Resumen

La recuperación de vídeo tradicional basada en anotaciones de texto se realiza etiquetando manualmente los vídeos con texto, lo que resulta ineficaz y muy subjetivo y, por lo general, no puede describir con precisión el significado de los vídeos. La recuperación de vídeo tradicional basada en el contenido utiliza redes neuronales convolucionales para extraer la información de características subyacentes de las imágenes para construir índices y logra la recuperación de similitud de los vectores de características de vídeo de acuerdo con ciertos algoritmos de medida de similitud. En este trabajo, estudiando las características de los vídeos deportivos, proponemos el método de diferencia de histogramas basado en el uso del aprendizaje por transferencia y el método de cuatro pasos basado en la coincidencia de bloques para la detección de mutaciones y la detección de desvanecimiento de las tomas de vídeo, respectivamente. Mediante el umbral adaptativo, las regiones con grandes cambios de diferencia de fotogramas se marcan como regiones candidatas a tomas, y luego los límites de las tomas se determinan mediante el algoritmo de detección de mutaciones. En combinación con las características del vídeo deportivo, este trabajo propone un método de extracción de fotogramas clave basado en el análisis de clustering y flujo óptico, y una comparación experimental con el método de clustering tradicional. Además, este trabajo propone un algoritmo de extracción de fotogramas clave basado en la agrupación y el análisis de flujo óptico para la extracción de fotogramas clave de los vídeos deportivos. El algoritmo elimina eficazmente los fotogramas redundantes y los fotogramas clave extraídos son más representativos. A través de amplios experimentos, el algoritmo de búsqueda de palabras clave difusas basado en una red neuronal profunda mejorada y en la expansión semántica de la ontología propuesta en este trabajo muestra un rendimiento de recuperación más deseable, y es factible utilizar este método para la extracción de características subyacentes del vídeo, la anotación y la búsqueda de palabras clave, y una de las características destacadas del algoritmo es que puede recuperar rápida y eficazmente el vídeo deseado en un gran número de recursos de vídeo de Internet, reduciendo la tasa de falsa detección y la tasa de fuga al tiempo que mejora la fidelidad, lo que básicamente satisface las necesidades diarias de las personas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:extracción de fotogramas clave, recuperación de vídeo basada, vídeo deportivo, análisis de flujo óptico, características de los deportes, papel, extracción de deportes, red neuronal convolucional, red neuronal profunda, algoritmo de detección de mutaciones
• Keywords:key frame extraction, based video retrieval, sports video, optical flow analysis, characteristics of sports, paper, extraction of sports, convolutional neural network, deep neural network, mutation detection algorithm