基于动态帧的视频关键帧提取算法研究

针对基于内容的视频检索系统,提出了一种关键帧提取算法．为了提高算法的保真度和压缩比,首先构造了动态帧,它的每个像素对应一个像素代表灰度集合,该集合中的元素可以最大限度地代表镜头中相应像素的灰度值,然后根据镜头中每一帧与该镜头动态帧之间的距离来确定关键帧．为了验证本算法的有效性,选取了大量视频与TMOF算法及SKF算法进行比较．结果表明：该算法具有较高的准确性和可靠性,保真度和压缩比均高于其他两种算法．     

基于先验的动作视频关键帧提取

针对运动视频关键帧提取结果运动表达能力差的问题,以健美操运动视频关键帧提取为例,将先验语义引入到视频片段分割和关键帧提取特征提取等过程中,提出基于先验的运动视频关键帧提取算法。该算法采用韵律特征和动作节拍连续性等先验知识,将健美操动作视频分解成不同长度的动作视频片段,并利用Hog人体分类器从每一帧图像中识别出人体边界框;通过人体模板将人体边界框分割为16个运动块,并采用光流法计算每个运动块的基本运动方向;通过比较运动块基本运动方向的差异实现了动作视频关键帧提取。实验证明,该方法在保证关键帧视频压缩的情况下,具有更好地动作概括力。     

三维蚁堆算法在视频关键帧提取中的应用

为了有效、且自适应的提取出视频中的关键帧,提出了一种改进的三维蚁堆新算法。该算法首先提取每一帧中H-S-V颜色空间的三维特征向量,并将其表示为H-S-V三维欧式空间中的点,之后通过改进的三维蚁堆算法,自适应的聚类,从而提取出视频中的关键帧。通过MATLAB仿真并与传统算法对比,结果表明:相对于传统算法,该算法的查全率和查准率都有了一定程度的提高。     

基于聚散熵及运动目标检测的监控视频关键帧提取

针对公安监控视频检索中根据运动目标准确标注视频关键帧的问题,提出一种基于聚散熵及运动目标检测的监控视频关键帧提取算法。首先通过对视频内容的分析,提出监控视频聚散熵的概念。其次根据聚散熵对监控视频进行子镜头划分,再次根据运动目标检测对子镜头进行划分,从而提取视频关键帧。最后列举出算法在几种典型视频数据库中的实验结果及结果分析。实验结果表明该算法在关键帧提取的准确性和鲁棒性上都有良好表现,该算法针对公安监控视频检索需求,在缩短公安视频侦查时间及智能检索中起到支撑作用。     

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.     

基于支持向量机的视频关键帧语义提取

针对如何从视频关键帧中提取语义的问题,提出了一个使用多类支持向量机（SVM）对风光纪录片的关键帧进行分类来提取语义的方法. 支持向量机利用从风光纪录片的关键帧中提取的彩色直方图和MPEG（活动图像专家组） 7的边缘直方图特征对关键帧图像进行分类,从而得到关键帧的语义. 对具有不同核函数的支持向量机的分类进行了研究,并对分类的结果进行了对比. 结果显示,具有二项式（Poly nomial）和RBF（radial basis function）核函数的SVM,其分类准确度比其他的SVM约高3％.     

CUDA框架下的视频关键帧互信息熵多级提取算法

在传统视频关键帧提取过程中,需要对每一帧视频图像进行特征提取、图像匹配、重复检测等大量计算,导致算法运行时间过长。对此,该文提出了CUDA框架下的关键帧互信息熵多级提取算法。在CPU调度及GPU划分线程基础上,依据帧间三通道互信息熵,将视频序列初次划分为静态片段类和动态片段类;运用相邻帧间互信息量极小值法,将动态片段划分成多个关键子类,在关键子类中选取预备关键帧;并运用SUSAN算子分块计算,快速完成帧间的边缘匹配,从预备关键帧中滤除冗余,得到最终的关键帧序列。实验结果表明,与其他算法相比,该算法的查全率和查准率均为91%以上,提取关键帧的数量平均减少约42.82%,降低了视频数据量的存储,与其他CPU串行方法相比,其关键帧提取时间减少约50%,提高了算法运算效率。     

基于计算机视觉的视频图像关键帧提取及修复方法

为了提高视频图像关键帧提取及修复效果,设计了一种基于计算机视觉的视频图像关键帧提取及修复方法。基于计算机视觉进行视频图像采集;采用阈值分割法建立灰度值模型,计算背景与目标的灰度差;利用视频图像中的主要特征窗口获取像素值,使用熵值法采集剩余的局部纹理图像,以完成视频图像关键帧提取。在此基础上,利用加权法还原原始矩阵,完成视频图像关键帧修复。实验结果表明,此方法提取的图像清晰度较高,能够提取到图像的颜色特征和纹理特征,提取多个视频图像关键帧的时间较少。     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。     

Key Frame Extraction of Surveillance Video Based on Fractional Fourier Transform

With the vigorous development of national infrastructure construction and public information construction, video surveillance systems have gradually penetrated various fields. The current key frame extraction technology has inadequate target details and inaccurate judgment of local actions. Addressing this problem, a key frame extraction method based on fractional Fourier transform is proposed. This method obtained the phase spectra information of different orders by performing fractional Fourier transform on the surveillance video frames. Next, the method designed an adaptive algorithm based on the golden section point to select the transformation order.Then, the phase spectrum information of two adjacent frames was used to characterize the changes in the global and local motion states of the target. The final step was to extract key frames based on this. Experimental results show that, compared with the previous methods, the key frames extracted by the method proposed in this paper can correctly capture the changes in the global and local motion states of the target.     

基于红外视频的车载行人车辆检测系统

该文提出一种基于红外视频的车载行人车辆检测系统模型。利用混合高斯模型对梯形感兴趣区域提取前景,再根据前景进行目标的框定,对目标进行几何形状、灰度分布、运动速度、边缘梯度分布4类特征提取特征数据,并把特征数据代人事先用特征数据库训练好的神经网络对目标进行分类检测,以达到对行人车辆的检测判别并预警的效果。仿真结果表明,该检测系统算法运行速度快,虚警率低,可靠性强。     

基于改进YOLOv3模型的交通视频目标检测算法研究

针对现有的基于YOLOv3的目标检测算法在多尺度目标检测上存在速度与精度难以平衡的问题,在已有算法的基础上改进形成新的YOLOv3多尺度目标检测算法. 该算法首先通过k-means++聚类为各个尺度选择候选锚框的数量和长宽比维数,有效降低原始算法在初始聚类点所造成的聚类偏差; 其次将YOLOv3的检测尺度从3扩展到4,以提高对不同尺度下目标检测的精度; 最后为避免梯度衰落,将检测层前的6个卷积层转换为2个残差单元. 在UA-DETRAC数据集上的实验结果表明,该方法比原始YOLOv3的准确率和召回率分别提高了7.91%和4.57%,同时此算法的处理速度可实现对交通视频的实时处理.     

基于球门检测的足球视频精彩事件提取

为了提高足球视频精彩事件检测效率,提出了一种基于双投影法的球门镜头检测算法,并在此基础上提出了基于球门检测的精彩事件提取算法.实验结果表明,该算法比常规算法取得了更好的检测效果,生成的精彩视频摘要大约为原视频的5%.     

基于相位一致性的输电线监控视频图像线特征提取

线特征是图像分析中视觉感知的重要线索,是复杂背景下从输电线监控视频图像中提取电力线的重要特征,其为后续输电线状态分析提供依据。文章应用相位一致性原理提取输电线监控视频图像的线特征,通过仿真同其他传统方法进行了对比。实验结果表明,该方法能有效地实现复杂背景下线特征的提取。     

基于改进Mask R-CNN的交通监控视频车辆检测算法

针对交通监控视频车辆检测常易受到遮挡导致目标车辆出现漏检或误检的问题,提出一种基于改进Mask R-CNN的交通监控视频车辆检测算法. 采用基于bottleneck结构的主干网络,提高主干网络提取特征的能力; 通过基于预测mask分数的掩码分支,融合目标的类别分数和掩码质量分数,提高车辆的掩码质量; 通过基于Arcface Loss的目标检测损失函数设计,提高不同特征之间的可判别性,提高目标的检测精度. 实验结果表明,改进的Mask R-CNN模型可更好地检测到被遮挡的车辆,目标车辆的检测精度超过Faster R-CNN、YOLO v3和Mask R-CNN模型,可解决目标车辆漏检或误检问题.     

Key Pose Frame Extraction Method of Human Motion Based on 3D Framework and X-Means

The key pose frames of a human motion pose sequence, play an important role in the compression, retrieval and semantic analysis of continuous human motion. The current available clustering methods in literatures are difficult to determine the number of key pose frames automatically, and may destroy the postures'' temporal relationships while extracting key frames. To deal with this problem, this paper proposes a new key pose frames extraction method on the basis of 3D space distances of joint points and the improved X-means clustering algorithm. According to the proposed extraction method, the final key pose frame sequence could be obtained by describing the posture of human body with space distance of particular joint points and then the time-constraint X-mean algorithm is applied to cluster and filtrate the posture sequence. The experimental results show that the proposed method can automatically determine the number of key frames and save the temporal characteristics of motion frames according to the motion pose sequence.