خلاصه سازی ویدئو مبتنی بر روش های غیر خطی کاهش ابعاد بردار ویژگی

رشد سریع و پیوسته تولید محتوای ویدئویی ، نیاز به مدیریت هوشمند ویدئوها را ایجاد کرده است. از طرفی حجم بالای داده در یک ویدئو مانع بزرگی برای بسیاری از کاربردهای عملی مانند جستجو و بازیابی ویدئو می باشد. بنابراین به مکانیزمی برای درک مفهوم یک ویدئو بدون تماشای کل آن نیاز داریم . این مکانیزم خلاصه سازی ویدئو نامیده می شود. منظور از خلاصه سازی ویدئو، حذف افزونگی های بصری و فریم های تکراری از ویدئو و بدست آوردن یک خلاصه ی کوتاه از کل ویدئو است، بطوریکه خلاصه ی بدست آمده با ویدئوی اصلی محتوای بصری یکسانی داشته باشد . حجم انبوه تصاویر ویدئویی مختلف و همچنین رشد فزاینده آن ها، ایجاد و استفاده از روش های خودکار کامپیوتری برای تولید خلاصه های ویدئویی را موجب شده است. برای این منظور روش های مختلفی ارائه شده اند که از ویژگی های مختلف سطح پایین و سطح بالا استفاده نموده اند. روش های مبتنی بر ویژگی های سطح پایین نمی توانند به خوبی مفاهیم موجود در ویدئو را نمایان کنند. روش های مبتنی بر ویژگی های سطح بالا سعی در استخراج مفاهیم با استفاده از الگوریتم های پیچیده و زمان بر دارند. در تحقیقات پیشین به نگاشت فضای ویژگی ها به فضای مفهوم پرداخته نشده است. در این پایان نامه جهت نزدیک کردن فضای ویژگی به فضای مفهوم در استخراج فریم های کلیدی، از رویکرد کاهش ابعاد بردارهای ویژگی به صورت غیر خطی استفاده می شود. کاهش ابعاد به صورت غیرخطی به معنای استخراج ساختارهایی با ابعاد کم است که به صورت ذاتی و غیرخطی در مشاهدات با ابعاد بالا وجود دارند. هدف ما در این پایان نامه کاهش شکاف مفهومی در خلاصه سازی ویدئو ، مبتنی بر روش های غیر خطی کاهش ابعاد بردار ویژگی می باشد. برای سیستم خلاصه سازی ویدئو، رویکرد مبتنی بر بهینه سازی (pso) و همچنین رویکرد خوشه بندی ارائه شده است. برای الگوریتم pso تابع برازندگی جدیدی بر اساس اهداف خلاصه سازی ویدئو طراحی شده است. کارایی هر یک از این روش های پیشنهادی، روی مجموعه داده ی استاندارد open video و مجموعه داده های متفرقه جمع آوری شده از وب مطالعه شده است. نتایج بدست آمده، کارایی سیستم پیشنهادی را نسبت به سیستم های موجود تأیید می کنند.