面向视频服务器的基于内容视频分析与检索系统的设计与实现

如何在海量数字视频信息中快速、高效地查找到自己所需要的内容成为一个紧迫的课题 .介绍一个面向视频服务器的基于内容视频分析与检索系统 .该系统通过对数字视频多模态特征的综合分析 ,完成对视频的结构化特征提取 ,建立多层次的视频摘要和索引 ,为用户提供了个性化的多层次的视频检索与管理手段     

一种因果的突变镜头检测方法

通常镜头检测算法在进行镜头检测时都要利用前后若干帧的信息,该文提出了一种因果的突变镜头检测方法,只利用当前帧之前有限长度内帧的信息。利用两帧之间3×3分块后对应区间HSV直方图间的距离,应用加权系数来计算帧间差值。运用位于当前帧前的一个可变长的滑动窗口来进行突变镜头检测,并对静止镜头进行了处理。该文最后给出了算法的完整流程并进行了试验,试验结果表明该算法的检测准确率达到了95%,并对推拉镜头具有一定的鲁棒性。     

基于特征融合的自适应镜头边界检测

根据HSV色彩直方图进行镜头边界检测是一种常用、有效的方法,该文提出了一种基于色彩和形状融合的方法计算帧间不连续值、形状特征选取梯度方向角,在计算出帧间不连续值以后,采用Kohonen自组织网络对不连续值进行聚类得到镜头边界。实验结果表明该方法能弥补采用单一的色彩或形状信息所造成的漏检或错检,并且Kohonen网络能取得与滑动窗高斯模型方法相差无几的性能表现,却克服了检测性能对于参数的敏感性。     

突变镜头边界检测的因果算法

传统的镜头检测算法属于非因果的方法,在对当前帧进行检测时需要利用前后若干帧的信息,不能满足实时应用的要求.文中提出了两种因果的突变镜头边界检测方法,其中只利用了当前帧之前有限帧的信息.实验结果表明,该类因果检测算法是有效的,两种算法各自的镜头检测准确率都达到了95%以上.     

视频检索中镜头相似度的融合

基于内容的视频检索系统中,最常用的方法是示例查询,即用户提交一段视频,系统返回一系列相似视频.在这一过程中,定义镜头的相似度是一个重要的问题.本文介绍了在不同层次上利用多种特征进行镜头相似度融合的方法.特征层次上,对任意两个镜头,给依据不同的特征计算得到的相似度赋予不同的加权系数,进行加权得到融合后的镜头相似度.在决策层次上,运用Dempster-Shafer证据理论融合镜头相似度.首先,运用多种特征计算得到相似度的多种排序结果;然后,指定期望得到的检索结果数;最后应用证据理论对相似度的多种排序结果进行融合处理,得到最终的镜头相似度排序结果.本文最后进行了检索实验,结果表明,融合后的相似度结果更接近人的主观判断,证明了融合效果的有效性.     

基于统计特征的镜头边缘侦测

通过分析MPEG视频流中I帧的8×8DCT编码块的DC系数的统计特征,用每个88 DCT编码块的DC系数计算I帧图象的亮度、行列直方图,比较I帧之间直方图的差异,直接从原始的MPEG视频流中侦测镜头切换点.     

视频内容分析技术

概述了基于内容的视频检索的方法和工作过程,研究的重点是突变镜头探测(基于像素的方法、模板匹配法、基于直方图的方法、基于视频特征的方法),渐变镜头探测(双重比较法、基于模型的方法、基于压缩域的方法),关键帧提取的关键技术(基于颜色特征的方法,基于镜头边界的方法、基于镜头的方法、基于运动分析的方法等),在综合分析了各类方法的工作机理和优缺点的基础上,提出了一个优化的视频内容分析检索框架.     

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.     

镜头内容分析及其在视频检索中的应用

提出了一种镜头内容分析方法及其在视频检索中的两个应用:镜头检索与场景结构提取.为了刻画一个镜头的内容变化,首先引入两个新的内容描述子:主色直方图和空间结构直方图.主色直方图能够捕捉那些持续时间最长的颜色,而这些颜色是这段视频所关注的对象或背景的主要颜色.从颜色块图提取的空间结构直方图是描述图像空间信息的一组特征.一个变化较大的镜头可以划分为几个内容一致的子镜头,两个镜头的相似性可以从对应子镜头的相似性计算得到.镜头相似性度量可以直接用于镜头检索,还可用于场景结构提取.另外,还提出分裂与合并力量竞争的场景结构提取方法.在大容量视频数据库上进行实验所得结果证实了该方法在镜头检索和场景提取的优异表现.     

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。     

基于增量主成份分析的在线视频镜头边界检测

在基于内容的视频检索系统中,镜头边界检测是极其关键的一步。而在线检测镜头边界也是亟需解决的问题,所以提出利用增量主成份分析(IPCA)方法,对视频进行实时分析和在线镜头边界检测。IPCA方法允许样本逐步输入,这样正符合在线视频的获取方式,所以利用IPCA可以实现镜头边界的在线检测。但是,IPCA也存在存储空间逐步增大的缺陷,针对此问题也提出了解决方案。实验证明该方法可以取得满意的效果。     

一种精确定位镜头边缘的方法

提出了一种针对MPEG视频的精确定位镜头边缘的方法，结合视频非压缩域和压缩域中相关视频帧的信息来定位镜头边缘。首先利用解压后的I帧信息来粗略定位镜头边缘，然后利用视频序列压缩域中的B帧的运动趋势来精确定位镜头边缘，而不用对其解压缩。实验结果表明此方法能精确地检测到视频的镜头边缘。     

An Accumulation Algorithm for Video Shot Boundary Detection

In this paper, an accumulation algorithm for video shot detection is introduced. The algorithm considers the properties of gradual transition. In a gradual transition, there is only a small difference between consecutive frames. The algorithm remembers the differences between consecutive frames and accumulates them. When the accumulation difference exceeds a threshold, an occurrence of shot transition is declared. Our main contributions are to introduce a frame C that remembers the changes from the beginning of a shot and detect the different types of boundaries (cut, fade, dissolve) at one process. We tested our algorithm with clips extracted from MPEG VCDs. The algorithm showed a good performance in detecting the gradual transitions as well as the abrupt cuts and has the ability to identify different types of boundaries.     

一种精确定位镜头边缘的方法

提出了一种针对MPEG视频的精确定位镜头边缘的方法,结合视频非压缩域和压缩域中相关视频帧的信息来定位镜头边缘。首先利用解压后的I帧信息来粗略定位镜头边缘,然后利用视频序列压缩域中的B帧的运动趋势来精确定位镜头边缘,而不用对其解压缩。实验结果表明此方法能精确地检测到视频的镜头边缘。     

利用改进NFL算法对镜头进行基于内容的检索

基于镜头的分类和检索对于视频库的管理和查询非常重要.将“最近特征线”法（nearest feature line,简称NFL）用于镜头的分类和检索.将镜头中的代表帧看做是某个特征空间中的点,通过这些点间的连线表征该镜头的总体特征信息,然后计算查询图像和特征线的距离,以决定镜头与查询图像的相似度.为了更适于视频数据,对原来的NFL方法进行了改进,基于镜头内部内容活动程度对特征线进行限制、实验结果表明,改进的NFL方法比传统的NFL方法以及常用的聚类万法,如最近邻法（nearest neighbor,简称NN）和最近中心法（nearest center,简称NC）,在性能上有所提高.