近年来,随着视频数据的爆发式增长,视频语义分析研究越来越成为人们的研究热点。在视频语义分析中,同一语义内容的场景多样性是始终客观存在的,即使是相同视频语义类别下的不同场景也可能产生不同的视频特征。如何通过容忍场景的多样性来提高视频语义概念检测的准确率始终是个亟待解决的问题。本文首先对视频语义分析研究的背景,意义以及现状做了概要描述;然后简述了相关稀疏表示以及核稀疏理论。结合稀疏表示算法的优势以及视频语义分析的发展需求,本文提出了基于自适应局部敏感可鉴别的稀疏表示字典学习和基于自适应局部敏感可鉴别核稀疏表示分类的视频语义分析算法以及基于自适应局部敏感可鉴别稀疏表示字典学习算法的视频语义检测原型系统。本文主要工作如下:1)在视频特征稀疏表示过程中使用字典学习方法能够获取不同视频语义特征之间的潜在关系。本文提出了一种基于自适应局部敏感可鉴别稀疏表示字典学习的视频语义分析方法。该方法构造了一个自适应局部适配器,并将其加入稀疏表示字典学习过程中,从而获得视频数据的结构信息。此外,在自适应局部敏感稀疏表示中,引入了具有类鉴别性的鉴别损失函数,使得稀疏表示特征保证了视频特征样本能够同类紧致,异类分离。利用基于自适应局部敏感可鉴别稀疏表示方法进行视频语义概念检测,实验结果表明,该方法能够快速有效提高视频语义概念检测准确性。2)将数据映射到高维空间下可有利于数据的可鉴别性分析。本文提出了基于自适应局部敏感可鉴别核稀疏表示的视频语义概念分类方法。该方法通过将核函数与稀疏表示相结合,利用核映射将视频数据样本和稀疏表示字典映射到高维核特征空间,通过高维空间下的字典原子和训练样本来构造自适应局部适配器作为核稀疏表示的约束项,来优化稀疏表示系数。同时在目标函数中加入基于稀疏表示系数的鉴别损失函数,以使得稀疏表示的更具类别鉴别能力。实验结果表明,所提出的方法提升了视频语义概念检测准确性。3)设计实现了基于自适应局部敏感可鉴别稀疏表示字典学习算法的视频语义概念检测原型系统。该系统使用VC++和MATLAB混合编程技术,采用面向对象设计方法,设计实现了模型训练、视频播放和视频语义检测三大模块,集成实现了视频语义概念检测原型系统。系统运行表明了该系统的可用性。