Research on Digital Archives for Human Motion Data and Video Data

人体运动数据和视频数据数字档案研究

• 批准号: 11680415
• 负责人: UEHARA Kuniaki
• 金额: $ 2.37万
• 依托单位: KOBE UNIVERSITY
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 1999
• 资助国家: 日本
• 起止时间: 1999 至 2000
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11680415/
• 关键词: Motion capture; digital library; video databases; Scene segmentatiomt; motion data; video data; 映像データ; クラスタリング; マルチメディア; 内容に基づく検索

In researches on video database, indexing video data is necessary for quick and correct retrieval. The most important process in indexing video data is to segment video into coherent units called scenes, more than just partial video that we call cuts. Manual segmentation is accurate, but it takes a lot of time and background knowledge about the content of video. We have developed the method to segment video automatically, by integrating color, textual, and temporal information extracted from video.Furthermore, we have focused on tagging human motion data. The motion data has the following features : movements on some body parts influence those on other body parts. We call this dependency as motion association rule. Thus the task of tagging motion data is equal to the task of expressing motion by using motion association rules. Because human motion data has above dependency, we treat motion data as multistream. In order to find motion association rules and cut off the cost of the task, we convert motion data of high dimension into multiple sequences of symbols of lower dimension. Each symbol uniquely represents primitive motion. The sequences of symbols can be obtained by content-based segmentation and clustering of similar segments.

在视频数据库的研究中，为了快速、准确地检索视频数据，需要对视频数据进行索引。索引视频数据的最重要过程是将视频分割成称为场景的连贯单元，而不仅仅是我们称为剪切的部分视频。手动分割是准确的，但它需要大量的时间和关于视频内容的背景知识。本文提出了一种基于颜色、文本和时间信息的视频自动分割方法，并对人体运动数据进行了标记。运动数据具有以下特征：某些身体部位上的运动影响其他身体部位上的运动。我们称这种依赖关系为运动关联规则。因此，标记运动数据的任务等同于使用运动关联规则来表示运动的任务。由于人体运动数据具有上述相关性，我们将运动数据作为多流处理。为了找到运动关联规则，减少任务的开销，我们将高维的运动数据转换成多个低维的符号序列。每个符号唯一地表示原始运动。符号序列可以通过基于内容的分段和相似段的聚类来获得。

项目成果

Kohei Maruyama: "Mining Association Rules from Semi-structured Data"Proc.of ICDCS Workshop on Knowledge Discovery and Data Mining in the World-Wide Web. 23-30 (2000)

Kohei Maruyama：“来自半结构化数据的挖掘协会规则”Proc.of ICDCS 万维网上知识发现和数据挖掘研讨会。

Kohei Maruyama: "Mining Association Rules from Semistructured Data"Proc.of ICDCS Workshop on Knowledge Discovery and Data Mining in the World-Wide Web. F-23-F-30 (2000)

Kohei Maruyama：“半结构化数据的挖掘协会规则”Proc.of ICDCS 万维网上知识发现和数据挖掘研讨会。

Koichi Matsumoto: "A Multi-Channel Dissemination System Based on Time-Series Clustering Mechanism for On-Line News Articles"Proc.of Database and Expert Systems Applications (DEXA2000). 376-385 (2000)

Koichi Matsumoto：“基于时间序列聚类机制的在线新闻文章多渠道传播系统”数据库和专家系统应用程序（DEXA2000）。

大崎滝太: "速度に基づく切り出しとクラスタリングによる基本動作の抽出"人工知能学会誌. 15・5. 878-886 (2000)

大崎泷田：“通过基于速度的分割和聚类提取基本运动”人工智能学会杂志 15・5（2000 年）。

上原邦昭: "学習アルゴリズムの評価"bit 別冊「発見科学とデータマイニング」. (印刷中).

Kuniaki Uehara：《学习算法的评估》位特卷《发现科学与数据挖掘》（正在出版）。