基于人工免疫有序聚类的视频关键帧提取方法

针对现有的基于无监督聚类的视频关键帧提取方法没有考虑镜头内容的时序性、对初始类的划分较敏感、易陷入局部最优等问题,提出了一种新的基于人工免疫的有序样本聚类算法.在传统人工免疫聚类算法的基础上引入了抗原记忆识别机制及改进了抗体的克隆与超变异机制,并在此基础上给出了基于人工免疫有序聚类的视频关键帧提取方法.该方法将镜头帧序列看成一个入侵机体的抗原序列,然后基于首次应答与再次应答机制依次为每个抗原产生记忆细胞池,最终每个记忆细胞池能识别的邻近抗原对应一个类别并选取距其类中心最近的帧为关键帧.对大量不同类型的视频进行了试验.结果表明,该方法能得到较高的保真度和压缩率,能够十分有效地提取出反映镜头内容变化的关键帧.     

视频镜头边界检测的实验设计

视频的镜头边界检测是视频处理技术的根本和关键。它有助于建立一个层次化的视频结构，从而有利于提取有意义的视频内容。在学术界得到广泛公认的是，镜头的边界检测是视频分析、处理和应用中的第一步骤。视频的镜头边界检测，长期以来吸引了众多学者的关注和研究。文中设计了一个检测视频镜头边界的实验：首先，使用91MPEG视频解码器得到视频帧序列；然后，提取视频帧的RGB颜色空间特征；最后，运用阈值判别方法，来检测视频镜头边界的变换。     

基于镜头内容的视频检索系统

针对已有检索系统的不足,设计并实现了一种基于镜头内容的视频检索系统.该系统在镜头边缘检测关键技术上,采用了一种基于相邻尺度小波变换乘积的镜头检测方法;在关键帧提取关键技术上,采用了一种基于多特征自适应阈值检测的关键帧提取方法,实现了对镜头内容的多层次描述,并且所选取的关键帧能够很好地反映视频内容.最后将研究方法通过检索平台进行了验证.     

基于DCE算法的压缩域视频镜头分割方法

镜头分割是视频检索的结构化基础,为此提出一种高效的视频镜头分割方法.首先,在压缩域中提取视频流中I帧携带的特征信息,并生成帧间特征分布曲线;然后,利用离散曲线演化(DCE)算法对预处理过的曲线进行分析与演进;最后,分割出视频镜头并提取关键帧.试验结果表明:该方法充分考虑了视频编码的时序特点,具有较好的分割效果,鲁棒性强.     

基于支持向量机元分类器的体育视频分类

为弥补特征提取中的语义缺陷,提出了一种利用领域知识规则填补特征与高级语义之间鸿沟的思想,从体育视频中对语义对象进行有效的特征提取,并采用支持向量机元分类器和组合策略对体育视频进行分类的方法.实验表明,该分类方法对大部分体育视频都具有很好的分类效果,平均准确率可达92.23%,优于其他提取特征无语义关联的分类方法.     

利用相似性比较进行视频镜头检测的方法

随着多媒体技术的发展,大量的视频数据涌现。但由于视频数据是非结构性的数据,故而,为了便于视频的检索和浏览,必须对视频进行分段,将镜头作为分段的基本单元是比较合适的。通过改变两帧图像的分块相似度的定义对镜头进行突变检测,然后利用小波变换对分块图像进行多尺度分解,以提取图像的边缘特征;最后结合这两种特征,对镜头进行渐变检测,数值试验表明,所利用的方法对各种类型的视频能够很好的检测出其中的突变型镜头和渐变型镜头。     

利用相似性比较进行视频镜头检测的方法

随着多媒体技术的发展,大量的视频数据涌现.但由于视频数据是非结构性的数据,故而,为了便于视频的检索和浏览,必须对视频进行分段,将镜头作为分段的基本单元是比较合适的.通过改变两帧图像的分块相似度的定义对镜头进行突变检测,然后利用小波变换对分块图像进行多尺度分解,以提取图像的边缘特征;最后结合这两种特征,对镜头进行渐变检测,数值试验表明,所利用的方法对各种类型的视频能够很好的检测出其中的突变型镜头和渐变型镜头.     

视频摘要系统的技术研究与实现

本文针对未进行后期编辑的视频序列设计了一个视频摘要系统.以视频帧图像的累积直方图来提取图像特征,有效地解决了光照的改变使镜头内直方图差异较大以及直方图对物体/摄像机的运动的鲁棒性有限两大问题,并结合了滑动窗口算法,有效地实现对视频序列的镜头边界检测.另外,本文还提出了一种基于镜头和图像内容的关键帧提取算法,降低计算的复杂度,并且提取的关键帧能更全面准确地体现原视频的内容.     

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。     

基于GEP自动聚类算法的视频关键帧提取方法

视频关键帧提取技术是视频数据处理研究领域的热点研究问题.该文针对现有的镜头边界检测技术不能有效提取关键帧的不足,提出一种基于小波边缘检测算子的自适应分块视频镜头边界检测算法.通过检测视频镜头变化,得到分割的镜头,然后对视频帧提取图像特征,并利用基因表达式编程(GEP)的自动聚类功能对视频帧进行聚类,提出并实现了基于GEP自动聚类的视频关键帧提取算法(KFC‐GEP).实验证明该方法能较好的提取视频序列的关键帧.     

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。     

Key Frame Extraction Using Unsupervised Clustering Based on a Statistical Model

This paper proposes a novel algorithm for extracting key frames to represent video shots. Regarding whether, or how well, a key frame represents a shot, different interpretations have been suggested.We develop our algorithm on the assumption that more important content may demand more attention and may last relatively more frames. Unsupervised clustering is used to divide the frames into clusters within a shot, and then a key frame is selected from each candidate cluster. To make the algorithm independent of video sequences, we employ a statistical model to calculate the clustering threshold. The proposed algorithm can capture the important yet salient content as the key frame. Its robustness and adaptability are validated by experiments with various kinds of video sequences.     

摄相机运动识别及视频分割的组合检测新方法

针对视频镜头分割处理的需求，提出了一种综合运动参数曲线法．它以由压缩域视频流中运动信息估计出的摄像机运动参数为基础，对视频流进行基于内容的分析．该方法的特点是在对视频流处理中将摄像机的运动识别与视频分割问题综合考虑，在求取帧间摄像机运动参数以及判断连续帧间的摄像机运动趋势的同时，可一并实现对视频流时域上的自动分割，以及近景镜头等的识别，对各种类型视频均采用相同的技术操作和统一的门限值，具有上佳的鲁棒性，对MPEG组织专用于内容检索的10类共计284min的标准视频进行了实验，查全率达92％～100％，查准率也高达86％以上(动画及体育片段除外)，证实了所提方法的有效性。     

视频内容的结构分析研究

基于内容的视频检索是目前一个热点,进行检索前必须要根据视频内容为视频数据建立索引。本文从镜头分割和分类分析了视频内容的语义结构。     

一种基于陀螺仪优化参数的视频校准方法

对卷帘快门相机拍摄的视频序列中运动目标产生的图形畸变进行校正,校正参数由时间来限制与补偿,并考虑了相机与陀螺仪的相对位置以及陀螺仪偏差等因素。采用非线性最小二乘优化来估计参数,使用对称传输函数作为成本函数。初始化了相对位置与时间补偿,并提出一个稳定的误差范数来剔除异常值。将模型应用于搭载陀螺仪的卷帘快门相机所拍摄的视频,通过参数的初始化校准,得到的稳定参数可以有效地校正视频。实验表明,该方法适用于不同的运动模式以及残差矢量,并且误差范数的选择对结果的精确性有较大的影响。     

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 MPEG 国际标准压缩视频流的镜头切分算法

镜头切分是实现对动态视频基于内容检索的第一步，以检测出来的镜头作为基本单元，可以进一步对视频内容进行分析和建立索引。从实用角度看，目前越来越多的动态视频资料都是以压缩形式存储和传输，所以，研究基于压缩视频流的算法更有实际意义。本文旨在提出一种基于ＭＰＥＧ国际标准压缩视频流的镜头自动切分算法，通过利用ＭＰＥＧ数据流中已有的信息，如离散余弦变换（ＤＣＴ）系数和运动向量，只进行最小程度的解码，来检测镜头间的边界，从而实现镜头切分。针对实际视频流中镜头切换方式的复杂性，本文提出了三个算法分别处理不同情况，并将这三个算法以树形分类器的方式组织在一起，形成一个系统。通过对十段不同类型的ＭＰＥＧ－Ⅰ压缩视频节目进行镜头切分实验，取得了９０％以上的正确率。     

基于纹理和直方图特征相融合的镜头边界检测方法

镜头切换检测是视频检索研究领域中一项基本的、重要的技术,对于数字视频镜头突变切换的检测,一般有模板匹配法、直方图法等基本算法,但这些算法在实际检测中通常达不到较高的检测精度。因此,提出了一种特征融合的镜头边界检测方法。HSV色彩直方图进行镜头边界检测是一种常用、有效的方法,该文通过小波变换得到视频帧的纹理特征,并将其与色彩直方图特征相融合,采用滑动窗口技术对视频镜头进行检测。实验表明,该方法能够有效地检测镜头突变,对镜头的渐变也能有较好地检测。     

视频语义信息提取的研究

由于视频信息信息量大,内容丰富,使得对其进行有效的管理和检索成为一个困难而又必须解决的课题.在对视频分割算法进行研究的同时,提出一种基于语义的视频镜头检测方法.主要是通过相邻帧之间的差异来判断是否存在镜头切换出现.实验验证该方法是可行的.