查詢結果分析
來源資料
相關文獻
- 以隱藏式馬可夫模型整合聲音及運動資訊擷取棒球賽事精華
- 以連續型隱藏式馬可夫模型來計算中文簽名之動態相似度值
- 隱藏式馬可夫模型的基本概念
- 隱藏式馬可夫模型之轉折點偵測
- 基於GHMM之IRT混合模式及其估計
- Syntheses and Properties of Urethane Prepolymers and Their Corresponding Crosslinked Films Cured with HMMM
- 視訊資料庫系統中內容擷取技術之探討
- Content-based Video Data Retrieval
- An Overview of RNN-Based Mandarin Speech Recognition Approaches
- 以色彩、紋理、和外形為內容之影像擷取方法
頁籤選單縮合
題 名 | 以隱藏式馬可夫模型整合聲音及運動資訊擷取棒球賽事精華=Fusion of Audio and Motion Information on HMM-based Highlight Extraction for Baseball Games |
---|---|
作 者 | 程芝潔; 許秋婷; | 書刊名 | 影像與識別 |
卷 期 | 11:2 民94.06 |
頁 次 | 頁5-19 |
專 輯 | Semantic Content Analysis for Broadcast TV Program |
分類號 | 001.56 |
關鍵詞 | 視訊資料; 隱藏式馬可夫模型; 運動資訊; HMM; |
語 文 | 中文(Chinese) |
中文摘要 | 隨著多媒體資料庫的日益龐大,快速瀏覽及分類多媒體資料的需求也漸形急迫。視訊資料之所以能展現極大的多樣性主要是由於它同時包含了聲音及視覺的訊號,因此,在視訊資料分析方法中,同時將聲音與視覺資訊結合分析以達到與人類知覺相似的理解力,已成為一種必然的趨勢。在這些視訊資料之中,運動比賽影片是一個相當重要的類型,主要是由於運動比賽已是全球化的娛樂,並且吸引了大量的觀眾。本篇論文的目的為根據整合的聲音及運動資訊,偵測並擷取棒球賽事精華。我們提出分別使用以聲音為基礎及以運動資訊為基礎的架構來計算一個片段屬於精華(highlight)的「可能程度」(likelihood),並且最後以機率的模型將其整合。在以聲音為基礎的架構中,我們事先先對聲音訊號進行分類(classification),並使用隱藏式馬可夫模型(Hidden Morkov Model, HMM)描述不同聲音類別間的轉換。在以運動資訊為基礎的架構中,我們利用了包含在MPEG-1 stream中的運動資訊。同時也以一個HMM描述攝影機動作及物體運動隨時間而改變的特性。最後,我們利用機率模型將這兩組架構整合。我們在一個12小時的棒球比賽資料庫下的實驗證明了我們所提出方法的有效性及可靠性。 |
本系統中英文摘要資訊取自各篇刊載內容。