基于TICA和GMM的视频语义概念检测算法

　　针对目前词袋模型（ BoW）视频语义概念检测方法中的量化误差问题，为了更有效地自动提取视频的底层特征，提出一种基于拓扑独立成分分析（ TICA）和高斯混合模型（GMM）的视频语义概念检测算法。首先，通过TICA算法进行视频片段的特征提取，该特征提取算法能够学习到视频片段复杂不变性特征；其次利用CMM方法对视频视觉特征进行建模，描述视频特征的分布情况；最后构造视频片段的CMM超向量，采用支持向量机（SVM）进行视频语义概念检测。CMM是BoW概率框架下的拓展，能够减少量化误差，具有良好的鲁棒性。在TRECVID 2012和OV两个视频库上，将所提方法与传统的BoW、SIFT-CMM方法进行了对比实验，结果表明，基于TICA和GMM的视频语义概念检测方法能够提高视频语义概念检测的准确率。