一种镜头淡入淡出检测算法

镜头检测与分割在视频检索中起着关键的作用。镜头切变识别已有许多成熟的方法。如何识别镜头渐变是视频分割中的难点。文章提出了一种基于直方图中颜色分量变化规律的镜头淡入淡出变换(fadein/out)识别方法。实验表明,该方法简单有效,且识别准确率较高。     

视频检索中镜头分割方法综述

视频序列的镜头分割亦称镜头变化检测是视频检索中的关键技术之一。镜头变化是指视频序列中场景内容的变化。该文介绍了目前镜头分割的常用方法,包括灰度分割法、边缘分割法、彩色直方图分割法、MPEG视频的分割方法、块匹配镜头分割方法、统计判决镜头分割方法、基于聚类的镜头分割方法、镜头渐变的检测等,指出了研究场景内容的表征方法、特征提取方法、特征的检测尺度以及稳健可靠的实用镜头分割方法是目前主要的研究方向。     

一种带验证的自适应镜头分割算法

文中针对镜头分割在基于内容的视频检索中的重要性,首先介绍了普通的镜头分割方法,进而针对这些方法的不足,提出了一种带检测的自适应镜头分割算法,该方法能够检测中视频中的突变,渐变等镜头变换,通过实际测试,结果表明算法能够取得较高的正确率.     

基于颜色空间的自适应阈值镜头分割算法

镜头分割是基于内容的视频检索的关键步骤,它会直接影响到视频检索的效果。文中介绍了几种常用的镜头分割方法,并且根据YUV颜色空间的各分量可分离的特点,提出了一种改进的基于YUV颜色空间的自适应阈值镜头分割方法。在突变镜头检测模块,为了消除由噪声带来的误检,加入了帧差值比法。在渐变镜头检测模块,使用了滑动窗口值方法。镜头分割的难点是渐变检测,算法在渐变检测上也取得了不错的成果。经过大量实验结果表明,改进的算法对镜头分割有很好的实验效果,算法计算复杂度低,易于实现。     

基于决策树的MPEG视频镜头分割算法

压缩视频镜头的分割是视频内容分析中的一个难点,由于镜头在组织和索引视频中起关键性的作用,提出了一种基于决策树的MPEG视频镜头分割算法。该算法采用决策树这种机器学习方法对样本视频进行训练,通过融合运动信息、颜色、边缘等特征获得镜头分割的最佳阈值,较好地解决了压缩视频处理中检测镜头突变和渐变难题,同时还能够检测出镜头是否产生闪光现象和相机运动的产生。实验证明本算法在压缩视频镜头检测方面取得了较好的检测结果。     

基于颜色直方图变化率的视频镜头检测

镜头分割是基于内容的视频检索(CBVR)的关键步骤,它会直接影响到视频检索的结果。针对传统镜头分割算法实现过程复杂,渐变检测不理想等不足,提出了颜色直方图变化率HCR(Histogram Change Ratio)的概念,并在此基础上提出了一种基于颜色直方图变换率的视频镜头分割算法。实验证明,该镜头分割算法实现过程简单,而且对镜头突变和渐变均具有很好的检测效果。     

压缩视频域镜头边界检测研究现状与发展前景

镜头边界检测是视频检索的首要问题,镜头转换分为突变和渐变,镜头边界的检测结果直接影响视频检索的准确度,针对这个问题,提出了在压缩域视频中进行镜头边界检测常用的两类方法:一类是基于I帧DC系数的方法;另一类是基于聚类的方法.前者先利用I帧的DC图进行镜头的粗略分割,再分别运用基色调、宏块信息和运动矢量进行精确分割;后者聚类法克服了帧的无序性.实验结果表明,第一类压缩域镜头边界检测的方法之于镜头的渐变检测效果普遍不理想,但是计算较第二类算法简便,第二类方法对渐变镜头的检测效果好于第一类,有效克服无序性是一种改进.     

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。     

一种改进的工程化视频场景分割算法

视频序列的场景分割也称镜头变化检测,是视频检索及分析的关键技术之一。连续视频场景一般分为突变、渐变或镜头移动、局部运动三类,其中渐变是最难检测的。本文在工程化应用和传统检测算法的基础上,提出基于RANSAC算法估计摄像头移动模型参数的方法来区分渐变和摄像头移动,该改进算法满足低计算机资源消耗要求,具有实际工程应用价值。     

基于视频、音频和文本的视频分段

在分析应用视频数据的过程中,视频分段是分析,组织,应用视频数据的基础。由于视频数据的多样性,传统的分段方法不能给出令人满意的结果,一般需要通过人机交互来进行。文中将较为成熟的文本分析、语音处理、图像处理三种技术进行综合,互为补充,对视频流进行分割。文本分析的对象是语音转换成的文本、标题、注释等。语音处理包括语音识别和语音信号分析。语音识别将视频中的自然语言转换为文字。语音信号分析对视频材料中的语音成分进行基础分析。图像处理主要用来处理视频中的图像部分。文章阐述了视频流的分段层次,文本分析,语音处理算法以及镜头突变,镜头渐变识别算法的思想。     

一种有效的视频镜头检测方法

镜头是视频数据的基本单位,对视频镜头的检测是视频检索和浏览技术的基础工作。本文提出了一种简单的镜头检测方法,该方法首先使用视频亮度信息检测突变镜头,然后使用亮度和色度信息检测渐变镜头。通过实验与典型的“双阈值”镜头检测法相比较,证明该算法是有效的。     

视频层次结构挖掘

视频处理的关键是视频信息的结构化,视频基本结构是由帧、镜头、场景和视频节目构成的层次结构。视频层次结构挖掘的一个简单框架是对视频进行镜头分割、抽取镜头特征和视频场景构造。论文在镜头分割的基础上提出了基于多特征的镜头聚类分析和基于镜头的场景边界检测两种视频场景构造方法,从而实现视频层次结构挖掘。实验表明,基于镜头的场景边界检测性能优于基于多特征的镜头聚类分析。     

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。     

基于运动信息的镜头切变检测算法

镜头检测算法的研究是视频分析与检索中较为活跃的研究领域之一。该文提出了一种基于运动信息的镜头切变检测算法，该算法采用四叉树算法分析视频序列的运动信息，进而提取基于运动信息的特征矢量，由提取的特征矢量可以检测出视频序列中的镜头切变点。实验表明该算法是有效的，可行的，并且具有非常强的抗干扰能力。     

基于基色调的镜头边界检测方法

视频结构化组织是建立视频检索和浏览系统的基础，而镜头边界检测是视频结构化的第一步. 在本文中，我们提出了基于基色调的镜头边界检测方法. 该方法首先利用 I 帧的比特数信息，减少参与检测的 I 帧；然后在考虑基色调的基础上得到局部的自适应阈值；最后用双阈值方法检测镜头边界. 实验证明，该方法可以对长视频序列进行较好的镜头突变和渐变检测，并且减少了计算量，同时能够排除大物体运动和摇镜头对镜头检测的影响.     

一种快速的自适应镜头边界检测方法*

为减少视频处理数据量及提高检测效率,提出一种快速的自适应镜头检测方法。该方法利用跳帧法从原始视频帧中提取新的视频帧序列,通过计算滑窗内亮度直方图帧差到帧差均值的距离来检测镜头变换。实验结果表明,在显著提高检测效率的同时,该方法能有效检测出镜头变换。     

Novel automatic video cut detection technique using Gabor filtering

Video shot transition identification constitutes an important computer vision research field, being applied, as an essential step, in many other digital video analysis domains: video scene detection, video compression, video indexing, video content retrieval and video object tracking. This paper approaches the video cut transition detection domain, providing a novel feature-based automatic identification method. We propose a feature extraction technique that uses 2D Gabor filtering, computing tridimensional image feature vectors for the video frames. Most shot cut detection techniques use a thresholding operation to discriminate between the inter-frame difference metric values and thus identify the video break points. Our identification approach is not threshold-based, using an automatic unsupervised distance classification procedure instead of a threshold. Thus, we provide a region-growing based classification approach, that proves to be very efficient in clustering the distances between feature vectors of consecutive frames. The two resulted distance classes determine a satisfactory video shot detection.     

基于自动门限的分区直方图的镜头分割

本文综合比较了目前流行的视频镜头分割算法,并针对这些方法的不足提出了一种基于自动门限的分区直方图的镜头分割方法。测试结果表明,该算法能够有效地对视频信号进行镜头分割。