PDF《基于语义和谱聚类的监理视频 R树检索方法 س》

s e m a n t i c ;

s p e c t r a l c l u s t e r i n g ;

R t r e e ;

w o r dv e c t o r ;

n o d es p l i t

0 引言 土木工程监理制度在国内外的大力推进, 其信息化程度也 在迅速提高.土木工程监理视频作为土木工程监理信息化的 一部分, 也成为一个工程监理信息化的研究内容[

1 ,

2 ] . 土木工程监理视频涉及很多内容[

3 ] , 例如在施工组织监 理方面, 需要对组织现场及各种会议现场进行视频拍摄, 从而 确保施工权责得到科学划分与落实等.这导致土木工程监理 视频信息量高, 同时数量增长极快.如何对其进行高效的检索 也成为一个亟待解决的问题. 传统工程监理信息化先为这个问题提供了解决思路, 自Guttman在1984年提出方法一般是使用基于 B / B+树等索引 方式的关系型数据库, 但是随着视频内容分析技术的快速发 展, 传统的关系型数据库在面对高维的视频分析数据时性能上 无法令人满意[

4 ] .R树的出 R树索引方法用于支持空间对象 存储[

5 ] , R树在 G I S 各个领域中被广泛应用, 是目前最流行的 空间索引结构.而 R树针对空间数据索引性能较强的特性也 使其对高维数据有很好的支持. 国内外学者针对 R树的索引空间重叠和查询路径不唯一 的问题[

6 ] , 也进行了一系列的优化研究.其中 S l e i t 等人[

4 ,

6 ~

8 ] 针对原始 R树的节点分裂方式进行优化, 提高了 R树的构建 速度;

桂林[

9 ] 利用 H i l b e r t 填充曲线的聚类特性解决了 R树查 询路 径的非唯一性问题.此外, B r a k a t s o u l a s等人[

1 0 ] 使用Kmeans算法与 R树进行结合取得较好效果;

李松等人[

1 1 ] 利用CURE算法对 R树的优化也取得了不错的效果.P r i e u r D r e v o n 等人[

1 2 ] 在设计基于 R树的分布式系统时也对其不足进 行了一定研究. 随着近年为深度学习在多个领域的优秀表现, 基于深度学 习的检索方式也有了初步的发展.L i n等人[

1 3 ] 通过使用深度 神经网络生成哈希编码辅助检索, L i u 等人[

1 4 ] 基于深度神经网 络对图像进行了基于内容的检索. 本文在研究土木工程监理视频检索过程中, 发现基于深度 学习的检索方法还处于比较初步的阶段, 针对多类检索所需的 模型训练时间过长, 同时其对大量详细标注数据集的需求也不 第36卷第 6期2019年6月 计算机应用研究ApplicationR e s e a r c ho f C o m p u t e r s V o l .

3 6N o .

6 J u n .

2 0

1 9 符合本文的使用场景.而已有基于 R 树的检索方法在本文的 数据中使用时存在检索容错率较低等一些不足, 于是引入语 义、 采用基于谱聚类对 R树算法节点分裂方式进行优化, 提高 对土木工程监理视频相关数据的处理能力, 并有效地提高了其 索引构建速度.

1 土木工程监理视频语义数据处理 土木工程监理视频和传统的监控视频有很大的区别, 相对 于传统依赖固定机位拍摄的监控视频, 土木工程监理视频还包 含很多针对特定监理场景的小视频片段, 这些视频片段具有较 大的信息量, 展示一个完整的分项监理事件. 而土木工程监理视频中的小视频多变的场景和事物关系 为其检索增加了难度, 传统监控视频中的方法无法起到很好的 效果.为了更好地对土木工程监理视频进行检索, 本文首先通 过对土木工程监理的分析, 进行了土木工程监理视频的语义 划分.