基于特征融合和Fuzzy-C的有效关键框架提取技术意味着用人工蜂鸟进行集群
Sumandeep Kaur1, Lakhwinder Kaur2, Madan Lal2
1Department of Computer Science and Engineering, Punjabi University, Patiala, 147001, India. sumandhanjal@yahoo.com.
Scientific reports
|November 4, 2024
概括
本研究介绍了一种使用混合集群来减少视频冗余的高级关键提取方法. 该技术有效地识别和选择信息框架,改善各种应用的视频总结和分析.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 关键提取对于视频总结和基于内容的分析至关重要,解决数据冗余问题.
- 现有的方法通常依赖于单一的视觉特征,限制了它们的有效性.
- 视障用户可以从关键提取中获益,用于对象识别和跟踪.
研究的目的:
- 提出一种新的关键框架提取方法,利用多种功能和高级集群.
- 通过减少多余的来增强视频总结和内容分析.
- 与现有技术相比,提高关键框架选择的准确性和效率.
主要方法:
- 一个预处理步骤删除了微不足道的.
- 四个视觉和结构特征被提取和聚合以确定信息框架.
- 一种混合的 Fuzzy C-means (FCM) 和人工蜂鸟优化算法 (AHA) 用于聚类,克服了 FCM 的局部最小值问题.
- 关键框架是根据集群中的欧几里德距离选择的.
主要成果:
- 拟议的方法显著优于开放视频和YouTube数据集上的最新技术.
- 评估显示在主观定性分析和客观定量指标 (精度,回忆,F-score) 中表现优异.
- 通过对真实视频进行测试,在现实生活场景中证明了适用性.
结论:
- 混合FCM-AHA方法为关键框架提取提供了有效的解决方案.
- 这种方法成功地减少了视频冗余,并增强了信息内容.
- 这种方法对视频分析和总结的实际应用有希望.
