多媒體內(nèi)容管理及可視化系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著多媒體的蓬勃發(fā)展，音頻識別技術(shù)和視頻流圖像處理技術(shù)也越來越成熟。本人所在實習(xí)實驗室在語音識別、語種識別、聲響識別、話者識別、情感識別等領(lǐng)域取得了一系列研究成果，多媒體內(nèi)容分析管理及可視化展現(xiàn)系統(tǒng)的主要功能是集成這些研究成果，形成一個整體的、系統(tǒng)化的多媒體平臺，并行分析出一段語音中的語音內(nèi)容、語種內(nèi)容、聲響內(nèi)容、話者內(nèi)容、情感內(nèi)容，利用信息可視化技術(shù)來進(jìn)行直觀地展示。
　　本論文詳細(xì)介紹了多媒體內(nèi)容分析管理及可視化展現(xiàn)系統(tǒng)的設(shè)計

2、與開發(fā)的主要技術(shù)和方法。多媒體內(nèi)容分析子系統(tǒng)主要包括了多媒體流分解，多媒體音頻流提取、切分，多媒體音頻識別模塊集成，視頻流圖像抓取，字幕檢測定位，圖像分割，單字提取，視頻流的渲染播放等關(guān)鍵功能；多媒體內(nèi)容可視化主要包括了對語音內(nèi)容、語種內(nèi)容、聲響內(nèi)容、話者內(nèi)容、情感內(nèi)容、上述內(nèi)容檢索結(jié)果的可視化以及多媒體播放器等關(guān)鍵功能;多媒體內(nèi)容管理主要完成了音頻識別相關(guān)的數(shù)據(jù)和字幕識別相關(guān)數(shù)據(jù)管理以及定義了多媒體音頻識別模塊輸出內(nèi)容的存儲格式。系統(tǒng)

3、多媒體流的處理采用的框架是DirectShow框架，DirectShow是微軟公司提供的一套在Windows平臺上的多媒體處理開發(fā)包，它為多媒體流的處理提供了許多方便快捷的方法，而且開發(fā)人員可以利用DirectShow技術(shù)根據(jù)需要定制特定組件。
　　本系統(tǒng)采用基于實例的測試方法驗證了功能性需求，對關(guān)鍵功能的測試環(huán)節(jié)，做了大量的測試工作，保證系統(tǒng)功能的準(zhǔn)確性與穩(wěn)定性。測試結(jié)果表明，系統(tǒng)實現(xiàn)了需求所提出的功能，具有較好的穩(wěn)定性和實用性