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.     

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。     

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.     

基于自适应双阈值和主色率的足球视频镜头的分割

为了有效地实现对足球视频镜头边界检测,该文提出了一种基于自适应双阈值并结合主色率的镜头分割算法.该算法首先采用滑动窗口,基于颜色直方图的分布得到局部自适应的双闽值,然后在HSV颜色空间中提取当前帧图像的主色,并基于圆柱距离求出主色像素点,接着在此基础上获取该帧的主色率,最后用双阈值结合主色率对足球视频镜头分割.实验结果证明:该方法对足球视频能较好地实现突变和渐变检测,为基于语义的足球视频的检索奠定了很好的结构化基础.     

星空背景下运动目标级联支持向量机高精度检测

为实现空间监视系统光学图像中目标高精度探测,提出了一种星空背景下高精度快速级联式支持向量机空间目标检测算法。通过提取空间目标不同尺度下目标二值规范化特征,训练前两级线性级联支持向量机分类器;继而提取目标的面积、周长、灰度、Hu矩特征作为组合特征,训练第三级支持向量机分类器。在目标检测过程中,采用前两级支持向量机分类器进行候选目标的窗口预测和评分,进而利用第三级支持向量机分类器进行目标确认而给出检测结果。仿真实验及结果分析表明,这种级联支持向量级目标检测方法的精度高、实时性强、适用于星空背景下的空间监视系统。     

星空背景下运动目标级联支持向量机(SVM)高精度检测

为实现空间监视系统光学图像中目标高精度探测,提出了一种星空背景下高精度快速级联式支持向量机空间目标检测算法。通过提取空间目标不同尺度下目标二值规范化特征,训练前两级线性级联支持向量机分类器;继而提取目标的面积、周长、灰度、Hu矩特征作为组合特征,训练第三级支持向量机分类器。在目标检测过程中,采用前两级支持向量机分类器进行候选目标的窗口预测和评分,进而利用第三级支持向量机分类器进行目标确认而给出检测结果。仿真实验及结果分析表明,这种级联支持向量级目标检测方法的精度高、实时性强、适用于星空背景下的空间监视系统。     

基于HOG的物体分类方法

研究了利用梯度方向直方图(HOG)特征实现物体分类的方法,并且将该特征结合深度图像分割和支持向量机(SVM)分类器,实现了一个物体分类系统.该系统基于新型传感器Kinect,可以提供实时的彩色图和高精度的深度图.利用其深度图做图像分割并且还原物体的三维信息,提出了依据物体距离自适应放缩分割出的物体区域窗口尺寸的方法,解...     

一种基于机器学习的视频镜头边界检测方法

镜头边界检测是基于内容视频检索中的第一步,在视频分析中扮演着重要角色。在此基于统一的机器学习框架,提出一种新颖的模式分类方法来解决新闻和广告视频中镜头检测问题。该方法利用支持向量机将镜头分为无场景变化、切变以及大场景变化;在大场景变化中,进行快速运动和渐变的分类。同时研究了以往同类工作中所忽视的不平衡样本分类问题。实验结果表明该方法能有效检测出新闻和广告视频中的镜头转换。     

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。     

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。     

A Study of Video Scenes Clustering Based on Shot Key Frames

0IntroductionRgecreonwtlinyg ,itnhcer aeapspienagrlayn.ceI nan tdh eus per oofce mssuilntig m oefdi aal lh akviend bsee onfmedia ,that of video dataisthe most challengingtask,for vid-eo dataincludes other kinds of media data.Itis difficult to an-alyze, browse and retrieve video data stream due to theirlengths and non-structure characteristics .Inthe past ,the study of video datafocus onthe shots de-tection and videoretrieve based onshot .Butin most video da-ta,the content granularity of shot …     

A novel method for tracking pedestrians from real-time video

This novel method of Pedestrian Tracking using Support Vector (PTSV) proposed for a video surveillance instrument combines the Support Vector Machine (SVM) classifier into an optic-flow based tracker. The traditional method using optical flow tracks objects by minimizing an intensity difference function between successive frames, while PTSV tracks objects by maximizing the SVM classification score. As the SVM classifier for object and non-object is pre-trained, there is need only to classify an image block as object or non-ob-ject without having to compare the pixel region of the tracked object in the previous frame. To account for large motions between successive frames we build pyramids from the support vectors and use a coarse-to-fine scan in the classification stage. To accelerate the training of SVM, a Sequential Minimal Optimization Method (SMO) is adopted. The results of using a kernel-PTSV for pedestrian tracking from real time video are shown at the end. Comparative experimental results showed that PTSV improves the reliability of tracking compared to that of traditional tracking method using optical flow.     

基于图像处理的车辆识别系统设计

为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图（HOG）特征与支持向量机（SVM）的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.     

基于子空间选择的SVM快速算法及其在医学图像奇异点检测中的应用

支持向量机（SVM）花费大量时间用于对非支持向量样本的优化．根据支持向量都是位于两类边界的靠近分类超平面的样本点，本文提出首先利用基于中心距离比值法排除大部分远离分类超平面的样本，然后以最小类间距离样本数作为测度进一步选择边界样本．得到包含所有支持向量的最小样本集，构成新的训练样本集训练SVM．将提出的算法应用于解决医学图像奇异点检测问题．实验结果表明．该算法减小了训练样本集的规模，有效地缩短了SVM训练算法的时间．同时获得了较高的榆出率．     

基于AR模型和SVM的脑电信号分类

 基于P300事件相关电位的脑机接口（BCI）系统中,有效的P300特征提取及分类是系统开展后续工作的关键。应用时间序列自回归（AR）模型及支持向量机（SVM）算法对脑电信号进行P300分类;对10导联脑电数据分别分段,并对每段建立AR模型;采用最小二乘法进行AR模型系数估计,由估计出的系数序列构成特征向量,送入SVM进行模式分类。实验针对BCI Competition Ⅲ dataset Ⅱ数据集进行了方法验证,提出的方法在15试次情况下识别正确率达93.5%。实验及数据分析结果表明,应用SVM分类器对AR模型提取出的系数序列特征向量进行分类,具有较好的系统识别正确率,可为实现基于P300的BCI系统实际应用奠定理论和实验基础。     

一种网络入侵检测特征提取方法

为了去除冗余特征,降低系统存储和运算负担,提高网络入侵检测分类器的性能,文中提出了一种基于Fisher分和支持向量机的网络入侵检测特征提取方法.针对KDD′99网络入侵检测数据集,应用该方法得到了混合攻击和4种单一攻击模式下的特征重要度排序,选取重要特征建立支持向量机入侵检测分类器.结果表明,该分类器精度与使用全部特征构建的支持向量机分类器相当,训练和测试时间则显著降低.     

基于SVM的多特征图像隐秘分析

文章通过分析研究隐秘图像和正常图像小波子带系数高频部分的统计特征,从纹理统计矩、DCT系数直方图矩和上下文块之间的相关性方面来提取特征,组成特征向量,并采用SVM方法进行分类,实现了一种从不同类型、不同角度提取多个特征的图像隐秘分析算法,解决了现有通用性隐秘分析算法特征提取不足的问题。实验结果表明,这是一种有效的、高精度的及通用性的检测方法。     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.