移动互联网、手机APP以及社交平台的发展带来了海量图像信息,图像成为互联网信息交流的主要媒介。相比于其他海量的图像,事件图像涵盖了复杂的视觉信息和特殊的语义内容,虽然带来了快捷的信息记录和分享方式,却增加了内容分析的难度,降低了信息检索效率。事件图像分类技术是解决这一问题的重要手段,但由于事件图像中场景环境、物体位置和人的姿态等视觉信息难以表示,正确地识别图像类别难度依然很大。针对事件图像分类问题,提出了基于LSTM(长短期记忆网络,Long short-Term Memory)融合多 CNN(Convolutional Neural Network)的事件图像分类方法,以有效地对事件图像进行分类。研究的内容具有重要的理论意义和实际应用价值。论文主要工作如下:1.研究了基于卷积神经网络的事件图像特征提取方法。充分考虑目标数据库中事件图像的特点,融合多种视觉特征表示事件。通过微调在ImageNet数据集上预训练的VGG16-Net网络模型获得物体特征提取网络,微调在数据集Places205上预训练的VGG16-Net网络模型获得场景特征提取网络,以及微调在PIPA数据集上预训练的AlexNet网络模型获得人物特征提取网络。实验表明,获取的场景、物体和人物视觉特征可以作为事件图像分类的可靠依据。2.研究了特征信息的融合方法,通过大量实验验证了场景、物体和人物这三种不同的视觉信息对事件图像分类的互补特性。采用场景、物体和人物特征提取模型分别获取事件图像的相应特征信息,将得到的特征信息通过串接的方式进行融合,并对融合后的特征进行softmax分类。实验表明,通过串接方式融合不同的特征能够有效地提高事件图像的分类准确率,不同视觉信息在事件图像分类问题上具有语义互补的特性。3.提出了一种基于LSTM融合多CNN的事件图像分类方法。为了对事件图像进行有效分类,从给定事件图像中提取多个图像块,并采用不同的卷积神经网络模型从图像块中提取场景、物体和人物特征。把从每个图像块中提取的特征进行串接,得到相应图像块的表示。将给定图像的所有图像块表示按照图像块的位置排列成一个序列作为LSTM的输入,并由LSTM给出对应事件图像的类别。实验结果表明,采用以上方法能够对事件图像进行有效的分类。