政客们光谱分析和荷兰的单音节单词中元音的识别荷兰,阿姆斯特丹自由大学,1996。
28. A·t·瓦尔登湖”,一个统一的多窗口视图多元光谱估计,“生物统计学,卷87,不。4、767 - 788年,2000页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学|MathSciNet
29. j . Geweke”测量多个时间序列之间的线性相关和反馈,”美国统计协会杂志》上,卷77,不。378年,第313 - 304页,1982年。视图:出版商的网站|谷歌学术搜索|MathSciNet
30. s . s . Tabatabaei m·科茨和m . Rabbat”GANC:贪婪的烧结的规范化剪图聚类,“模式识别,45卷,不。2、831 - 843年,2012页。视图:出版商的网站|谷歌学术搜索

版权

版权©2015 Shao-nian黄等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。