摘要:随着成像技术的发展，越来越多的图像数据涌入互联网中，Internet上的图像资源正以指数级增长。如何处理网络上纷繁复杂的图像数据成了人们新的需求，事件识别技术应运而生。目前事件识别还属于研究阶段，还不能达到应用水平，造成这一现象的原因是事件识别不同于交通标志、指纹识别等针对某一特定领域的对象识别，他的内容更广泛，因此识别难度相当大。本文采用了将场景理解和图像标注结合的方式，在场景理解部分用采用LDA（Latent Dirichlet Allocation）这种著名的主题模型，对象识别则采用多重伯努利模型，将这两种方式得出的语义进行结合，从而识别出图像中的内容。本文对LDA和多重伯努利模型都进行了实验，并最终在斯坦福大学八种运动事件集上进行了实验，实验结果中体现出了较好的正确率。

关键词：事件识别；网络环境；图像标注；场景识别

目录

摘要

Abstract

1 概述-1

1.1 事件识别的意义-1

1.2 国内外研究现状-1

1.3 论文研究内容-1

2 相关工作-3

2.1 实验数据集-3

2.2 图像底层特征-3

2.1.1 颜色直方图特征-4

2.1.2 SIFT尺度不变特征-4

2.2 Bag of Words-4

3 简单事件识别系统的基础模型-6

3.1 主题模型-6

3.2 多重伯努利模型-6

4 简单事件识别系统的实验设计-8

4.1 场景理解-8

4.2 对象识别-9

5 系统设计与实现-10

5.1 软件运行环境-10

5.1.1 开发工具-10

5.1.2开发语言-10

5.1.3 关键技术-10

5.2 软件系统的设计与实现-10

5.3 软件系统模块界面设计-10

5.3.1 MATLAB端的界面设计-10

5.3.2 网页端的界面设计-13

结    论-15

参 考 文 献-16

致    谢-17