监控视频的关键提取算法使用进化方法

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 多媒体处理处理.

背景情况:

• 视频数据正在迅速增加,需要高效的总结技术.
• 关键提取 (KFE) 对于视频总结,压缩和分析至关重要.
• 现有的KFE方法缺乏通用视频应用的多功能性.

研究的目的:

• 为通用视频开发一种高效和多功能关键提取 (KFE) 方法.
• 为了利用进化算法,特别是基因算法 (GA),获得最佳的KFE.
• 通过具有精心设计的健身功能和以精英主义为基础的幸存者选择的交互式GA来提高KFE的表现.

主要方法:

• 开发了一种具有定制健身功能的交互性遗传算法 (GA) 和以精英主义为基础的幸存者选择.
• 拟议的KFE算法在各种数据集上进行了评估,包括VSUMM,SumMe,Mall,用户生成,监控和web源视频.
• 计算复杂性与差异进化 (DE) 和深度学习 (DL) 方法进行了比较.

主要成果:

• 提出的KFE方法证明了对基准数据的坚持,并捕获了额外的显著框架.
• 与现有的差异进化 (DE) 和深度学习 (DL) 模型相比,该算法显示出更高的效率和性能.
• 定量和定性评估证实了开发的KFE技术的有效性.

结论:

• 开发的基于GA的交互式KFE算法为通用视频总结提供了更通用的解决方案.
• 这种方法为当前的KFE方法提供了一个计算效率高和高性能的替代方案.
• 这项研究强调了进化算法的潜力,以推进视频处理技术的发展.