Đang tải... (xem toàn văn)
Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)Xây Dựng Hệ Thống Phân Loại Nội Dung Video Theo Thể Loại (LV thạc sĩ)
HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - NGÔ XUÂN BÁCH XÂY DỰNG HỆ THỐNG PHÂN LOẠI NỘI DUNG VIDEO THEO THỂ LOẠI Chuyên ngành: Hệ Thống Thông Tin Mã số: 60.48.01.04 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC: TS TÂN HẠNH TP HỒ CHÍ MINH – 2017 ii LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng hướng dẫn Tiến sĩ Tân Hạnh Các kết đạt luận văn sản phẩm, nỗ lực cá nhân tôi, không chép người khác Nội dung luận văn có tham khảo sử dụng số thơng tin, tài liệu từ nguồn sách, tạp chí liệt kê danh mục tài liệu tham khảo Tp Hồ Chí Minh, ngày 28 tháng năm 2017 Học viên thực hiên luận văn Ngô Xuân Bách LỜI CẢM ƠN Lời cảm ơn xin gửi đến Tiến sĩ Tân Hạnh – Phó giám đốc Học viện cơng nghệ Bưu Chính Viễn Thơng Tp Hồ Chí Minh, cảm ơn thầy truyền đạt kiến thức, kinh nghiệm gợi ý giúp tơi hồn thành luận văn Xin chân thành cảm ơn quí Thầy Cô, cảm ơn hỗ trợ giúp đỡ nhiệt thành Phòng đào tạo Khoa học cơng nghệ, Học viện cơng nghệ Bưu Chính Viễn Thơng Tp Hồ Chí Minh thời gian chúng tơi thực luận văn Cuối cùng, chân thành cảm ơn người thân, bạn bè động viên, hỗ trợ mặt tinh thần để tơi vượt qua khó khăn hồn thành luận văn TP Hồ Chí Minh, ngày 28 tháng năm 2017 Học viên thực luận văn Ngô Xuân Bách iv MỤC LỤC Lời cam đoan i Lời cảm ơn ii Mục lục iii Danh sách hình .v Danh sách công thức vi MỞ ĐẦU CHƯƠNG - TỔNG QUAN VỀ DỮ LIỆU ĐA PHƯƠNG TIỆN .4 Dữ liệu đa phương tiện Tổng quan video 4 Một số thuộc tính đặc trưng video 3.1 Color 3.2 Texture 3.3 Shape 3.4 Motion CHƯƠNG 2 CƠ SỞ LÝ THUYẾT Tách shot video xác định keyframe 1.1 Tách shot sở histogram khung hình 1.2 Kỹ thuật nhảy phân đoạn video 10 Phương pháp xác định đặc trưng .11 2.1 Đặc trưng màu sắc 11 2.2 Đặc trưng kết cấu .12 2.3 Đặc trưng hình dạng 13 Phương pháp phân loại 14 3.1 Khái niệm phân loại 14 3.2 Quá trình phân loại 14 3.3 Phân loại dùng Neural Network .15 CHƯƠNG - HỆ THỐNG ĐỀ XUẤT 34 Khảo sát, phân tích 34 Công việc thực 35 2.1 Tách key frames .35 2.2 Khai thác đặc trưng nhận dạng mẫu 38 Thiết kế hệ thống công nghệ hỗ trợ 40 v 3.1 Thiết kế 40 Xây dựng hệ thống 49 Cài đặt, thử nghiệm đánh giá 52 5.1 Cài đặt, 52 5.2 Thử nghiệm 55 5.3 Đánh giá .59 Kết luận 61 6.1 Các vấn đề đạt 61 6.2 Các vấn đề tồn 62 6.3 Hướng phát triển 62 TÀI LIỆU THAM KHẢO 63 DANH SÁCH HÌNH Hình 1.1: Cấu trúc phân cấp video .4 Hình 2.1: Sơ đồ ứng dụng kỹ thuật trừ ảnh vào phân đoạn video .11 Hình 2.2: Biểu đồ khung hình 12 Hình 2.3: Minh họa phương pháp so sánh khơng tuyến tính 13 Hình 2.4: Mơ hình phi tuyến neural 19 Hình 2.5: Mơ hình phi tuyến thứ hai neural .20 Hình 2.6: (a) Hàm ngưỡng, (b) Hàm vùng tuyến tính, (c) Hàm sigma với tham số độ dốc a thay đổi 21 Hình 2.7: Đồ thị luồng tín hiệu hệ thống phản hồi vòng lặp đơn 23 Hình 2.8: Mạng tiến với mức neural 25 Hình 2.9: Mạng tiến kết nối đầy đủ với mức ẩn mức đầu 26 Hình 2.10: Mạng hồi quy khơng có neural ần khơng có vòng lặp tự phản hồi 27 Hình 2.11: Mạng hồi quy có neural ẩn .28 Hình 2.12: Sơ đồ quy tắc học hiệu chỉnh lỗi .29 Hình 2.13: Sơ đồ mơ hình học có giám sát .31 Hình 2.14: Hình minh họa tích chập 30 Hình 2.15: Mơ hình mạng Neural tích chập .31 Hình 2.16: Tạo neural ẩn 32 Hình 2.17: Features map 33 Hình 2.18: Phương pháp max-pooling .34 Hình 2.19: Kết hợp lớp tích chập với lớp max-pooling 35 Hình 2.20: Kết hợp mạng neural với lớp cuối 35 Hình 3.1: Ảnh mức xám 41 Hình 3.2: Đặc trưng mô tả cảnh nhận từ loại thể thao sử dụng lọc ảnh Canny .41 Hình 3.3: Mơ hình hệ thống tổng qt 43 Hình 3.4: Mơ hình mạng neural tích chập xây dựng 51 Hình 3.5: Mơ hình truy hồi thơng tin 55 DANH SÁCH CƠNG THỨC Cơng thức (2.1): Tính chênh lệch biểu đồ màu 11 Công thức (2.2): Tính chênh lệch biểu đồ màu cải tiến 12 Cơng thức (2.3): Tính lược đồ màu 15 Cơng thức (2.4): Tính độ tương đồng màu sắc .15 Công thức (2.5),(2.6): Biểu diễn neural 19 MỞ ĐẦU Tính cấp thiết đề tài Trong năm gần toán khai thác, xử lý quản lý liệu ngày có ý nghĩa quan trọng lĩnh vực công nghệ thông tin Với phát triển không ngừng cơng nghệ thơng tin, ngày có nhiều kiểu liệu đời liệu hình ảnh, liệu âm thanh, liệu video, liệu tài liệu, liệu viết tay Cùng với nhu cầu quản lý, khai thác xử lý đặt Các kiểu liệu phần nhiều hình thức biểu liệu phát sinh tự nhiên ứng dụng khác Từ liệu phát sinh trên, ta thấy cần phải có hệ thống quản lý tìm kiếm hay phân loại loại liệu đa phương tiện Trong loại liệu đa phương tiện đó, liệu video thể thao nhiều người quan tâm, kể việc phục vụ mục đích giải trí nói chung dùng cho việc huấn luyện chuyên gia nói riêng Tổng quan vấn đề nghiên cứu Những thành tựu khoa học kỹ thuật lĩnh vực công nghệ thông tin, cơng nghệ phát thanh, truyền hình đặc biệt internet tạo bùng nổ thông tin phạm vi toàn cầu Các cá nhân, tổ chức muốn theo kịp trình độ phát triển chung xã hội cần phải đẩy mạnh việc ứng dụng cơng nghệ thông tin, khai thác đa dạng thông tin, đặc biệt thơng đa phương tiện Trong đó, dạng thông tin video ngày phát triển mạnh mẽ phong phú Xu hướng liệu nghe nhìn trở nên sinh động hấp dẫn hơn, tăng tính khách quan chân thực, đồng thời thông tin dạng video trở nên dễ hiểu, đọng, súc tích dễ tiếp nhận Trong thể thao, video mang lại cho người hâm mộ kênh giải trí tuyệt vời, giúp họ xem xem lại số trận thể thao yêu thích Đối với chuyên gia, kênh để xem xét tình huống, nhằm phân tích cho mục đích học hỏi huấn luyện Trong phần này, nghiên cứu phân tích video, đặc tính đặc trưng giải thuật phân loại; quan tâm đến video thể thao nhằm mục đích phân loại video thể thao thành thể loại, cụ thể bốn thể loại quan tâm Việt Nam: bóng đá, bóng chuyền, tennis, cầu lơng Mục đích nghiên cứu Mục đích luận văn xây dựng hệ thống phân loại liệu video theo thể loại Mục tiêu cụ thể hệ thống: Quản lý video theo nội dung Phân loại tự động video theo thể loại Truy hồi video dựa vào nội dung (hình ảnh, đoạn video) theo thể loại Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: - Phân tích, xử lý video: tách shot, xác định keyframe - Xác định tính chất đặc trưng cho thể loại thể thao - Các kỹ thuật phân loại video theo thể loại thể thao Phạm vi nghiên cứu: - Một số loại thể thao có số đặc trưng sân có kích thước xác định, đối tượng mơn thể thao: bóng đá, bóng chuyền, cầu lơng, tennis, bóng rỗ - Phạm vi giới hạn luận văn gồm bốn loại thể thao: bóng đá, bóng chuyền, bóng rỗ cầu lơng - Kích thước video xử lý: 240 x 180 - Nguồn liệu video từ kênh thể thao, youtube Phương pháp nghiên cứu - Thu thập, phân tích tài liệu thơng tin liên quan: o Xử lý tách shot video, o Phương pháp xác định keyframe shot/video o Phương pháp xác định đặc trưng cho thể loại thể thao o Các phương pháp phân loại video thể thao theo thể loại - Tìm hiểu cơng trình liên quan - Phân tích, lựa chọn phương hướng giải vấn đề - Triển khai xây dựng mơ hình - Kiểm tra, thử nghiệm đánh giá kết đạt Nội dung báo cáo bao gồm chương: • Chương 1: Tổng quan liệu đa phương tiện • Chương 2: Cơ sở lý thuyết • Chương 3: Hệ thống đề xuất loai = 2; theloai = 'Bong Da'; elseif(CL==max(A)) loai = 3; theloai = 'Cau Long'; else loai = 4; theloai = 'Tennis'; end 5.2 Thử nghiệm Trong phần thực nghiệm này, thu thập 80 đoạn video với tổng thời lượng khoảng 200 phút cho loại thể thao gồm bóng chuyền, bóng đá, tennis cầu lơng Trong tennis gồm 24 video, cầu lơng gồm 17 video, bóng chuyền gồm 20 video bóng đá gồm 19 video Với khoảng 2100 keyframe thu từ bốn loại thể thao chia thành hai tập liệu: tập huấn luyện gồm 840 frame tập kiểm tra gồm 1260 frame Đánh giá hệ thống từ tập liệu kiểm tra cho kết 97% Với việc sử dụng 93 video để kiểm tra hệ thống phân loại bao gồm: 12 video bóng chuyền, 34 video bóng đá, 17 video cầu lông 30 video tennis - video không thuộc tập huấn luyện tập kiểm tra - cách lấy 1000 frame từ video đầu vào (khoảng 40 giây), sau tính số frame lớn nhãn thu sau phân loại frame để đưa định video thuộc thể loại bốn thể loại khảo sát Kết phân loại video sau: Mơn bóng chuyền: TheLoai Bong Chuyen Bong Chuyen Bong Chuyen Bong Chuyen Bong Chuyen Bong Da Bong Da Bong Chuyen Cau Long Tennis Bong Chuyen Bong Chuyen TenFile BChuyen BongDa CauLong TenNis Khác 0.62 0.06 0.05 0.27 0.00 0.84 0.16 0.00 0.00 0.00 0.79 0.04 0.06 0.11 0.00 0.79 0.06 0.02 0.12 0.00 0.56 0.14 0.03 0.28 0.00 0.28 0.65 0.45 0.21 0.01 0.11 0.26 0.03 0.00 0.00 10 0.73 0.23 0.04 0.01 0.00 BC_005 Qatar 2017 0.23 0.36 0.41 0.00 0.00 0.07 0.12 0.36 0.44 0.00 11 0.71 0.02 0.06 0.21 0.00 12 0.71 0.02 0.06 0.21 0.00 Tổng: 12, đúng: 8, sai:4 -Môn bóng đá: PhanLoai Bong Da Bong Da Bong Da Bong Da Bong Da TenFile BChuyen BongDa 0.01 0.89 0.01 0.96 0.00 0.70 0.05 0.66 0.01 0.89 CauLong TenNis 0.00 0.10 0.00 0.03 0.01 0.30 0.02 0.27 0.00 0.10 Khác 0.00 0.00 0.00 0.00 0.00 Bong Da Tennis Tennis Bong Da Bong Da Tennis Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Bong Da Tennis Bong Da Tennis Tennis Tennis Bong Da Bong Da Bong Da Bong Da Bong Da 10 ab abc Aus(1) Aus(2) Aus(3) Aus(4) BD_005 BD_006 BD_007 BD_008_clip3 CAM-CHI(1) CAM-CHI(2) CAM-CHI(3) Juventus_clip3 Juventus_clip5 Lionel_clip1 Lionel_clip3 Lionel_clip4 Lionel_clip5 POR-MEX (1) POR-MEX (2) POR-MEX (3) Video_clip1 Video_clip4 Video_clip5 0.01 0.08 0.00 0.01 0.13 0.00 0.00 0.01 0.00 0.00 0.01 0.03 0.10 0.09 0.07 0.01 0.12 0.05 0.02 0.00 0.00 0.00 0.00 0.15 0.07 0.12 0.00 0.01 0.00 0.82 0.38 0.34 0.75 0.69 0.49 0.93 0.76 0.89 0.76 0.74 0.81 0.69 0.64 0.70 0.95 0.87 0.43 0.47 0.32 0.62 0.22 0.39 0.41 0.72 0.60 0.63 0.69 0.81 0.02 0.14 0.03 0.01 0.03 0.01 0.00 0.01 0.00 0.00 0.00 0.02 0.01 0.01 0.16 0.01 0.00 0.15 0.26 0.07 0.03 0.00 0.00 0.01 0.01 0.01 0.00 0.01 0.02 0.15 0.40 0.63 0.23 0.15 0.50 0.07 0.23 0.10 0.24 0.26 0.14 0.20 0.27 0.08 0.03 0.02 0.37 0.25 0.61 0.35 0.78 0.61 0.43 0.20 0.27 0.37 0.29 0.17 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Tổng: 34, đúng: 27, sai: Môn cầu lông: PhanLoai Cau Long Bong Chuyen Bong Da Bong Da Bong Chuyen Cau Long Cau Long Cau Long Tennis TenFile BChuyen 0.00 BongDa 0.04 CauLong 0.71 TenNis 0.24 Khác 0.00 0.92 0.03 0.00 0.05 0.00 0.04 0.00 0.72 0.48 0.19 0.41 0.05 0.11 0.00 0.00 0.72 0.01 0.19 0.09 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.14 1.00 0.84 1.00 0.00 0.00 0.15 0.00 0.00 0.00 0.00 0.00 0.86 Cau Long Cau Long Cau Long Bong Chuyen Cau Long Cau Long Cau Long Cau Long 10 11 12 0.00 0.12 0.00 0.01 0.06 0.01 0.87 0.70 0.67 0.12 0.12 0.32 0.00 0.00 0.00 13 1.00 0.00 0.00 0.00 0.00 14 15 16 17 0.00 0.02 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.75 0.99 1.00 0.00 0.23 0.01 0.00 0.00 0.00 0.00 0.00 Tổng: 17, đúng: 11, sai: -Môn tennis: PhanLoai Tennis Tennis Tennis Tennis Bong Da Tennis Tennis Tennis Tennis Tennis Tennis Tennis Tennis Tennis Bong Chuyen Bong Chuyen Bong Chuyen Bong Chuyen Tennis Bong Da Tennis Tennis Tennis Tennis Tennis Tennis Tennis TenFile 10 11 12 13 14 BChuyen 0.05 0.01 0.00 0.03 0.17 0.08 0.00 0.07 0.07 0.08 0.06 0.00 0.11 0.12 BongDa 0.21 0.01 0.00 0.02 0.47 0.02 0.02 0.16 0.10 0.16 0.15 0.06 0.00 0.04 CauLong 0.03 0.32 0.07 0.07 0.29 0.06 0.05 0.00 0.01 0.01 0.01 0.23 0.23 0.20 TenNis 0.71 0.66 0.93 0.88 0.07 0.85 0.93 0.77 0.81 0.75 0.78 0.71 0.66 0.63 Khác 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 15 0.96 0.00 0.01 0.03 0.00 16 0.92 0.00 0.04 0.03 0.00 17 0.39 0.25 0.06 0.30 0.00 18 0.83 0.07 0.01 0.10 0.00 19 20 21 22 23 24 25 26 27 0.34 0.26 0.00 0.06 0.05 0.07 0.00 0.07 0.06 0.29 0.63 0.03 0.16 0.13 0.12 0.22 0.00 0.09 0.01 0.05 0.09 0.05 0.22 0.36 0.00 0.09 0.01 0.36 0.06 0.88 0.73 0.59 0.44 0.78 0.84 0.85 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Tennis Tennis Tennis 28 29 30 0.07 0.00 0.00 0.16 0.00 0.21 0.26 0.00 0.01 0.51 1.00 0.78 0.00 0.00 0.00 Tổng: 30, đúng: 24, sai: 5.3 Đánh giá Đánh giá hệ thống: Hai độ đo phổ biến để xác định kết tốn độ xác (precision) độ bao phủ (recall) Lập ma trận nhầm lẫn: Phân loại hệ thống Phân loại Ci Đúng Sai Thể loại Đúng TPi FNi thực tế Sai FPi TNi Trong đó: - TPi số lượng video thuộc lớp Ci phân loại xác vào lớp Ci - FPi số lượng video không thuộc lớp Ci bị phân loại nhầm vào lớp Ci - TNi số lượng video khơng thuộc lớp Ci phân loại xác - FNi số lượng video thuộc lớp Ci bị phân loại nhầm (vào lớp khác Ci) Ta có: Precision: tập tìm có video phân loại Recall: số tồn tại, phân loại video - Precision lớp Ci: ��������� = - Recall lớp Ci: ������ = �� �� + �� �� + �� Đối với mơn bóng chuyền: Phân loại hệ Phân loại bóng chuyền Thể loại Đúng thống Đúng Sai TPi thực tế Sai FNi 62 TNi FPi = 0.5333 �� = �� + 8+ �� �� = ������ = �� + = 0.6666 8+ �� ��������� = Đối với mơn bóng đá: Phân loại hệ thống Phân loại bóng đá Thể loại thực tế Đúng Đúng Sai 27 Sai 41 FPi �� ��������� �� + = �� �� ������ = FNi TPi �� + �� = 27 TNi = 0.8181 27 + 27 = 27 + = 0.7941 Đối với môn cầu lông: Phân loại hệ thống Phân loại cầu lông Đúng Sai 11 Đúng Thể loại TPi thực tế FNi Sai 57 FPi ��������� = ������ = Đối với môn tennis: �� �� + �� �� �� + �� = TNi = 0.9166 11 + 11 = 11 + = 0.6470 Phân loại hệ thống Phân loại tennis Thể loại thực tế Đúng Sai 24 Đúng TPi Sai 44 FPi ��������� = Kết luận �� �� + �� �� ������ �� + = �� = = FNi TNi = 0.7272 24 + 24 24 + = 0.8000 6.1 Các vấn đề đạt Khai thác liệu vấn đề thường nhật sống tốn phân loại ứng dụng Phương pháp phân loại trình bày luận văn đạt số điểm: - Hiện thực vấn đề xử lý ảnh - Xác định keyframe, tách shot - Xây dựng mơ hình Neural Network với công cụ hỗ trợ Matlab - Xây dựng hệ phân loại bước đầu, làm sở cho việc xây dựng hệ thống phân loại nâng cao Qua bảng đánh giá hệ số Precision Recall, hai thể loại bóng đá tennis cho kết tốt - Đối với bóng đá, hệ số Precision Recall 0.81 0.79 - Đối với tennis, hệ số Precision Recall 0.72 0.8 - Đối với bóng chuyền, hệ số Precision Recall 0.53 0.66 - Đối với câu lông, hệ số Precision Recall 0.91 0.64 6.2 Các vấn đề tồn Hệ thống phụ thuộc góc quay camera Thơng thường, camera hướng vào khu vực sân bóng từ xuống với góc khoảng 40 đến 45 độ, camera đặt thấp hệ thống nhận diện khơng nhiễu Vấn đề liệu mẫu không đại diện cho tất cả, nguồn liệu không đầy đủ vấn đề quyền loại video thể thao Với trận đấu địa phương khác cấu tạo, màu sắc mặt sân khác Nhận dạng nhầm lẫn với đoạn video có nhiều hiệu ứng (highlights) cảnh quay khơng tập trung vào tồn cảnh sân bóng 6.3 Hướng phát triển Bước phân loại dựa vào nội dung cảnh hình dạng bước dùng xử lý ban đầu Để hiệu vấn đề phân loại video thể thao cần bổ sung thêm đặc tính nhận dạng khác Trong đặc tính chuyển động yếu tố quan trọng thể thao Hướng toán kết hợp với đặc tính chuyển động nhận dạng cơng cụ chơi bóng sử dụng thể loại TÀI LIỆU THAM KHẢO [1] Đỗ Trung Tuấn (2007), Multimedia, Học viện Công Nghệ Bưu Chính Viễn Thơng [2] Phạm Tơ Hà (2015), Kỹ thuật tách lia video ứng dụng, Đại học Thái Nguyên- Đại học Công Nghệ thông Tin Truyền Thông [3] Lê Thị Thu Hằng (2016), Nghiên cứu mạng neural tích chập ứng dụng cho tốn nhận dạng biển số xe, Đại học Công nghệ-Đại học Quốc gia Hà Nội [4] Khushboo Khurana, M B Chandak (2013), “Key frame extraction methodology for video annotation” International Journal of Computer Engineering and Technology (IJCET), Volume (Issue 2), pp 221-228 [5] K Selcuk Candan-Arizona State University and Maria Luisa Sapino-University of Torino, Data management for multimedia retrieval, Cambridge University Press [6] Michele Saad (2008), “Low-Level Color and Texture Feature Extraction for Content-Based Image Retrieval” EE 381K: Multi-Dimensional Digital Signal Processing [7] Thomas B Moeslund, Graham Thomas, Adrian Hilton, Computer Vision in Sports, Springer Cham Heidelberg New York Dordrecht London [8] Xavier Gibert, Huiping Li and David Doermann (2003), Sports video classification using hmms, Language and Media Processing Laboratory University of Maryland, College Park [9] https://www.mathworks.com/help/index.html, truy cập ngày 18/4/2017 [10] http://nhiethuyettre.me/mang-no-ron-tich-chap-convolutional-neural-network, truy cập ngày 01/5/2017 [11] https://viblo.asia/p/mang-no-ron-tich-chap-p1-DZrGNNjPGVB, truy cập ngày 01/5/2017 [12] https://adeshpande3.github.io/adeshpande3.github.io/A-Beginner's-Guide-ToUnderstanding-Convolutional-Neural-Networks, truy cập ngày 03/5/2017 ... thể loại Mục tiêu cụ thể hệ thống: Quản lý video theo nội dung Phân loại tự động video theo thể loại Truy hồi video dựa vào nội dung (hình ảnh, đoạn video) theo thể loại Đối tượng phạm vi nghiên... thao thành thể loại, cụ thể bốn thể loại quan tâm Việt Nam: bóng đá, bóng chuyền, tennis, cầu lơng Mục đích nghiên cứu Mục đích luận văn xây dựng hệ thống phân loại liệu video theo thể loại Mục... tượng nghiên cứu: - Phân tích, xử lý video: tách shot, xác định keyframe - Xác định tính chất đặc trưng cho thể loại thể thao - Các kỹ thuật phân loại video theo thể loại thể thao Phạm vi nghiên