一种新的视频镜头扫换边界检测方法

视频镜头扫换边界是一种常见的镜头边界类型,扫换的特征与大的物体/相机运动相似,比镜头的切变和溶解边界更难检测.本文提出了一种将三维的视频数据转换到二维的时空切片灰度图像,然后利用图像处理算法将扫换边界前后的镜头分割开来.本文提出的方法对大部分扫换类型有效,对扫换镜头边界的长度以及光照的变化不敏感.实验结果表明本文算法能够快速、有效地检测出镜头扫换边界.     

图像信息驱动的抑制式粗糙模糊聚类分割算法

粗糙模糊聚类方法需要手动设置阈值确定粗糙聚类的上、下近似且对图像中的噪声较为敏感。为了减少人为干预,实现粗糙模糊聚类在图像分割中的深度应用,本文提出一种图像信息驱动的抑制式粗糙模糊聚类分割算法。方法中设计了基于超像素区域信息的自适应阈值策略,用于有效确定粗糙聚类的上下近似,将图像空间信息引入到粗糙模糊聚类,构造了融合空间信息的粗糙模糊聚类目标函数,克服方法对于图像噪声的敏感性,此外,为进一步提升聚类性能,将模糊聚类中的抑制式学习思想引入到粗糙下近似集中像素的模糊隶属度的修正,实现了粗糙和模糊思想的深度融合。本文算法是更具混合智能机理的粗糙模糊聚类图像分割算法,实验结果表明了本文算法的有效性。      

新闻视频单元高效切分方法的研究与实现

提出了一个基于口播检测的高效新闻视频单元切分方法。该方法首先检测出新闻视频的镜头边界;然后从每个镜头中提取出关键帧,并计算出关键帧的直方图和SIFT特征;最后通过关键帧聚类获取新闻视频中的所有口播镜头,并以此为依据将新闻视频分割成多个语义单元。基于以上方法,开发了用于新闻视频单元切分的软件系统。该系统能够准确、高效地实现新闻单元的自动切分,有效地减轻视频切分时的工作强度,满足新媒体时代节目快速制作的要求。     

一种自动选取阈值的视频镜头边界检测算法

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.文中介绍了现有的镜头边界检测的基本方法,并针对其不足提出了一种自动选取阈值的、综合考虑颜色和空间特征的镜头边界检测算法.该方法能较好地检测出镜头突变和物体运动以及光线变化等情况,对渐变镜头也能达到检测的目的.实验结果表明算法能够有效地检测出视频镜头边界.     

基于机器学习的压缩域镜头分割技术

为了进行视频结构化和视频内容分析,需要准确有效地提取视频镜头的边界信息.为此提出了一种利用支持向量机(SVM)学习压缩域特征的算法进行镜头边界检测,只需简单译码即可得到MPEG1/2等各类视频流压缩域的特征信息.经TRECVID2005镜头边界检测集的评测,该算法在保证查全率和检测精度的情况下获得了满意的效果.     

基于累积直方图的视频镜头边界检测方法

提出了一种基于累积直方图的视频镜头边界检测方法,以累积直方图来代表视频帧图像的特征,其帧差充分反映了视频帧图像间的差异性;结合滑动窗的局部阈值分割处理,获得镜头边界检测对物体/摄像机的运动和光线变化的不敏感性。实验结果表明,本方法在镜头突变边界检测中达到95.97%的查全率和96.75%的查准率。     

媒体资产管理系统中镜头切换检测方法的实现

媒体资产管理系统中,镜头检测是视频检索的一项重要技术。提出了一种基于混合投影函数的快速镜头切换检测方法。在对积分投影函数和方差投影函数分析的基础上,引入了一种改进的混合投影函数。该函数能较好地表示视频序列中帧间差的变化特征。最后,介绍了利用该方法构造的实验系统。实验结果表明,该方法有较高的检测精度和较小的时间复杂度,能满足实时条件下镜头检测的需要。     

基于多模态相似融合的新闻视频故事分割算法

新闻视频数量的不断增加,为准确分割用户感兴趣的新闻视频,本文提出了一种基于多模态相似融合的新闻视频故事分割算法。首先,通过选定视频切割点获取候选新闻故事单元边界,将视频分成音频流和视频流;其次,选择静音区间为音频候选切分点,主持人镜头帧和主题字幕帧作为视频候选切分点,根据候选切分点获得新闻故事基本单元,利用语义相似性分析各单元内容进行合并或独立分离,得到最终新闻故事;最后,采用人脸识别、YOLOv5来进行主题字幕检测、语义相似性合并或独立新闻故事基本单元,使得新闻故事边界划分更为准确。该新闻视频故事分割算法在《新闻联播》视频中查全率和查准率分别达到了97.17%和98.19%,为新闻视频导航、检索等应用提供辅助准备。     

多特征融合的视频镜头分割

针对传统镜头分割算法特征单一、分割效果较差等问题,提出了一种多特征融合的视频镜头分割算法。首先,通过建立一种优化模型,融合空间差异度量和感知哈希度量两种重要特征,构造一种镜头边界区分能力更强的镜头边界检测特征,即像素差异度量;其次,结合直方图差异度量,形成有效的镜头边界检测策略,以便更加准确判断是否发生镜头切换。实验结果表明,与传统算法相比,所提算法取得了较好的分割效果,具有较高的查准率和查全率。     

一种基于模糊逻辑的MPEG压缩视频场景转换检测方法

镜头边界的自动检测是实现基于内容的视频检索必不可少的第一步,目前大多数的场景转换检测方法都是基于非压缩视频的,而越来越多的视频数据却以压缩形式存在。本主文提出了一咱新的针对ＭＰＥＧ压缩视频的场景转换检测算法,它利用ＤＣ序列和运动向量计算像素差、直方图差、统计差和具有“真实”运动向量的宏块所占的比例,然后用模糊逻辑对上述参量加以综合隶属度用自适应的方法确定。实验表明这种镜头检测算法具有较高的检出率和     

级联手工特征与深度特征的视频关键帧检测方法

关键帧检测是有效的视频内容分析的关键环节。常用的基于手工特征的方法运行效率高但很难有效表征关键帧特征,因而性能不好。基于深度特征的方法因为网络结构复杂,导致效率不高。在体育比赛类视频中,关键帧常为比赛转播中镜头变化的最后一帧。但广播视频中除了包含比赛视频还包括很多其他类型的镜头如中场休息、渐变镜头等。因此检测最后一帧包含很多比赛无关内容。针对这一问题,本文提出了一种手工特征与深度特征相结合的视频关键帧检测方法。首先基于颜色直方图特征进行镜头边界检测获取最后一帧。进一步基于直方图相似性提出一种类似聚类的方法得到候选关键帧。最后,基于深度神经网络对候选关键帧进行分类,得到真正的关键帧。在冰壶比赛视频和篮球比赛视频上的对比实验结果表明,相对于传统的背景差分法、光流法等,本文提出方法能够快速、可靠地提取关键帧。      

基于窗帧差的镜头边界系数模型及其应用

针对视频结构分析提出了一种新的镜头边界系数模型.首先,按照特定的计算方法计算当前帧的窗帧差,使得窗帧差在镜头内与镜头边界呈现不同的特征;然后,采用相应的镜头边界检测算子计算镜头边界相似系数,镜头边界相似系数越大,则该帧越可能是镜头边界;最后,为了提高镜头边界相似系数的检测能力,根据镜头边界相似系数定义了镜头边界系数.镜头边界系数具有良好的特性,可以单独检测镜头边界,也可以与传统的镜头边界检测方法相结合,为镜头边界检测提供了一种鲁棒的框架.实验结果表明,基于镜头边界系数模型的镜头边界检测方法能明显改善镜头边界检测结果.     

一种改进的新闻主持人镜头聚类算法

为解决传统新闻主持人聚类中背景变化与主持人位置大小变化影响聚类结果的问题,提出一种扩展人脸区域的主持人镜头模糊直方图聚类算法。引入扩展人脸区域（EFR）代替整个视频帧,采用模糊直方图（FCH）法对扩展人脸区域（EFR）进行聚类,与传统聚类方法比较,该方法有效地减少了背景对聚类结果的影响。采用背景变化剧烈的新闻视频为测试对象,经过实验验证此方法既有效的解决了背景变化带来的问题,又提高了查全率与准确率。     

基于模型的视频渐变镜头检测方法

通过建立视频渐变镜头的编辑模型,并提取该模型的特征量,进而与帧平均亮度法相结合,提出一种检测视频渐变镜头边界的复合算法.实验结果表明,该算法简单有效,对视频渐变镜头具有良好的识别性能.     

A perceptual scheme for fully automatic video shot boundary detection

In this paper, we propose a novel and robust modus operandi for fast and accurate shot boundary detection where the whole design philosophy is based on human perceptual rules and the well-known “Information Seeking Mantra”. By adopting a top–down approach, redundant video processing is avoided and furthermore elegant shot boundary detection accuracy is obtained under significantly low computational costs. Objects within shots are detected via local image features and used for revealing visual discontinuities among shots. The proposed method can be used for detecting all types of gradual transitions as well as abrupt changes. Another important feature is that the proposed method is fully generic, which can be applied to any video content without requiring any training or tuning in advance. Furthermore, it allows a user interaction to direct the SBD process to the user's “Region of Interest” or to stop it once satisfactory results are obtained. Experimental results demonstrate that the proposed algorithm achieves superior computational times compared to the state-of-art methods without sacrificing performance.     

一种基于形态学操作的新闻标题条检测算法

该文提出一种基于形态学操作的新闻标题检测算法。该方法利用了新闻标题条出现的时空特征,在镜头分割的基础上,采取了分类处理的方式和形态学的滤波操作,实现了对渐变标题的检测和在全局变化剧烈情况下的标题检测,并具有定位准确、规范化的特点。利用MPEG-7测试数据集进行的实验验证了该算法的优越性。     

Shot boundary detection in the presence of fire flicker and explosion using stationary wavelet transform

Detection of fire in video for fire alarm systems has been studied by many researchers, but detection of shot boundaries under fire, flicker and explosion (FFE) is one of the under-studied areas. In thriller movies, FFE occur more often than other special effects and lead to false detection of shot boundary. We tested major metrics used for detection of shot boundaries under FFE for various movies. It is observed that for almost all metrics, precision is low due to false positives caused by FFE. We propose an algorithm based on cross-correlation coefficient, stationary wavelet transform and combination of local and adaptive thresholds for detection of shot boundaries under FFE. The proposed algorithm is tested on three movies, and experimental results validate the effectiveness of our proposed method in terms of better recall and precision.