大規模網路視頻話題跟蹤及線索關鍵技術研究

《大規模網路視頻話題跟蹤及線索關鍵技術研究》是依託西南交通大學，由吳曉擔任項目負責人的面上項目。

基本介紹

• 中文名：大規模網路視頻話題跟蹤及線索關鍵技術研究
• 項目類別：面上項目
• 項目負責人：吳曉
• 依託單位：西南交通大學

項目摘要

社交網路的流行使得網路視頻爆炸式的增長，瀏覽海量網路視頻時的一個關鍵任務是話題的檢測與跟蹤。然而現有的視頻搜尋引擎僅根據文本關鍵字的相關度進行搜尋，使得用戶無法從眾多的結果中找出視頻之間的關聯並跟蹤事件的發展。本課題研究大規模網路視頻話題跟蹤及線索關鍵技術。突破現有視頻搜尋引擎的搜尋習慣，項目首先研究基於局部關鍵點的大規模近似圖像檢測算法研究，實現高效、準確、可擴展的大規模近似圖像檢測。在此基礎上，研究文本和視覺近似圖像突發性特徵，探索突發性特徵之間的互補與關聯，結合多模態融合技術集成各信息源的優勢，對話題檢測與跟蹤進行理論分析和研究，用以檢測熱點事件、跟蹤事件發展、建立話題結構、構建事件-文本-代表性視頻片段間的映射，提供全新的搜尋功能和新穎的搜尋體驗，探索更加適合網際網路視頻話題檢測與跟蹤的新思想和新途徑，清晰地展示事件結構，方便用戶瀏覽與搜尋。

結題摘要

社交網路和網路視頻網站的普及和快速發展，使得網路視頻的數量以指數級增長。對於海量的搜尋結果，用戶需要點擊查看完大量相關視頻後，自己再加以整理方可了解整個話題和主要事件。用戶不僅要耗費大量時間來查找搜尋結果，而且他們很難找到他們真正想要的搜尋結果，更不用說完全陌生的話題了。因此，現在的搜尋引擎並不能幫助用戶抓住主要事件然後從整體上了解整個話題。這對研究如何有效挖掘主要事件提出了迫切需求。然而，少量和嘈雜的文本信息和質量較低並易受編輯的視覺信息對基於初始關鍵字和視覺特徵的事件挖掘提出了新的挑戰。 本研究項目的結果包括以下幾個方面：(1) 大規模近似圖像/片段/視頻快速檢測及標註方案的研究 (2) 話題結構建立的研究 (3) 文本與視覺特徵軌跡的研究 (4) 文本與視覺信息融合的研究 (5) 文本信息魯棒性提高的研究 (6) 基於機率模型的文本與視覺信息融合框架 具體包括： (1) 深入研究了高效地通過局部特徵搜尋近似視頻和從近似視頻的標籤集合中找尋合適的標籤進行推薦。 (2) 對於視覺特徵軌跡的建立、視覺特徵軌跡與文本頻繁項目集融合的研究取得了重要成果，特別是話題結構的建立取得了突破性進展。 (3) 分別對文本與視覺特徵軌跡的優點和缺點進行了深入的分析與比較，並進一步研究了通過兩者的融合進行事件挖掘的研究。 (4) 分別對文本與視覺信息的特點進行了分析與研究，並通過兩者的融合進一步提高事件挖掘效率。 (5) 對文本信息魯棒性提高做了深入的分析與研究。 (6) 經對文本與視覺特徵的深入分析和研究，通過機率模型將兩者融合在一起進行事件挖掘的研究。