一种适合于监控视频内容检索的关键帧提取新方法

为减少监控视频的存储容量,便于用户迅速查看视频关键信息,提出一种适于监控视频内容检索的关键帧提取方法.首先,使用背景差分法检测含有运动物体的关键视频段,记录其起始帧和结束帧,然后,在关键视频段中基于联合直方图的方法进行关键帧的粗提取,最后,根据监控视频帧序列的连续性特征,通过图像的信息熵进一步精确提取关键帧.实验结果表明,该方法能有效地提取出监控视频中的关键帧,大大减少了视频数据的存储量,且便于用户浏览关键信息.     

基于插值小波关键帧提取的动作评价算法

人体运动的行为特征具有多样性和复杂性,在运动的不同阶段有些动作的剧烈程度差异较大,但现有方法在进行动作相似度评价时未充分考虑该因素,使得评价结果存在一定偏差。针对该问题,基于多尺度FaberSchauder插值小波对参考动作序列中运动最剧烈关节的四元数分量时间序列分别提取关键帧。通过合并4组关键帧,设置阈值剔除相似度较高的关键帧。采用动态时间规整方法对参考动作和对比动作进行匹配,得到对比动作序列的关键帧,将2组关键帧的平均距离归一化后作为动作相似度评分。实验结果表明,提出的算法能够较好地实现动作评价,且对于较相似的动作,也能获得较好的评价结果。     

基于向量机的体育运动视频自动分类方法设计

为有效增加分类的准确度及适用性,提出一种基于支持向量机的体育运动视频自动分类方法,能够实现样本复杂的海量体育视频的高效管理。首先构建基于视觉词袋模型的视频分类框架;然后采用类型关键帧建立对应的视频帧训练库;最后通过主成分分析对输入视频帧进行降维处理,以便快速得到输入视频帧的最佳支持向量机分类器参数,从而最终实现自动分类。利用多种类型混合的体育视频数据集进行分类实验。实验结果表明,提出的体育运动视频分类算法能够快速有效地实现分类,并获得较高的分类精度。     

基于光流的快速人体姿态估计

针对目前深度学习领域人体姿态估计算法计算复杂度高的问题,提出了一种基于光流的快速人体姿态估计算法.在原算法的基础上,首先利用视频帧之间的时间相关性,将原始视频序列分为关键帧和非关键帧分别处理（相邻两关键帧之间的图像和前向关键帧组成一个视频帧组,同一视频帧组内的视频帧相似）,仅在关键帧上运用人体姿态估计算法,并通过轻量级光流场将关键帧识别结果传播到其他非关键帧.其次针对视频中运动场的动态特性,提出一种基于局部光流场的自适应关键帧检测算法,以根据视频的局部时域特性确定视频关键帧的位置.在OutdoorPose和HumanEvaI数据集上的实验结果表明,对于存在背景复杂、部件遮挡等问题的视频序列中,所提算法较原算法检测性能略有提升,检测速度平均可提升89.6%.     

广义相似距核视频关键帧分层提取算法*

针对视频镜头关键帧特征提取矩阵可能尺寸大小不一致导致相似度无法计算的问题,提出一种广义相似距核视频关键帧分层聚类算法。首先,针对行数相同列不同的两个特征矩阵,基于矩阵运算方法提出一种广义相似距核相似度计算方法并给出其改进形式。其次,基于改进相似距核计算方法和层次聚类算法,设计了广义相似距核视频关键帧分层聚类算法。最后,通过在测试视频数据库及人造视频片段库上的仿真实验表明,该算法能够有效的完成视频关键帧的聚类和提取操作。     

一种视频数据代表选择框架方法

为有效处理视频数据问题,提出一种识别海量数据集中代表子集的方法,即代表选择方法,经选择后的小容量的数据代表完全可以代表原始大数据集的结构特征。对于给定的大数据集,首先生成相应₁-norm非负稀疏图,然后利用一种谱聚类算法基于所生成的稀疏图将大数据反复划分直至形成聚类簇。代表选择过程中,将每个聚类看作Grassmann流形中的一个点,然后基于测地距衡量这些点间的距离,接着利用min-max算法分析距离以提取出较优的聚类子集。最后,通过分析被选集类的一个稀疏子图,利用主成分集中性方法探测出数据代表,称此过程为基于非负稀疏图与Grassmann流形测地距的代表选择框架。为验证所提出的框架,将之应用于视频分析中,从一长段的视频流中识别出少数的几个关键帧,实验效果通过人工判断与标准评价方法进行评价,并与现有的几种方法的效果进行比对,结果证明所提出的代表选择框架方法具有更好的效果与可行性。     

基于步态特征的快速身份识别方法

步态是远距离情况下人的身份识别的一个重要的特征,论文提出了一种基于步态特征的快速身份识别方法。用人体的宽度特征来分析步态运动,提取关键帧,对关键帧进行人体轮廓的提取,运用傅立叶描述子提取模板。最后用最近邻法进行匹配,实现人的身份识别。     

一种基于核聚类的关键帧提取方法

为了在视频数据库中提供有效的视频检索和浏览功能，必须用简明的方式表示视频的内容。关键帧是对视频镜头的简洁表示，关键帧提取已成为视频检索的一个重要研究方向。文中提出了一种基于核聚类的视频关键帧提取方法，它通过对视频提取颜色特征．并将这些特征作为样本映射到高维特征空间之后，在特征空间中进行聚类，使原来没有显现的特征突现出来，自动将内容相似的样本归为同类，每一类可取一个样本代表其内容，这样的样本即为关键帧。实验结果表明这种方法可以较好地概括视频内容。     

基于辅助视觉飞机空中加油对接优化过程仿真

研究飞机空中加油对接过程控制,提高对接准确性.飞机空中加油过程处在全程高速运动中,由于受油机在加油时处在前方大型加油机的尾流中受到强烈扰动,端口对接处在动态变化,传统的对接方法需要准确判断高速移动端口的准确位置,一旦尾流中受到强烈扰动,导致颠簸,对接误差距离计算较大.提出辅助视觉的飞机空中加油对接过程控制方法.统计飞机空中加油辅助视觉图像出现共现的频率,计算对应图像在所有图像中的共现度,通过运算获取对应图像的权重,实现关键帧图像定位,运用图像中心点空间位置,建立近距空中加油时的尾流流场对受油飞机的气动影响的数学模型,完成飞机空中加油接口的定位.实验结果表明,利用改进算法进行飞机空中加油对接过程控制,在飞机飞行震动较大的情况下,对接控制的准确性高于传统算法.     

基于视频聚类的关键帧提取算法

关键帧可以有效减少视频索引的数据量,是分析和检索视频的关键。在提取关键帧过程中,为了解决传统聚类算法对初始参数敏感的问题,提出了一种改进的基于视频聚类的关键帧提取算法。首先,提取视频帧的特征,依据帧间相似度,对视频帧进行层次聚类,并得到初始聚类结果;接着使用K-means算法对初始聚类结果进行优化,最后提取聚类的中心作为视频的关键帧。实验结果表明该方法可以大幅提高关键帧的准确率和查全率,能较好地表达视频的主要内容。