خلاصه سازي مقياس پذير ويديويي با استفاده از انتخاب واژه نامه تنك

Scalable Videos Summarization Using Sparse Dictionary Selection

يكي از حوزه هاي مهم در پدافند غيرعامل، شناسايي تهديدات و اعلام هشدار است. يكي از روش هاي پركاربرد در حوزه شناسايي بررسي داده هاي ويديويي به منظور شناسايي اهداف ناشناس و اعلام هشدار است. به منظور بررسي سريع، با دقت بالا روش هاي خلاصه سازي ويديو ارايه شده است. همچنين در طول سال هاي گذشته، ايجاد ويديو ديجيتالي منجر به رشد نمايي محتواي ويديويي شده است. به منظور افزايش قابليت استفاده از اين حجم بالاي ويديو، تحقيقات بسياري به انجام رسيده و خلاصه سازي ويديو به جهت مرور سريع اين مجموعه ويديويي بزرگ و براي كمك به فهم سريع محتواي داده هاي ويديويي پيشنهاد شده است. در خلاصه سازي ويديو، تصاويري به عنوان نماينده از هر صحنه انتخاب مي-شود تا مروري تصويري از تمام فيلم به دست آيد. اخيراً روشهايي با استفاده از فرمول بندي تنك براي خلاصه سازي ويديو، داده هاي ويديويي را به ميزان زيادي نسبت به ديگر روش ها خلاصه نموده اند. در اين مقاله به خلاصه سازي ويديو، به عنوان يك مسيله انتخاب واژه نامه تنك پرداخته ميشود. بدين منظور، با استفاده از روشي جديد بر پايه كدينگ تنك، مي‌توان به ميزان زيادي خلاصه سازي داده هاي ويديويي را نسبت به ديگر روش هاي خلاصه سازي ويديو كه با روش تنك و يا روش هاي ديگر پيشنهادشده‌اند بهبود بخشيد. اساس اين روش بر پايه حل معادله بهينه سازي با استفاده از آستانه گذاري نرم است كه پيچيدگي كمتري نسبت به روش هاي پيشنهادشده اخير است. اين امر را مي توان با بررسي ميزان پيچيدگي روش پيشنهادي با روش هاي متداول اخير متوجه شد. در انتها نتايج آزمايش براي مجموعه داده هاي معياري زمين حقيقت و با روش-هاي State of the art، ادعاي ما در بهبود ميزان خلاصهسازي روش پيشنهادي را نشان مي دهد.

One of the important topics of passive defense is threats detection and waning alarm. One of the most widely used methods in detection field is video data investigation in order to identify unknown targets and warning alarm. In order to evaluate a fast and high-precision technique, video summarization is presented. Also, during the past years, creation of digital videos has caused exponential growth of video content. To increase the high volume of video usability, a lot of researches have been done and video summarization has been proposed to quick view of large video collection and quick understanding of the content of video data. In the video summarization, pictures are selected as a representative of each scene to obtain a visual overview of whole video. Recently, new methods using sparse formulation are suggested for video summarization being more effective in video data summarization than other methods. In this paper, video summarization is presented as a sparse dictionary selection problem. For this purpose, using a new method based on sparse coding, have been able to improve video data summarization compared to other video summarization methods based on sparse or other coding. Finally, the results for the ground truth data collection and State of the art methods, shows improvement our claim in the video summary on proposed method.