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。     

基于双重检测模型的视频镜头分割算法

提出一种基于自适应双重检测模型的视频镜头分割算法.该算法分为初检和复检两阶段,初检提出了基于人类视觉特征的非均匀分块的概念,并结合滑动窗口自适应二分查找算法进行镜头边界检测;复检过程利用尺度不变特征变换算法对初检得到的镜头边界进行匹配,排除初检中的误检.视频测试结果表明,该算法对多种不同类型的视频能同时提高切变和渐变镜头边界检测的效果.     

基于模糊聚类的增强镜头检测鲁棒性算法

为了有效降低闪光、字幕、镜头移动等因素对镜头检测的影响,提出了改进的直方图分块法,以各块的帧间差作为特征,以分块权值为特征权重进行模糊聚类,根据视频突变、渐变边界的特点进行预处理,排除了闪光、字幕、镜头移动等对镜头边界检测的影响,从而增强镜头边界检测的鲁棒性,最终实现镜头的边界检测.实验表明该方法对不同类型的视频具有较强的鲁棒性.     

基于两级支持向量机分类的视频镜头分割方法

提出一种基于两级支持向量机分类的视频镜头分割方法.第1级分类器利用分段视频首尾帧直方图距离,结合滑动窗口和陷波方法计算分段视频的特征向量,通过支持向量机来分类筛选含有镜头边界的子段;第2级分类器根据不同间距的帧间直方图的距离特征,采用时间窗口法构造特征向量,利用二叉树支持向量机多分类策略检测镜头边界的位置.结果表明,所提出的方法能够同时提高切变和渐变的镜头边界的检测效果.     

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.     

视频分割和关键帧提取统一框架

镜头边缘检测是视频处理应用的重要环节.随着视频编辑技术的快速发展,以往的方法已不适应由视频特技产生镜头的边缘检测.以"画中画"技术造成的错检最为常见,因此,在时域多尺度边缘检测的基础上,提出以分块色彩直方图为特征,用SVM模式识别工具和滑动窗口技术,对视频帧进行分类的新方法.通过21 h(10250个镜头)的新闻视频测试表明可达到更高的准确率和召回率.该框架基本上解决了"画中画"技术造成的错检问题,对渐变的检测亦有较高的准确率.     

足球视频中近镜头的分类方法

视频镜头类型能够弥补低级特征和高级语义之间的鸿沟,有利于精彩事件的检测.文中在现有镜头分类算法的基础上,提出了一种将足球视频中的近镜头进一步分成特写镜头和场外观众镜头的分类方法.该方法选取近镜头关键帧图像在RGB颜色空间中颜色分量最少的单色图像,并对其进行尺寸归一化,然后采用各向同性Sobel算子和闭运算处理,获得二值边缘图像,最后通过计算二值边缘图像中黑色分块的个数实现两类镜头的分类判别.实验结果表明,文中方法是有效且实用的.     

基于DirectShow的镜头检测系统

镜头检测是视频检索中最基本也是最重要的一项内容,在讨论了如何利用DirectShow获取视频单帧图像的基础上,采用“滑动”窗口法来实现镜头的切变与渐变的检测,实现了基于DirectShow的镜头检测系统．实验结果表明,系统对镜头切变的检测取得了良好的效果,同时,也可以对滑动、淡入淡出、擦除等渐变进行检测．系统采用了DirectShow作为对视频的支持,具有良好的通用性及人机交互界面,满足了视频检索系统对界面的要求．     

基于可变窗的镜头边界检测算法

为了解决传统镜头边界检测算法的漏检和误检问题,对判决方法进行研究,提出了可变窗概念.当一个镜头中画面变化激烈时,减少窗口跨度;在平缓画面的镜头通过渐变过渡到另一个镜头时,增加窗口跨度.该算法统计各帧的分块直方图作为特征,结合可变窗判别机制,对非压缩域中的视频帧进行镜头边界检测.实验证明,该算法提高了整体镜头查全率,同时也降低了由于镜头画面激烈而发生的误检率.     

一种新的自适应镜头边界检测算法

针对镜头边界检测中存在的检测效果和检测阈值依赖人工经验的问题,提出了一种新的自适应镜头边界检测算法.该算法以视频帧窗口中亮度帧差到帧差均值的距离作为切变检测特征,根据该距离值的变化程度自动选取切变最优化阈值;以视频帧序列中的颜色帧差为渐变检测特征,对该帧差进行数量级量化,直接利用量化结果判定渐变,实现了镜头检测的自适应.实验结果表明,该算法对切变的查准率和查全率分别为96.74%和97.41%,对渐变的查准率和查全率分别为92.34%和89.67%,对于不同类型的视频检测效果稳定.