内容的新闻视频的切变镜头检测算法

为解决新闻视频组织和检索中对新闻视频进行基于内容分割的问题,提出了一种新的镜头分割方法。该方法利用相邻帧之间特征值之差初步判定镜头的切变位置,其特征值差阈值能自适应调整并对潜在的镜头切变位置进行闪光检测。试验结果表明,该算法能快速、准确地检测出新闻视频中的切变镜头。其中查全率和查准率平均能达到94%和89%,较原来方法都有所提高。     

基于直方图差分的视频分类方法

针对当前视频自动分类算法复杂计算量大等问题，提出一种简单的自动视频分类方法，即基于直方图差分的统计方法。获得每个视频的直方图差分曲线后，调整去掉编辑特效造成的虚假峰，得到每个视频的每秒平均镜头切换次数，以此作为广告视频和非广告视频的分类依据，进行C-均值聚类。实验结果表明，该方法以较少的工作量获得了较好的分类结果。     

基于支持向量机的视频语义场景分割算法研究

针对视频分割中存在的低层特征与高层语义之间“语义鸿沟”问题,在对视频进行镜头边界检测的基础上,引入视频语义概念矢量的定义,实现了一种基于支持向量机的视频语义场景构造方法。根据镜头关键帧画面语义的不同,提取镜头关键帧的颜色特征,并将其归一化;然后利用支持向量机对归一化后的特征量进行语义分类预测,从而生成语义矢量;将生成的语义矢量应用于已有的重叠镜头链方法,对镜头关键帧进行聚类,按语义差别构造出不同场景。实验结果证明了该方法的有效性。     

视频镜头边界检测中奇异值分解算法

在海量的视频数据中准确、快速地检测出镜头边界非常重要.对这一问题,基于现有的视频镜头边界检测方法的基础上,提出基于奇异值分解的视频镜头边界检测方法.实验结果显示,该算法是有效的,其不但能准确地检测出突变边界而且对渐变边界检测也有较好的效果,并且在新闻视频中可有效识别闪光.     

基于颜色加权的新闻视频镜头检测方法

针对新闻视频镜头切变时颜色特征的变化, 提出了一种基于颜色直方图加权的方法, 即采用加权颜色直方图作为特征求相邻两帧的帧间差, 并与自适应阈值进行比较, 确定潜在的镜头边界。同时针对新闻视频中经常出现的闪光灯现象对镜头检测的影响, 采用改进的滑动窗口法进行二次检验, 进一步确定镜头边界, 有效减少了视频中物体运动过快对镜头边界检测的影响。实验结果表明, 该方法与传统方法相比, 其检测效果较好, 且计算复杂度低, 易于实现。     

基于多特征融合和小波去噪的镜头渐变检测方法

镜头检测在视频检索中起着关键的作用。镜头渐变检测已有许多成熟的方法,如何识别镜头渐变是视频分割中的重点。将视频的多帧差序列视为一维信号,提出了一种基于多特征融合和小波去噪的二次帧差滑动窗口镜头边界检测算法,该方法能同时检测出镜头的切变和渐变,实验表明该方法在一定程度上克服了由于摄像机不规则运动、光影变化、画面中物体快速运动等造成的影响,通过对不同视频片段的测试和比较,表明该算法能较好地实现镜头的突变和渐变检测。     

基于多特征融合和小波去噪的镜头渐变检测方法

镜头检测在视频检索中起着关键的作用.镜头渐变检测已有许多成熟的方法,如何识别镜头渐变是视频分割中的重点.将视频的多帧差序列视为一维信号,提出了一种基于多特征融合和小波去噪的二次帧差滑动窗口镜头边界检测算法,该方法能同时检测出镜头的切变和渐变,实验表明该方法在一定程度上克服了由于摄像机不规则运动、光影变化、画面中物体快速运动等造成的影响,通过对不同视频片段的测试和比较,表明该算法能较好地实现镜头的突变和渐变检测.     

一种基于镜头切换和文本检测的广告检测算法

针对广告的两个基本特征： 镜头切换较频繁和经常突显商标信息, 提出一种基于镜头切换和文本检测的广告检测算法. 该算法先对各相邻帧进行直方图差分, 再对剪切、 消融、 淡入淡出和划变4种常见的镜头切换方式进行分析和识别, 实现了镜头切换检测. 对于镜头切换频率较低的广告, 通过基于最大梯度差分的文本检测方法检测广告商标信息, 实现了广告自动检测系统. 实验结果表明, 对于约15 min的视频序列, 该检测算法可获得83.32%的正确率, 可初步满足广告检测的要求.     

基于场景的视频摘要生成方法

针对如何在语义层次上形成视频摘要问题,提出了一种基于场景的视频摘要生成算法.首先利用类内和类间损失对场景进行分类,然后根据语义概念"重要度"从镜头类和场景提取视频摘要的构成帧,最后将选取的关键帧根据时间顺序排序,构成静态浏览型的视频摘要.实验证明该方法可以用少量的视频帧有效地表示视频的主要内容,并能有效地保持视频内容的连续性.     

基于多粒度感知SVM的复杂场景人车分类方法

针对复杂场景中的人车分类问题, 提出一种基于多粒度感知SVM (support vector machine)的复杂场景人车分类方法。该方法首先对视频场景进行运动区域分析, 结合角点检测方法提取运动区域视觉感知信息, 在时空域中采用Kalman滤波将感知信息进行关联推理, 去除噪声干扰。 再以运动区域质心点为中心, 构造目标的多粒度感知特征, 最后构造2级SVM分类器, 将目标多粒度感知特征向量集输入SVM分类器进行训练及分类, 得到人车分类结果输出。实验结果表明, 该方法取得了良好的分类效果, 人、车全天候平均分类正确率分别达到93.6%以上, 能有效避免光照、色彩、目标大小等变化导致的误分类问题, 适用于智能交通视频的人车分类应用。