基于Rough Set的镜头分割方法

综合利用了MPEG视频流P帧的运动特征、像素差和直方图差特征,提出了一种基于Rough Set的镜头分割方法。该方法首先提取视频流中P帧的宏块信息,然后分析得到其运动活力性、宏块类型和运动空间分布,再结合这些帧的像素差特征和直方图差特征,利用Rough Set对这些特征进行约减后,对镜头切换处进行识别。实验表明,该方法能有效地区分镜头的突变,对渐变也能很好地检测。     

一种从MPEG视频流中快速分割镜头的算法

镜头分割算法是实现视频检索的关键,本文提出一种针对MPEG视频流的快速分割镜头的算法,介绍了该算法的基本原理与实现过程。该算法利用压缩视频中的可用信息,通过计算帧的内编码宏块数量的比例作为是否需要进行镜头分割判别的标识,进而计算MPEG视频流B帧各宏块编码类型来检测发生镜头分割的帧住置,并进行了相关的实验。实验
结果表明,该算法能快速有效地检测镜头分割,且计算量较小。     

基于特征信息的镜头检测研究

视频镜头检测是基于内容视频检索的第一步,提出了一种基于特征信息的视频镜头检测方法,该方法首先利用小波变换提取原始视频帧的颜色特征和纹理特征,计算相邻帧颜色特征的互信息量和纹理特征的信息熵差,然后计算镜头间的相似度,该方法可以有效地检测出突变镜头和渐变镜头,对闪光灯及物体和摄像机运动有较强的鲁棒性,实验结果表明该方法具有良好的性能。     

基于运动矢量的MPEG视频镜头边界检测

首先提取I帧的DC图进行镜头的粗略检测,然后提取P帧的前向运动补偿矢量,利用扩展矢量中值(EVM)滤波对运动矢量进行滤波预处理,并且进一步提取三个运动特征：运动强度值、运动强度差和运动矢量方向直方图绝对差,最后用模糊逻辑对上述三个特征进行综合,推理得出突变、渐变镜头和非镜头,实现镜头的检测。由于不需要对视频完全解压,直接从MPEG压缩码流中提取信息,所以计算复杂度低,提取速度较快。最后通过实验验证了该方法。     

基于主色跟踪和质心运动的视频场景分割 *

传统的场景分割方法中往往通过比较关键帧来测量镜头间的相似度而忽略了镜头内的时域信息 ,针对这种缺陷提出一种基于主色跟踪和质心运动的视频场景分割的方法。首先 ,在量化的 HSV空间中 ,利用主色跟踪所得镜头的时间信息结合帧颜色直方图得到镜头的主色直方图 ,并且引入镜头质心特征向量的概念 ,通过其与帧向量的差异性获得镜头的运动信息 ;然后将所测得的镜头相似度用在改进的双向滑动窗口法中检测场景。实验结果验证了该方法的有效性。     

MPEG压缩域多尺度镜头切变检测算法

如何在压缩域进行镜头的切变检测一直是视频自动索引和检索中的难点。提出了一种MPEG压缩域多尺度镜头切变检测算法,在GOP、slot和B帧三个尺度上对MPEG视频流进行分析。通过对相邻I帧的检测,确定一个GOP中是否存在镜头切变;通过对slot的分析,确定镜头切变在GOP中所处的区域;通过对B帧的检测,确定镜头切变发生的确切位置。     

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。     

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。     

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.     

基于Rough Set与SVM的关键帧提取方法

综合利用MPEG视频流压缩域中P帧、B帧的DC系数和运动特征以及非压缩域纹理特征,提出一种基于RoughSVM的关键帧提取方法.该方法首先提取视频流中P帧、B帧的DC系数、分析运动活力性和运动空间分布和宏块类型、提取的纹理特征后,利用Rough Set对这些特征进行约减后,用SVM进行分类识别.实验表明,该方法能有效地识别关键帧.     

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。     

一种新的基于运动矢量的MPEG VIDEO码流cut检出算法

介绍了一种对ＭＰＥＧ ＶＩＤＥＯ码流中场景切换点进行高速检出的新方法,在计算各帧相对于预测帧的类似度之后进行了类似度的归一化,降低了ｃｕｔ检出算法的复杂度,提高了检出的速度。     

一种压缩域中的体育视频慢镜头探测方法

慢镜头探测是基于内容视频分析的一项重要技术.在介绍视频压缩的基本理论及MPEG-1视频压缩标准的基础上,对压缩城内的慢镜头探测进行了研究,提出了一种两阶段压缩域下的慢镜头探测方法.该探测方法的第一步是基于宏块类型信息的镜头探测,在镜头探测的基础上定义和计算镜头密度,探测可能的慢镜头出现位置;第二步是计算压缩域下连续帧间差,从候选慢镜头中探测慢镜头.实验结果显示,相对于已有的方法,该方法具有较快的探测速度和较高的准确率.     

Effective wipe detection in MPEG compressed video using macro block type information

For video scene analysis, the wipe transition is considered most complex and difficult to detect. In this paper, an effective wipe detection method is proposed using the macroblock (MB) information of the MPEG compressed video. By analyzing the prediction directions of B frames, which are revealed in the MB types, the scene change region of each frame can be found. Once the accumulation of the scene change regions covers most of the area of the frame, the sequence will be considered a motionless wipe transition sequence. Besides, uncommon intracoded MB of the B frame can also be applied as an indicator of the motion wipe transition. A very simple analysis based on small amount of MB type information is sufficient to achieve wipe detection directly on MPEG compressed video. Easy extraction of MB type information, low-complexity analysis algorithm and robustness to arbitrary shape and direction of wipe transitions are the great advantages of the proposed method.     

一种压缩域中基于镜头的关键帧提取改进算法*

关键帧提取技术是基于内容视频检索的基础。针对压缩视频序列提出一种基于镜头的关键帧提取改进算法。其核心是根据压缩视频序列的编码特点,只需要对其进行部分解码,利用I帧信息的直流分量信息构造DC缩微图,并结合图像帧不同区域DC信息的重要程度差异进行相似性度量,进而实现关键帧提取。实验证明,该算法较之传统算法,在查全率和检索时间两项指标上均有显著改善,尤其适用于新闻纪录片、电影片等局部运动较为剧烈的视频序列。     

Scene similarity measure for video content segmentation in the framework of a rough indexing paradigm

This article presents a scene similarity measure for video content segmentation. In the context of the rough indexing paradigm, we extract only partial information from MPEG compressed streams to measure the similarity of video frames through time. The similarity measure of I‐Frames is defined based on motion compensation of DC images and local contrast computation. The method allows a real‐time segmentation of the video content. © 2006 Wiley Periodicals, Inc. Int J Int Syst 21: 765–783, 2006.