面向情感的电影背景音乐分类方法研究

论文摘要

近年来,随着电影业、计算机和互联网的迅猛发展,电影媒体数据量每年以惊人的速度增长。传统的基于人工标注的电影媒体管理方法由于海量的电影数据和很难保证电影类型、情感标签的一致性而无法满足用户的检索需求。这一需求促进了面向观众的电影情感内容分析的发展。电影背景音乐,在强化电影情感,增加情节戏剧性和渲染气氛方面有不可替代的作用。如果能对电影的背景音乐进行面向情感的自动分类,将会提高电影情感内容分析的准确率。目前将电影背景音乐作为独立的研究对象方面的研究并不多见,但基于内容及情感音乐的分类方面的研究不少。在归纳和总结现有音乐情感分类文献的基础上,构造了电影背景音乐的情感特征向量和电影背景音乐情感分类器。电影背景音乐特征向量由从音乐音频信号中提取的小节长度节奏模式特征、小节长度低音线特征及梅尔频率倒谱系数和音程特征组成。节奏模式和低音线特征与其它特征的不同是能够反映出电影背景音乐片段的整体节奏结构。分类方法采用最初用于文本语义分的概率潜在语义分析（PLSA）方法,PLSA在挖掘文本中同义词和异义词的潜在语义方面,性能尤其突出。为充分利用PLSA的分类性能,构造了用于电影背景音乐情感分类听觉词汇,并将电影背景音乐依据情感分为兴奋、紧张、放松和哀伤四类。实验结果表明,构造的电影背景音乐情感特征向量和引入的PLSA分类方法较之现有文献中用到的方法提高了分类正确率。但是,构造的特征情感向量在区分V-A情感平面内诱力的能力还有待于提高,未来的研究重点将围绕如何提取区分能力强的特征进行展开。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究目的及意义
• 1.2 国内外研究现状及存在问题
• 1.3 研究目标和所做的工作
• 1.4 论文的组织结构
• 2 电影背景音乐特征提取与分析
• 2.1 预处理
• 2.2 小节长度上的节奏模式与低音线模式提取
• 2.3 本章小结
• 3 基于PLSA 的电影背景音乐情感分类
• 3.1 PLSA 的分类原理
• 3.2 PLSA 在电影背景音乐情感分类中的应用
• 3.3 听觉词汇的生成
• 3.4 本章小结
• 4 实验设计及结果分析
• 4.1 电影背景音乐情感数据集
• 4.2 电影背景音乐典型情感片段的标注
• 4.3 实验结果与分析
• 4.4 本章小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献