用于镜头突变切换检测的像素点匹配法

研究了各种常用的帧间差算法在镜头突变切换检到中的特点和分析了现有帧间差法难以达到很高的检测精度的原因之后，从人的视觉对图像差异的判断方式出发，提出了一种新的更为有效的计算图像相似度或帧间差的算法，即像素点匹配法，实验结果证实该算法在有限地增加计算量的条件下，明显地提高了镜头突变切换的检测精度。     

基于综合相似度的二次差分法在镜头检测中的应用

本文提出了一种基于综合相似度的二次差分法,综合考虑小波分析和统计量等多种方法对镜头进行检测。在镜头突变检测中考虑了相邻帧的二次差分法;同时,在渐变检测中引入了自适应阈值法,考虑了非相邻帧的二次差分法,避免了人为因素,克服了其他方法仅适用于一类视频序列或几类视频序列的限制,因而具有较好的鲁棒性。实际视频数数据的实验结果表明,本文所用方法对镜头边界检测具有很好的效果。     

一种基于二次帧差的突变镜头检测方法

通常的镜头检测方法都是利用帧间差来计算镜头边界的检测阈值,该文提出了一种基于二次帧差的突变镜头检测方法。该方法利用相邻帧之间黄金分块对应区间的HSV直方图距离,计算加权后的帧间差,然后通过计算二次帧差有效地消除边界检测阈值对镜头内容变化的敏感性。该方法不需设置全局阈值,适应性强。实验表明该算法取得了良好的检测效果。     

基于BP神经网络的视频镜头突变检测算法*

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,但这些算法都需要确定阈值,并在实际检测中通常达不到较高的检测精度。提出了一种新的基于BP神经网络的视频镜头突变检测算法,该算法选取模板匹配二次差分和直方图二次差分作为特征,利用神经网络的自组织、自学习能力实现镜头突变检测,然后以闪光检测来提高检测的可靠性。实验结果表明,该算法能够有效地检测视频的镜头突变,无须设定阈值,具有计算简单、易于实现的优点。     

基于YCbCr和帧间差分法的火焰分割算法

为了提高森林火灾的火焰检测效率和准确率，提出一种融合YCbCr和三帧差分法森林火焰前景提取算法。首先通过三帧差分算法对视频进行分帧处理，利用形态学进行去噪处理，再计算两帧参考帧和当前帧之间像素点的位置差异，得到像素点在参考帧中的位置和在当前帧中的位置之间的偏移量，从而分割出不断变化的火焰，结合YCbCr算法来进一步分割火焰疑似区域，达到精细化分割的目的。实验结果表明：所提方法克服了单个算法对火焰分割精度不高的缺点，可以较好地完成火焰分割，达到预期要求。     

基于Map Reduce的快速视频镜头边界检测算法

镜头边界检测是视频索引、检索和分析的基础。视频数据量大,镜头边界检测中的高计算成本是实际应用的一个瓶颈。利用Map Reduce模型分布式的计算思想,首先将大量的视频数据处理作业拆分成若干个可独立运行的Map任务,进行视频的解码和特征提取,然后由若干个Reduce任务对特征值进行检测获得最后镜头边界集合。在镜头特征提取时把视频分成31帧的小片段,利用带权值的分块的直方图计算视频片段的首尾帧间差,通过自适应阈值筛选出非镜头切换片段和候选镜头切换片段,对候选镜头切换片段再做进一步检测,提出非相邻帧二次帧差法对渐变镜头进行检测。实验结果表明,利用Map Reduce模型和改进的镜头算法在加速镜头边界检测的同时,还可以取得较好的检测精度。     

基于背景和帧间差分法的运动目标提取

在自动人脸识别系统中,人体目标的检测是该系统识别人脸的前期关键步骤之一。为了能快速准确地检测出运动的人体目标,提出了背景差分法和帧间差分法相结合的运动目标提取检测方法。针对视频中的背景因镜头摆动或物体的移入/移出而有所变动,给出了几种提取背景的方法,比较各种方法后决定采用中值法快速地进行背景建模,随后采用自适应背景更新,结合两种差分法检测运动目标。通过实验验证了本文算法的有效性。     

基于二重差分法的光流场运动检测

对视频图像序列中运动目标的检测,是计算机视觉领域长期关注的问题.传统的Horn-Schunck光流算法非常耗时,不利于在视频图像序列中做实时分析,故提出采用结合背景差分法与帧间差分法的二重差分法(DS)来做光流算法的预处理.实验结果也表明二重差分法的光流算法(DSOF)比单纯用Horn-Schunck方法计算光流效率更高,用时更短,能更好地满足对视频图像序列做实时运动检测分析的需求.     

一种基于宏块类型匹配的镜头切换检测算法

提出了一种新的MPEG压缩视频镜头切换检测算法。该方法通过分析切换点附近各帧的宏块类型特征，引入了一种新的“宏块类型匹配符”（MTMO），使用其在宏块级别上度量子图片组（SGOP）内部各帧之间的差异性，并结合一种自适应阈值选取技术，完成镜头切换检测。实验结果表明，所提算法适用于不同SGOP结构的MPEG视频序列，查全率达99％，准确率达95％。     

一种基于镜头的视频场景检测方法

在数字视频的分析、浏览、检索中,现有的以镜头为基础的方法由于镜头粒度信息太小而不能表达视频语义上的联系,因此有必要将视频内容按照高层语义单元——场景进行组织。从分析视频剪辑的基本原则入手,给出了一种视频场景构造方法;首先使用改进了的像素匹配二次差分法结合双阈值法进行镜头突变和渐变的检测,然后对镜头内的帧间距离进行判断来提取关键帧;提出了一种基于双滑动镜头窗口的聚类方法,将内容相似语义相同的镜头聚合在一起形成新的场景。试验表明,该方法是有效的。     

一种新的视频镜头分割算法

镜头是视频分析和索引的基础，但是自动的镜头分割，尤其是渐变切换的检测还是一个很有挑战性的课题。本文提出了一种利用直方图与模板匹配相结合来进行视频镜头切变检测的算法和一种利用图象灰度级平均(MGL)来进行渐变检测的算法，该渐变检测算法能有效区分摄象机镜头的运动和渐变。实际测试证明，利用本文算法进行视频镜头检测
能取得比较好的效果。     

基于背景颜色不变量的改进双直方图镜头边界探测算法

快速运动一般不是发生在背景内,而是发生在对象内,因此关注背景区域对于探测镜头边界是行之有效的,而在进行镜头边界探测时,普通双直方图法对渐变边界检测效果比较好,而对突变镜头检测的效果不是很理想。提出了一种基于背景颜色不变量的改进双直方图算法进行镜头边界探测,该方法首先定义出背景区域,然后选用Lab彩色模型来计算背景区域的色度,再利用改进的双直方图算法进行镜头边界探测,该方法所需计算量较小,且可保证较高的精度。实验结果表明,该算法的分割效果明显优于其他几种算法,具有更高的探准率。     

Steganalysis of LSB matching based on statistical modeling of pixel difference distributions

This paper presents a least significant bit (LSB) matching steganography detection method based on statistical modeling of pixel difference distributions. Previous research indicates that natural images are highly correlated in a local neighborhood and that the value zero appears most frequently in intensity differences between adjacent pixels. The statistical model of the distribution of pixel difference can be established using the Laplace distribution. LSB matching steganography randomly increases or decreases the pixel value by 1 when the message is embedded; thus, the frequency of occurrence of the value zero in pixel differences changes most dramatically during message embedding. Based on the Laplacian model of pixel difference distributions, this paper proposes a method to estimate the number of the zero difference value using the number of non-zero difference values from stego-images and uses the relative estimation error between the estimated and actual values of the number of the zero difference value as the classification feature. Experimental results indicate that the proposed algorithm is effective in detecting LSB matching steganography and can achieve better detection performance than the local extreme method under most circumstances.     

A fuzzy logic approach for detection of video shot boundaries

Video temporal segmentation is normally the first and important step for content-based video applications. Many features including the pixel difference, colour histogram, motion, and edge information etc. have been widely used and reported in the literature to detect shot cuts inside videos. Although existing research on shot cut detection is active and extensive, it still remains a challenge to achieve accurate detection of all types of shot boundaries with one single algorithm. In this paper, we propose a fuzzy logic approach to integrate hybrid features for detecting shot boundaries inside general videos. The fuzzy logic approach contains two processing modes, where one is dedicated to detection of abrupt shot cuts including those short dissolved shots, and the other for detection of gradual shot cuts. These two modes are unified by a mode-selector to decide which mode the scheme should work on in order to achieve the best possible detection performances. By using the publicly available test data set from Carleton University, extensive experiments were carried out and the test results illustrate that the proposed algorithm outperforms the representative existing algorithms in terms of the precision and recall rates.     

一种基于模型的扫换检测方法

视频自动分割是实现视频数据库检索必不可少的一个过程,其基础是镜头边界检测.当前已有的算法能够较准确地检测出镜头突变,但对于镜头的渐变则常常会漏检,这是由于镜头渐变时帧间差没有一个明显的峰值,因而其检测比突变检测要困难得多.扫换是一种常用的视频空间编辑手段,用于实现多种镜头变化.通过分析各种类型的扫换,提出了一种新的基于视频空间编辑模型的扫换检测算法,其性能优于Alattar提出的基于统计特征的算法.对用AdobePremiere5.1生成的各种扫换视频进行检测.实验结果表明,这种扫换检测算法能够较好地适应     

基于聚类的镜头边界检测算法

镜头边界检测是基于内容视频检索的重要组成部分。为从不同类型的视频中有效地检测出视频镜头边界,提出一种视频镜头边界检测算法。通过视频帧图像的颜色特征,得到视频的相似性矩阵,根据突变镜头和渐变镜头在Affinity Propagation聚类结果中的不同特点,运用双阈值法检测镜头边界。实验结果表明,该算法从视频的本身信息分布出发,能自动快速地检测出镜头边界。     

基于中心点的指纹细节结构匹配算法

指纹细节匹配算法是自动指纹识别系统(AFIS)中一项关键的任务,目前存在大量的研 究和算法.依据算法是否依赖中心点,指纹细节点匹配算法可以分为两类:基于中心点的匹配算 法和非中心点匹配算法.大多数非中心点匹配算法都非常耗时,因此不适合在线应用.而基于中 心点方法的效率相对较高,但是这类算法极度依赖于中心点的定位精度.在本文中,提出了一种 全新的基于中心点的指纹细节结构匹配算法,该算法综合了基于中心点匹配算法和非中心点匹 配算法的优点,同时又避免了二者的缺点.首先利用中心点检测算法获得中心点的位置,然后在 中心区域定义了一些局部的结构,同时利用这些局部结构寻找指纹细节的对应点,并通过对应点 和中心点的相对关系来确认这些对应细节点.其次利用这些细节对应点匹配全局的细节信息,最 后,利用匹配细节的全局距离和距离方差来判决最终匹配结果.实验结果表明,算法的匹配效果 非常好,同时匹配效率较高,非常适合在线指纹识别系统的应用.     

航拍视频中运动目标检测算法研究

针对复杂背景下航拍视频中的运动目标检测问题,提出一种基于改进的特征匹配算法与全局运动补偿的防抖方法,以及结合多帧能量累积的运动目标检测算法。首先,采取局部区域匹配法加快该算法的处理速度,避免运动目标对背景补偿的影响;其次,利用尺度不变的SURF算法,结合快速近似最邻近搜索算法得到匹配点对,并通过双向匹配和K-近邻算法筛选优秀匹配点;然后,建立仿射变换模型,求解运动参数,并进行运动补偿;最后,通过多帧能量累积进行目标检测。仿真结果表明,该方法具有良好的运动目标检测效果。