基于内容分析的视频情感预测与场景识别开题报告

4 预期的成果与安排
进度安排
2017.01-2017.03 完成视频特征的融合，实现视频情感 特征的有效表达。 2017.04-2017.05 设计高效的情感语义计算系统，将视 频的内容量化表示。 2017.06-2017.07 设计基于结构化的视频情感分类模型， 根据视频的情感内容进行识别，分析实验结果。 2017.08-2017.12 认真撰写论文。 2018.01-2018.05 进一步修改完善论文，完成本论文要 求的所有工作，参加论文答辩。
3 研究的方法与思路wenku.baidu.com
研究方法
研究方法
基于局部多 核学习回归 (LMKR)算法的特征融合
基于视频结 构信息的视频 情感识别分类模型
3 研究的方法与思路
研究思路
视频流
视觉特征 （SIFT, HOG SSIM, LBP等）
视频
音频流
音频特征 （MFCC,DFT
等）
特征融合
属性
属性特征 （场景特征 目标特征等）
4 预期的成果与安排
致谢
谢 谢 倾 听！
分类器
视频情感类别(sad or joy,etc)
4 预期的成果与安排
预期成果
对于给定的视频数据集，通过视频的特征融合 和一个能兼顾视频上下文结构信息的分类模型， 较高精度地识别出视频所包含情感信息。
将本选题的成果应用到视频情感分析中，预期 完成发表高水平论文1-2篇，参加重要的学术会议2 次以上。
基于内容分析的视频情感预测 与场景识别开题报告
1 研究的背景与意义
研究意义
净化 网络环境 补充当前 网络过滤技术
对视频个性 检索、信息分类、 语义识别等有重要的作用
1 研究的背景与意义
研究现状
视频的情感分析研究目前主要集中在视频的 低层特征提取及情感描述模型的建立，而利用视频的 高层特征进行建模对视频进行语义分析和识别的还比较少。
2 研究的内容
研究内容
A 如何有效融合视频的多媒体特征
视频包含音视频文字等多模态特征,每类特征会 从不同的视角突出视频的特点，如何融合多种视频特 征，并提出高层语义信息对视频情感语义的识别至关 重要。
B
如何设计合适的分类算法
视频的结构信息是一种重要的情感表达信息，如 何设计能兼顾视频的上下文结构信息的分类模型将是 另一个一个重要的研究内容。