基于颜色空间的镜头边界检测方法

为有效避免闪光和字幕对镜头检测造成的影响,提出了一种基于颜色空间的镜头边界检测方法.通过分析帧间亮度差在镜头边界处的特点,加入有效的判断方法,实现镜头的突变和渐变检测.     

基于直方图帧差的自适应镜头分割算法

提出一种改进的基于亮度直方图帧差的自适应镜头分割算法,该方法包括突变镜头的检测过程和渐变镜头的渐变过程,这两个处理过程由相邻两帧的亮度直方图帧差与自适应阈值的比较来自动进行选择,在突变镜头的检测过程中加入隔帧帧差法检测闪光灯,渐变镜头的检测采用基于帧间差方差的方法。实验结果表明,改进算法具有很好的检测效果,且计算复杂度低,易于实现。     

一种有效的镜头探测方法

镜头是视频分析和检索的基本单元,根据两个相续镜头处视频内容的变化情况,可以把镜头边界分为突变和渐变两种。镜头探测的方法很多,但大多都是针对某一类镜头准确性很高。文中,介绍了一种有效的镜头探测方法,此方法综合利用双直方图比较法和MPEG视频流中B帧宏块的信息来探测镜头边界,对不同类型的镜头,都取得了很高的准确性。通过对十几段不同类型MPEG_I视频节目进行试验,效果相当理想。     

基于因果的自适应双阈值镜头边界检测算法

将因果检测法与双阈值法相结合,提出了一种基于因果的自适应双阈值镜头边界检测算法.首先,利用相邻两帧之间的帧间差异值对突变和渐变进行预检;然后,加入渐变检测容忍度、边缘和非相邻帧间差异值等信息,对初检结果进行复检,排除闪光灯、剧烈物体运动、淡入、淡出以及溶解等造成的误检和漏检,以提高整体检测效果.实验结果表明,与传统的双阈值镜头检测方法相比,本方法可获得更好的检测性能.     

一种基于神经网络的视频镜头边界检测算法

镜头边界检测是视频分析的重要一步。提出一种基于神经网络的检测算法,同时使用直方图差值和差分直方图方差,对亮度变化和物体运动具有鲁棒性。试验证明该检测算法具有较高的准确性。     

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。     

基于互信息量的镜头边界检测算法

为快速稳健地检测镜头边界,提出基于互信息量的镜头边界检测算法。采用基于HSV空间不均匀分块直方图求取的帧间互信息量作为视频帧间差异度量,结合相应的阈值策略与时域窗策略,实现对镜头的切变,以及常见渐变与计算机特效技术制作的镜头变换检测。对包括广告、综艺节目、新闻等多类视频数据进行实验,结果证明,该算法对切变检测的综合效果比经典基于直方图的双阈值法平均提高11.9%,渐变检测的综合效果平均提高7.6%,能有效减弱摄像机运动与光照变化对镜头检测的影响,对不同类型视频镜头检测效果稳定,具有较高的查全率与查准率。     

一种基于双阈值法改进的镜头边界检测算法

提出了一种基于双阈值法改进的镜头边界检测算法.该方法的优势在于通过复检有效降低了突变镜头以及淡入淡出渐变镜头的误检率,同时该方法针对包含较多视频帧的镜头给出了一种进行溶解型渐变镜头检测的方法,有效地提高了溶解型渐变镜头的检出率.实验表明与原算法相比其查全率约提高了11%.     

基于流形特征的镜头边界检测后处理算法

镜头是视频分析和检索的基础,为了有效检测镜头边界,并对镜头边界进行分类,提出一种新的镜头边界描述子：镜头边界流形．视频流可以看做一个高雏空间,镜头边界流形是隐含在该空间中的局部结构,它能够有效区分镜头边界和非镜头边界,以及区分不同类型的镜头边界．采用这种特征,提出一种后处理算法,一方面去除预检测镜头边界的虚警,另一方面将真正的镜头边界分类．实验结果证实了镜头边界流行的有效性以及后处理算法的优异性能．     

基于BAMH的视频镜头边界检测

镜头边界检测是进行视频内容分析的首要步骤．提出一种新的基于分块向量角和模值二维直方图(BAMH)的镜头边界检测方法，将视频帧分割为多块，分块统计向量角和模值二维直方图作为计算帧间不连续值的特征，采用自适应阈值分割，检测镜头边界．实验结果表明，本文方法的检测性能优于全局向量角一模值直方图方法，更优于HSV空间颜色直方图方法．     

基于自适应模糊神经推理的视频镜头边界检测方法

自动镜头边界检测是实现基于内容的视频检索的一个重要步骤.本文提出了一种基于自适应模糊推理(ANFIS)的镜头检测方法,利用ANFIS训练后得到的模糊规则进行决策.通过实验证明,本文算法取得了不错的效果.     

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。     

基于多种视频特征的镜头边界检测算法

提出一种基于多种视频特征的自适应镜头边界检测算法.利用滑动窗口将当前帧与其前后相邻多帧的视频特征进行比较,形成2组相似向量,利用Fisher判别式与运动矢量形成的自适应阈值实现突变检测.提取帧的亮度方差作为特征,通过有限状态机实现渐变检测.对大量TRECVID视频进行实验,结果表明该算法对突变和渐变都具有良好的检测性能,对运动及闪光具有较好的鲁棒性.     

一种基于时空切片的镜头突变检测方法

根据对视频时空切片的分析,本文提出了一种视频镜头突变检测的方法。该方法能实现在很小虚检概率的条件下对镜头突变的无漏检检测,且算法复杂度很低。实验证明,该方法是鲁棒有效的。     

基于图像分割和对象跟踪的新闻视频镜头边界检测方法

镜头边界检测是许多多媒体应用的一个重要步骤,而现有的镜头边界检测方法大都是首先提取视频帧低层视觉特征,然后构造相异性测度函数,但由于这些方法对低层特征变化、对象运动、摄像机运动和视频质量较敏感,为克服此问题,提出了一种基于图像分割和对象跟踪的镜头边界检测方法。该方法首先采用分区直方图对镜头进行预检,然后利用基于小波分析的无监督图像分割和对象跟踪技术,通过构造相异性测度函数来对镜头边界进行确认。由于分区直方图方法作为第１过滤器,可有效地减少图像分割和对象跟踪的视频帧数目,从而提高了整个算法的效率,而基于小波变换的无监督图像分割和对象跟踪,则对以上问题具有较好的鲁棒性。在3个多小时的CCTV和CNN新闻视频实验中,获得了972%查准率和964%的查全率。     

一种基于宏块类型匹配的镜头切换检测算法

提出了一种新的MPEG压缩视频镜头切换检测算法。该方法通过分析切换点附近各帧的宏块类型特征,引入了一种新的“宏块类型匹配符”（MTMO）,使用其在宏块级别上度量子图片组（SGOP）内部各帧之间的差异性,并结合一种自适应阈值选取技术,完成镜头切换检测。实验结果表明,所提算法适用于不同SGOP结构的MPEG视频序列,查全率达99％,准确率达95％。     

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。     

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.