一种有于自动视频分段的WIPE转换检测和模式识别方法

自动视频分段是视频分类，组织和索引的基本步骤，其目标是检测和识别出各种镜头转换边界，划变（Wipe)被认为是其中最难以检测和识别的镜头转换模式，提出了一种新的基于模式模板的Wipe转换区检测和模式识别方法，在该方法中，首先提出了一种模式模板的概念用于对各种Wipe转换建立模式板板库，然后在模式模板库的基础上设计了一个通用的匹配算法，最后，通过对匹配结果进行Hough变换，使得在存在相当大的运动干扰情况下，仍然精确检测转换区位置和识别转换模式，具有很好的鲁棒性，该方法解决了对目前存在的各种杂的奇异Wipe转换模式的检测和识别问题，对以后出现的Wipe转换模式同样适用，为此类问题的解决提供了一种新的思路。     

一种用于自动视频分段的WIPE转换检测和模式识别方法

自动视频分段是视频分类、组织和索引的基本步骤 ,其目标是检测和识别出各种镜头转换边界 .划变(Wipe)被认为是其中最难以检测和识别的镜头转换模式 .提出了一种新的基于模式模板的 Wipe转换区检测和模式识别方法 ,在该方法中 ,首先提出了一种模式模板的概念用于对各种 Wipe转换建立模式模板库 ,然后在模式模板库的基础上设计了一个通用的匹配算法 ,最后 ,通过对匹配结果进行 Hough变换 ,使得在存在相当大的运动干扰情况下 ,仍能精确检测转换区位置和识别转换模式 ,具有很好的鲁棒性 .该方法解决了对目前存在的各种复杂和奇异 Wipe转换模式的检测和识别问题 ,对以后出现的 Wipe转换模式同样适用 ,为此类问题的解决提供了一种新的思路     

基于特征的实时镜头切变检测

提出了一种新的基于边缘特征的帧间相似性度量方法,并在此基础上实现了一个实时的镜头切变检测算法。为了降低基于特征的算法的运算复杂度,该算法采用一种快速的边缘模式分类方法从部分解码的码流中提取视频帧的边缘特征,通过考察相邻帧边缘分布的相似性定义了一种反映局部信息的帧间相似性度量。结合反映全局特征的基于彩色直方图的相似性的度量和改进的滑动窗算法,实现了高性能的镜头边缘检测。相对于现有的基于特征的算法,该算法具有更低的运算复杂度,适合实时应用。     

运动目标的自动空时分割算法

在视频应用中,运动目标的提取是一个重要的研究课题。为了对运动目标进行更有效的分割,提出了一种从视频序列中自动提取运动目标的空时分割算法。该算法在时域分割中采用基于齐异矢量消除的目标检测方法来获得运动目标的初始模板。通常,该初始模板具有不连续的边界和一些"孔"。为了得到较为完整的目标区域,用具有距离约束的区域生长算法来补偿初始模板。而在空域分割中,分水岭分割则通过考虑全局信息来增强其分割的精确性。然后,精确的运动目标即可通过空时融合模块提取出来。试验结果表明,该空时分割算法是有效的。     

基于视频虚拟检测带的交通流量检测方法

交通数据的正确掌握对后续的交通控制起着至关重要的作用,采用基于视频虚拟检测带的交通流量检测方法,对检测带范围内像素点RGB的强度值进行统计,将无车辆时的统计值作为标准特征模板并执行模板更新策略,通过计算每一帧实时视频图像的特征值与标准模板特征值的距离进行车辆检测.为了提高检测精度,提出了一种基于阴影特征的阴影检测算法.在早晨和中午的不同光照条件下进行试验,在阴影明显的情况下,该方法的检测准确率在91％以上,在阴影不明显的情况下,检测准确率达到95％,可满足智能交通的需要.     

基于模板匹配与支持矢量机的人脸检测

人脸检测是人脸识别与基于内容的图像及视频检索的一项重要任务。由于非人脸样本相对于人脸样本的多样性和复杂性，使得人脸模式分类器的训练十分困难。该文提出了一种将模板匹配与支持矢量机（SVM）相结合的人脸检测算法。算法首先使用双眼－人脸模板对进行粗筛选，然后使用SVM分类器进行分类。在模板匹配限定的子空间内采用“自举”方法收集“非人脸”样本训练SVM，有效地降低了训练的难度，实验结果的对比数据表明，该算法是十分有效的。     

一种多模态融合新闻视频条目分割算法

新闻视频条目分割是新闻视频检索和浏览中重要的底层支持技术,本文提出了一种融合主持人模板匹配和主题字幕帧检测的多模态新闻视频条目分割算法。先用基于主持人模板的算法进行第一次分割,再用基于改进的字幕检测方法进行第二次分割,最后将两次分割的结果融合并去除重复的分割点。实验证明,该算法对新闻视频条目分割具有较好的效果。     

基于熵模型的压缩域运动对象检测

随着视频编解码技术的发展,H.264已成为最主要的标准之一。为了能从H.264码流中准确有效地分割和提取出运动对象,提出了一种压缩域下的对象检测算法。该算法主要利用压缩域下对象的运动矢量信息,先对矢量进行中值滤波预处理,目的是为了减少运动估计算法和对象实际运动所产生的误差。然后利用基于熵的原理,建立运动对象在空间和时间上的一致性模型。在该模型基础上,采用最大熵方法自适应获得阈值,检测得到运动对象。实验结果证明,该算法可以获得比较好的检测结果。     

基于FCM聚类和模板匹配的视频马赛克检测方法

马赛克是数字电视节目中常见的一种视频缺陷现象,会造成视频质量的下降,因此在视频序列中有效地定位并修复马赛克块变得越来越重要。本文提出一种基于FCM模糊聚类和模板匹配的方法检测视频中的马赛克块,首先,使用canny边缘检测方法检测图像的边缘。其次,使用FCM聚类方法对像素进行分类。最后,利用模板匹配的方法检测马赛克块。基于OpenCV库函数进行算法实现,实验结果验证了所提算法的有效性。     

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。     

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.     

一个自动阈值选择的镜头检测算法

对现有视频分割工作进行了简要回顾 ,并在已有的 Twin Comparison方法基础上 ,提出了一种新的象素域镜头检测算法 .该算法使用了一个滑动窗口进行镜头边界识别 ,仅需要一趟视频解码和扫描 ,提高了算法的速度 ,这样该算法可以应用于实时视频流的镜头检测 .同时该算法够根据滑动窗口中的帧间颜色直方图差异值来动态计算用于识别镜头变换的局部阈值 ,提高了镜头边界检测算法的精度 .实验结果显示 ,文中所述方法在速度和精确度上都优于 TwinComparison算法     

一种分层的和多分辨的镜头边界检测方法

提出了一种分层的和多分辨的镜头边界检测方法。该方法对各种不同的镜头间过渡类型给出了用不同方法进行联合检测的方案,该方案主要分为突变镜头检测（即视频切分）,淡化过渡检测、溶解过渡检测及划变过渡检测4个部分。检测方案并不是简单地将各种方法拼接在一起,而是通过小波变换的多分辨分析将它们有机地结合起来,相互关联,达到有效检测结果。首先用FCM聚类算法进行视频切分,然后根据聚类结果分别在整数小波分解后的高频部分用Gaussian加权Hausdorff距离结合边界改变率算法检测淡化过渡;对分解后的低频部分用所提出的SCD算法（Similarity of color distribution based method）检测溶解过渡,并通过自适应调节权系数（系数盲调节）使检测相异度函数更能适用于多种视频片段。最后根据切分以及前面两种过渡检测的结果,利用三维小波分解后高频成分中的运动部分所定义的运动矢量来检测划变过渡。用实际视频数据所做的仿真实验结果表明,该方法不但能同时检测突变过渡和渐变过渡,而且能准确地判断渐变过渡的类型及其位置。此外,还能有效地抑制闪光、运动等的影响,从而提高了检测精度。     

AVCD-FRA: A novel solution to automatic video cut detection using fuzzy-rule-based approach

Video shot boundary detection (SBD) is a fundamental step in automatic video content analysis toward video indexing, summarization and retrieval. Despite the beneficial previous works in the literature, reliable detection of video shots is still a challenging issue with many unsolved problems. In this paper, we focus on the problem of hard cut detection and propose an automatic algorithm in order to accurately determine abrupt transitions from video. We suggest a fuzzy rule-based scene cut identification approach in which a set of fuzzy rules are evaluated to detect cuts. The main advantage of the proposed method is that, we incorporate spatial and temporal features to describe video frames, and model cut situations according to temporal dependency of video frames as a set of fuzzy rules. Also, while existing cut detection algorithms are mainly threshold dependent; our method identifies cut transitions using a fuzzy logic which is more flexible. The proposed algorithm is evaluated on a variety of video sequences from different genres. Experimental results, in comparison with the most standard cut detection algorithms confirm our method is more robust to object and camera movements as well as illumination changes.     

Shot Change Detection via Local Keypoint Matching

Shot change detection is an essential step in video content analysis. However, automatic shot change detection often suffers from high false detection rates due to camera or object movements. To solve this problem, we propose an approach based on local keypoint matching of video frames. This approach aims to detect both abrupt and gradual transitions between shots without modeling different kinds of transitions. Our experiment results show that the proposed algorithm is effective for most kinds of shot changes.      

足球视频镜头分类方法

根据视频语义分析和视频摘要等应用对于视频数据结构化的需求,提出了一种针对足球视频的镜头分类方法.通过logo模板匹配检测并定位出视频中的慢镜头,对其余的正常比赛部分做镜头边界检测完成视频切分.基于分块的思想,对正常比赛镜头帧计算其各块的场地像素比率值作为特征,利用SVM分类器将正常比赛镜头分为远镜头、中镜头、球员特写或场外镜头3类.至此,整个视频流可以表示为结构化的四类镜头类型标示序列.实验结果表明,该方法在视频切分和镜头类型识别的准确性方面具有良好的效果.     

压缩域中叠化镜头的快速检测算法

随着网络和多媒体技术的不断发展，基于内容的多媒体信息检索技术变得越来越重要．同成熟的文本检索技术相比，视频检索还处在研究和探索阶段．视频检索的一个有效方法是将无结构的视频节目进行镜头分割，根据每个镜头的关键帧对视频建立索引．因此，镜头分割是基于内容的视频检索的基本步骤，在各种类型的镜头检测算法中，叠化镜头是很难检测的．根据叠化(dissolve)镜头内部预测帧预测误差能量和运动矢量分布特点，提出一种在压缩域中分割叠化镜头的新算法．与公开发表的同类算法相比，它具有以下优点：工作在压缩域上、速度快、鲁棒性好、精度更高．     

新闻视频主持人镜头检测方法

提出用于新闻视频主持人镜头检测的基于扩展人脸区域的模板匹配方法。利用一段新闻节目中主持人服装不变的重要线索,在线提取主持人镜头的扩展人脸区域模板,采用分块HSV颜色直方图作为模板参数,利用该模板对新闻视频镜头中检测出的扩展人脸区域进行匹配,根据匹配结果确定主持人镜头。实验结果表明,该方法计算简单、检测精度高、实时性强,具有很好的通用性。     

一种基于均值漂移的视频场景检测方法

提出了一种高效的视频场景检测方法。首先基于均值漂移,在滑动镜头窗内对各镜头聚类,并获得相应的聚类中心,然后根据电影视频场景的发展模式,计算两个镜头类之间的时序距离,接着基于时空关系进行场景检测,并且由相应的聚类中心获得场景关键帧,最后对场景过分割进行后续处理。实验证实该方法能快速聚类,并且有效地检测出场景和场景关键帧。