Applying GA for Optimizing the User Query in Image and Video Retrieval

Majlesi Journal of Electrical Engineering

مقاله 3، دوره 8، شماره 1، خرداد 2014، صفحه 11-18   

نوع مقاله: Review Article

نویسنده

Ehsan Lotfi^*

Islamic Azad University, Torbat-e-Jam branch

چکیده

In information retrieval systems, queries may be based on user sketches. The new method presented here, optimizes the user sketch before implementation. This optimization may be used in Content-Based Image Retrieval (CBIR) and Content-Based Video Retrieval (CBVR) which is based on trajectory extraction. To optimize the retrieval process, one stage of retrieval is performed by the user sketch. The retrieval criterion is based on the proposed distance metric from the user query. Retrieved answers are considered as the primary population for evolutionary optimization. The optimized query may be achieved through reproducing and minimizing the proposed measurement by using Genetic algorithm (GA). The optimized query could then be used for the retrieval of concepts from a given Data Base (DB). The proposed algorithms are evaluated for trajectory retrieval from urban traffic surveillance video and image retrieval from a DB. Practical implementations have demonstrated the high efficiency of this system in trajectory retrieval and image indexing.بتقدیم الطلب GA لتحسین طلب المستخدم فی الصور والفیدیو استرجاعفی نظم استرجاع المعلومات، ویمکن أن یستند استفسارات حول الرسومات المستخدم. الطریقة الجدیدة المعروضة هنا، یحسن رسم المستخدم قبل التنفیذ. ویمکن استخدام هذا التحسین فی المحتوى القائم على صورة استرجاع (CBIR) وعلى أساس محتوى الفیدیو استرجاع (CBVR) الذی یقوم على استخراج المسار. لتحسین عملیة استرجاع المعلومات، یتم تنفیذ المرحلة الأولى من استرجاع من قبل رسم المستخدم. ویستند هذا المعیار استرجاع على المسافة المقترحة متری من الاستعلام المستخدم. تعتبر الأجوبة تم الاسترجاع باسم سکان الأساسی لتعظیم الاستفادة التطوری. ویمکن تحقیق الاستعلام الأمثل من خلال استنساخ والتقلیل من القیاس المقترحة باستخدام الخوارزمیة الجینیة (GA). ویمکن بعد ذلک استخدام الاستعلام الأمثل لاسترجاع المفاهیم من قاعدة بیانات معینة (DB). یتم تقییم الخوارزمیات المقترحة لاسترجاع المسار المنحنى من المناطق الحضریة فیدیو للمراقبة حرکة المرور واسترجاع الصور من DB. وقد أثبتت التطبیقات العملیة والکفاءة العالیة لهذا النظام فی استرجاع المسار وسیجری فهرسة الصورة. GA，申请用于优化用户查询的图像和视频检索伊赫桑卢特菲抽象在信息检索系统中，查询可以基于用户草图。这里介绍的新方法，优化实施前利用草图。这种优化可以在基于内容的图像检索（CBIR）和基于内容的视频检索（CBVR），这是基于轨迹提取使用。为了优化检索处理，检索的一个阶段由用户草图进行。检索标准是基于所提出的距离从用户查询度量。检索的答案被视为对演化优化主群。优化的查询可通过复制和使用遗传算法（GA）最小化建议的计量来实现。然后在优化的查询可用于从给定的数据库（DB）中的概念的检索。该算法是从来自DB城市交通监控视频和图像检索轨迹检索评估。在实际的应用已经证明该系统的轨迹中检索和图像索引的高效率。

کلیدواژه‌ها

Trajectory retrieval؛ en؛ Image retrieval؛ sketch query؛ Optimization؛ Genetic Algorithm

مراجع

Ehsan Lotfi, H. R. Pourreza, “Path Normalization for Traffic Surveillance Video Retrieval,” Majlesi Journal of Multimedia Processing, Vol 1, No 3 September 2011.

Cees G. M. Snoek, Bouke Huurnink, Laura Hollink, “Adding semantics to detectors for video retrieval,” IEEE Transaction on Multimedia, 2007, vol. 9, no. 5, pp. 975-985.

Yu-Lin Kang ,”Soccer video event detection with visual keywords”, ICICS-CM, December 2003, Singapore, pp. 15-18.

J. P. Collomosse, G. McNeill and Y. Qian, “Storyboard sketches for content based video retrieval,” In Proc. Intl. Conf on Computer Vision (ICCV) Sep. 2009.

Z. Q. Liu, L. T. Bruton, J. C. Bezdek, J. M. Keller, S. Dance, N. R. Bartley, and C. Zhang,”’Dynamic image sequence analysis using fuzzy measures,” IEEE Tran. on Syst., Man and Cyber., 2001, vol. 31, no. 4, pp. 557–571.

Weiming Hu, Dan Xie, Zhouyu Fu, Wenrong Zeng, and Steve Maybank, "Semantic-Based surveillance video retrieval," IEEE Transaction on Image Processing, 2007, vol. 16, no. 4, pp. 1168-1181.

Geetha, Vasumathi Narayanan, “A Survey of Content-Based Video Retrieval,” Journal of Computer Science 4 (6): 474-486, 2008, pp. 1549-3636.

Gwenaëlle Piriou, Patrick Bouthemy, and Jian-Feng Yao, ”’Recognition of dynamic video contents with global probabilistic models of visual motion,” IEEE Tran. on Image Processing, 2006, vol. 15, no. 11, pp. 3418-3431.

Anastasios D. Doulamis, Nikolaos D. Doulamis, Stefanos, “A fuzzy video content representation for video summarization and content-based retrieval,” Signal Processing, 2000, vol. 80, no. 6, pp. 1049-1067.

Ehsan Lotfi, “Trajectory Clustering and Behaviour Retrieval from Traffic Surveillance Videos”, Majlesi Journal of Multimedia Processing, Vol 1, No 2, June 2011.

M. Haag and H.-H. Nagel, “Incremental recognition of traffic situations from video image sequences,” Image Vis. Comput., 2000, vo. 18, no. 2, pp. 137–153.

Z. Q. Liu, L. T. Bruton, J. C. Bezdek, J. M. Keller, S. Dance, N. R. Bartley, and C. Zhang, “Dynamic image sequence analysis using fuzzy measures,” IEEE Tran. on Syst., Man and Cyber., 2001, vol. 31, no. 4, pp. 557–571.

Safara F. and Naderi S., “Fuzzy decision maker for knowledge discovery from image archives,” 3rd International Conference on Geometric Modeling and Imaging, July 2008, pp. 126-129.

Fashandi H., Eftekhari-Moghadam A.M., “An image mining approach for clustering traffic behaviors based on knowledge discovery of image databases,” IEEE Int. Conf. on Computational Intelligence for Measurement Systems and Applications, July 2005, pp. 203- 207.