一種基于情感顯著性特征融合的視頻情感識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及多媒體內(nèi)容理解和計(jì)算機(jī)網(wǎng)絡(luò)內(nèi)容檢索領(lǐng)域，特別涉及一種基于情感 顯著性特征融合的視頻情感識(shí)別方法。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和多媒體技術(shù)的飛速發(fā)展，Internet已成為一個(gè)浩瀚 的海量多媒體信息源，人們迫切希望可以利用計(jì)算機(jī)對(duì)規(guī)模急劇增長(zhǎng)的數(shù)字化圖像/視頻 信息加以自動(dòng)理解，從而方便用戶選擇有效的技術(shù)手段對(duì)這些視覺信息進(jìn)行有效的組織、 管理和查找?；趦?nèi)容的視頻檢索成為了一個(gè)重要的研究課題。其中，對(duì)于認(rèn)知層面的視 頻檢索研究開展的較早，已經(jīng)涌現(xiàn)出了很多可行的算法。而基于情感分析的視頻檢索研究 并未受到很多的關(guān)注，在國內(nèi)尚處于起步階段。對(duì)于諸如"找出本段體育視頻中最激動(dòng)人心 的片斷"，或者"最適合某人品味的電影"，或者"定位并跳過最不適合用戶子女觀看的片斷" 這一類面向情感層視頻內(nèi)容理解的應(yīng)用正逐步引起業(yè)界廣泛的關(guān)注，其研究具有重要的學(xué) 術(shù)意義，必將推動(dòng)互聯(lián)網(wǎng)檢索技術(shù)的全面深入發(fā)展。
[0003] 當(dāng)前已有一些技術(shù)開始嘗試應(yīng)用于視頻情感識(shí)別。B. Adams等提出一種檢 測(cè)電影節(jié)奏和動(dòng)態(tài)故事單元的方法，并利用了視頻幀間運(yùn)動(dòng)差和鏡頭變化率等信息。 AyaAner-Wolf結(jié)合電影語法規(guī)則分析了視頻幀亮度分量對(duì)觀眾情感的影響。ChingHau Chan等對(duì)電影伴音的低級(jí)特征做了大量的研究和實(shí)驗(yàn)。基于這些特征，他們?cè)O(shè)計(jì)了一套基 于情感的電影索引與檢索的方法并給出了初步的實(shí)驗(yàn)結(jié)果。Min Xu等通過構(gòu)造聲音情感特 征向量，基于HMM對(duì)情景喜劇和恐怖電影中的情感事件進(jìn)行檢測(cè)和識(shí)別。Chen等通過分析 視頻中的配樂，結(jié)合視頻節(jié)奏來進(jìn)行視頻情感事件的檢測(cè)。
[0004] 目前的這些方法從視頻特征及分類模型等不同方面展開了對(duì)視頻情感分類和識(shí) 別的研究。視頻是一種多媒體，其包括語、聲、像等特征數(shù)據(jù)，但已有的研究中對(duì)視頻多媒體 特征的融合未有做深入研究，導(dǎo)致視頻的情感特征判別性不明顯，從而影響了視頻分類和 識(shí)別的準(zhǔn)確率。一種有效的特征融合策略刻不容緩。

【發(fā)明內(nèi)容】

[0005] 為解決現(xiàn)有技術(shù)存在的不足，本發(fā)明公開了一種基于情感顯著性特征融合的視頻 情感識(shí)別方法，本發(fā)明的融合算法實(shí)現(xiàn)簡(jiǎn)單，訓(xùn)練器成熟可靠，預(yù)測(cè)快捷，可以更高效的完 成視頻的情感識(shí)別過程。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明的具體方案如下：
[0007] -種基于情感顯著性特征融合的視頻情感識(shí)別方法，包括以下步驟：
[0008] 獲得訓(xùn)練視頻集合并對(duì)其中的視頻提取視頻鏡頭，對(duì)每個(gè)視頻鏡頭選取情感關(guān)鍵 幀；
[0009] 對(duì)訓(xùn)練視頻集合中每個(gè)視頻鏡頭提取音頻特征和視覺情感特征，其中視覺情感特 征基于所提取的情感關(guān)鍵幀提取，首頻特征基于視頻鏡頭提??；
[0010] 音頻特征基于詞包模型構(gòu)成情感分布直方圖特征；
[0011] 視覺情感特征基于視覺詞典構(gòu)成情感注意力特征，情感注意力特征與情感分布直 方圖特征進(jìn)行自上而下的加權(quán)融合，構(gòu)成具有情感顯著性的視頻特征；
[0012] 將訓(xùn)練視頻集合中形成的具有情感顯著性的視頻特征送入SVM分類器進(jìn)行訓(xùn)練， 得到訓(xùn)練模型的參數(shù)，訓(xùn)練模型用于對(duì)測(cè)試視頻的情感類別進(jìn)行預(yù)測(cè)。
[0013] 進(jìn)一步的，對(duì)每個(gè)視頻鏡頭選取情感關(guān)鍵幀時(shí)，以視頻鏡頭為單位計(jì)算每個(gè)視頻 幀的顏色情感強(qiáng)度值，以時(shí)間作為橫軸，顏色情感強(qiáng)度值為縱軸得到鏡頭情感波動(dòng)曲線；找 到情感波動(dòng)曲線最大值對(duì)應(yīng)的視頻幀，選擇該幀作為情感關(guān)鍵幀。
[0014] 其中，顏色情感強(qiáng)度值計(jì)算方法如下：
[0015]
[0016] 其中，M，N，IT1分別表示第i個(gè)視頻幀的長(zhǎng)、寬和顏色情感強(qiáng)度值，IT (p，q)為第i 個(gè)視頻幀中第P行q列像素點(diǎn)的顏色情感強(qiáng)度值，計(jì)算如下：
[0017]
[0018] 其中，H表示熱度，W表示重要性，A表示活動(dòng)性。
[0019] 進(jìn)一步的，情感分布直方圖特征獲取時(shí)，將訓(xùn)練視頻集合中所有訓(xùn)練視頻的音頻 特征基于k近鄰方法進(jìn)行聚類，得到K個(gè)聚類中心；
[0020] 將K個(gè)聚類中心作為詞包模型的音頻情感單詞，構(gòu)成音頻情感詞典；
[0021] 將每個(gè)視頻的音頻特征投影到音頻情感詞典，得到每個(gè)視頻的情感分布直方圖。
[0022] 進(jìn)一步的，情感注意力特征的構(gòu)成方式為：將每個(gè)視頻的視覺情感特征同樣進(jìn)行 k近鄰聚類，得到N個(gè)聚類中心，并由此N個(gè)聚類中心作為視覺單詞組成視覺情感詞典；
[0023] 將視頻的視覺情感特征投影到視覺情感詞典，按視頻情感類別分別得到每個(gè)類別 對(duì)應(yīng)的視覺情感單詞的后驗(yàn)概率分布，即得到各情感類別的情感注意力特征。
[0024] 更進(jìn)一步的，視覺情感單詞的后驗(yàn)概率分布計(jì)算如下：
[0025]
[0026] 其中，I wf )為視覺情感單詞的后驗(yàn)概率分布，class為視頻情感類別， 為視覺詞典的第j個(gè)視覺情感單詞；P (class)為類別class的情感視頻概率分布，通過統(tǒng) 計(jì)該類別情感視頻占總視頻的比例得到是類別為class的視覺情感詞典的 第j個(gè)視覺情感單詞的分布，根據(jù)下式獲得：
[0027]
[0028] 其中，Scene^f類別為class的視頻場(chǎng)景數(shù)，D是類別為class的視頻情感詞典 所含單詞數(shù)，是類別為class的場(chǎng)景所包含的第1個(gè)視覺單詞。δ為符號(hào)函數(shù)，其定義 為：
。X，y為符號(hào)函數(shù)δ的輸入變量。
[0029] 進(jìn)一步的，將情感注意力特征與每個(gè)視頻的情感分布直方圖特征進(jìn)行加權(quán)融合， 得到具有情感顯著性的視頻特征；具體加權(quán)融合過程如下：
[0030] 計(jì)算每個(gè)情感單詞直方圖分布的加權(quán)結(jié)果：
[0031] 將得到的所有音頻情感單詞直方圖加權(quán)以后的結(jié)果按行排列起來即得到具有情 感顯著性的視頻特征。
[0032] 計(jì)算每個(gè)情感單詞直方圖分布的加權(quán)結(jié)果為：
[0033]
[0034] Waud為音頻情感詞典中的情感單詞，V s為第s個(gè)視頻，為音頻情感詞典中的第 j個(gè)情感單詞，F(xiàn)為視頻鏡頭Vs對(duì)應(yīng)的音頻幀集合；
[0035] 進(jìn)一步的，對(duì)測(cè)試視頻的情感類別進(jìn)行預(yù)測(cè)時(shí)，首先獲得具有情感顯著性的視頻 特征；其獲取方式與訓(xùn)練視頻獲取的具有情感顯著性的視頻特征的方式相同。
[0036] 將測(cè)試視頻的具有情感顯著性的視頻特征送入已訓(xùn)練好的SVM分類器，得到預(yù)測(cè) 的視頻情感類別。
[0037] 本發(fā)明的有益效果：
[0038] (1)本發(fā)明在進(jìn)行視頻情感分類時(shí)充分考慮了音視頻特征的融合。
[0039] (2)本發(fā)明將情感顯著性信息融合到了視頻特征中，使得視頻情感特征更具有判 別性。
[0040] (3)本發(fā)明的融合算法實(shí)現(xiàn)簡(jiǎn)單，訓(xùn)練器成熟可靠，預(yù)測(cè)快捷，可以更高效的完成 視頻的情感識(shí)別過程。
[0041] (4)本發(fā)明提出了一種新的基于情感顯著性融合的視頻情感識(shí)別方法，該技術(shù)具 有重要的學(xué)術(shù)意義和社會(huì)意義，并具有廣闊的應(yīng)用前景。
【附圖說明】
[0042] 圖1為本發(fā)明提供的基于情感顯著性特征融合的視頻情感識(shí)別框架圖。
【具體實(shí)施方式】：
[0043] 下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)說明：
[0044] 圖1示出了本發(fā)明提供的基于情感顯著性特征融合的視頻情感識(shí)別方法。如圖1 所示，該方法具體包括以下步驟：
[0045] 步驟1 :對(duì)視頻進(jìn)行結(jié)構(gòu)化分析，采用基于信息論的互信息熵理論檢測(cè)鏡頭邊界 并提取視頻鏡頭，然后，針對(duì)每個(gè)鏡頭選取情感關(guān)鍵幀，具體提取步驟包括：
[0046] 步驟I. 1 :以鏡頭為單位計(jì)算每個(gè)視頻幀的顏色情感強(qiáng)度值，以時(shí)間作為橫軸，顏 色情感強(qiáng)度值為縱軸得到鏡頭情感波動(dòng)曲線；顏色情感強(qiáng)度值計(jì)算方法如下：
[0047]
[0048] 其中，IT1表示第i個(gè)視頻幀的顏色情感強(qiáng)度值，IT(p，q)為第i個(gè)視頻幀中第p 行q列像素點(diǎn)的顏色情感強(qiáng)度值，計(jì)算如下： CN 105138991 A 說明書 4/7 頁
[0049]
[0050] 其中，H表示熱度，W表示重要性，A表示活動(dòng)性。其具體計(jì)算如下：
[0051]
[0052] weight = -1. 8+0. 04(100-L*)+0. 45cos(h-100。）
[0053] heat = -0· 5+0. 02 (C*) 107Cos (h-50。）
[0054] H = -0· 5+0. 02 (Cf) i q7Cos (h-50。）
[0055] W =-I. 8+0. 04(100-L*)+0. 45cos(h-100。）
[0056]
[0057] 其中，0Λ a#，b〇和〇Λ Cf, h)分別是顏色空間CIELAB和CIELCH的顏色分量。
[0058] 步驟1. 2 :找到情感波動(dòng)曲線最大值對(duì)應(yīng)的視頻幀，選擇該幀作為情感關(guān)鍵幀；
[0059] 步驟2 :對(duì)訓(xùn)練視頻集合中每個(gè)視頻提取音視頻情感特征，其中音頻情感特征基 于視頻鏡頭提取，具體特征如表1所示；
[0060] 表1音頻特征匯總表
[0061]
[0062] 視覺情感特征基于情感關(guān)鍵幀提取，具體特征如表2所示。
[0063] 表2視覺特征匯總表
[0064] CN 105138991 A 說明書 5/7 頁
[0065] 步驟3 :由音頻情感特征構(gòu)成情感分布直方圖；具體構(gòu)建方法如下：
[0066] 步驟3. 1 :將所有訓(xùn)練視頻的音頻情感特征進(jìn)行聚類，得到K個(gè)聚類中心；聚類方 法采用k近鄰聚類方法。具體步驟為：
[0067] 步驟3. I