基于宏块运动信息的镜头边界检测

镜头边界检测是视频处理与检索中最重要的第一步。对视频流直接在压缩域中部分解压I帧,提取其DC图像的特征,利用连续I帧的DC图像的特征差异粗略定位镜头的边界,再根据压缩域中P、B帧的各种类型的宏块数量变化精确定位镜头边界。实验结果表明,本算法能高效而精确地对突变镜头和渐变镜头进行检测,弥补了压缩域中镜头定位精确性不高的缺点。     

MPEG VBR视频流—统计特性及其模型

该文分析了已有的MPEG VBR视频流模型及其缺点,并在此基础上对VBR视频流的统计特性进行了研究,实验结果表明,通过对整个视频流进行场景划分（聚类）,聚类间用Markov调制链建模,而每一聚类中独立的场景则可以采用TES模型基于GOP（Group Of Picture)而非帧进行建模,则该方法既能避免状态空间过大,又能避免帧间周期性的自相关,因而能够更好地拟合VBR视频流序列的一阶和二阶统计特性,同时,对独立场景的GOP分布函数可以采用Gamma函数进行拟合,自相关函数则可以采用双指数函数更好地拟合。     

基于DC系数和运动矢量的快速场景分割算法

场景分割技术是动态视频分析和基于内容的视频检索的基础，以检测出来的场景作为基本单元，可以进一步对视频内容进行分析和建立索引．本文旨在提出一种基于MPEG压缩视频流的场景分割算法，利用MPEG数据流中已有的DCT DC系数和运动矢量，来检测场景的变换，从而实现场景分割，针对实际视频流中场景突变和渐变两类变换．本文提出两种方法分别处理不同情况，对于突变检测，该算法可以定位到帧，由于该算法进行最小程度的解码，降低了计算复杂度，因而大大提高了检测速度．     

基于压缩域的自适应场景叠化检测算法

给出了一种压缩域中快速有效的自适应场景叠化检测算法,该算法综合利用了视频帧中宏块类型信息的场景叠化和非场景叠化特征,并利用中值滤波对形成的数据流进行滤波,再利用滑动窗口准确地检测出场景叠化的开始帧和结束帧.实验结果达到了较高的查全率、查准率和F度量,并和现存的场景叠化算法进行了对比实验.     

一种基于运动特征的快速镜头边界检测方法

提出了一种基于MPEG视频流运动特征的镜头边界检测模糊推理方法。首先提取MPEG视频流中每帧的宏块信息，然后分析这些信息分别得到相似度、相似度差、运动活动性强度差、运动集中度差等，并将它们作为隶属度函数的输入量，按照一定的推理规则得到突变、渐变、无镜头变换三种情况的隶属度值，值最大者决定该帧是何种类型。实验结果表明该方法具有较高的检测精度，而且由于该方法不用对MPEG视频流进行解压缩，因此处理速度快，适合于实时应用场合。     

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。     

压缩视频域镜头边界检测研究现状与发展前景

镜头边界检测是视频检索的首要问题,镜头转换分为突变和渐变,镜头边界的检测结果直接影响视频检索的准确度,针对这个问题,提出了在压缩域视频中进行镜头边界检测常用的两类方法:一类是基于I帧DC系数的方法;另一类是基于聚类的方法.前者先利用I帧的DC图进行镜头的粗略分割,再分别运用基色调、宏块信息和运动矢量进行精确分割;后者聚类法克服了帧的无序性.实验结果表明,第一类压缩域镜头边界检测的方法之于镜头的渐变检测效果普遍不理想,但是计算较第二类算法简便,第二类方法对渐变镜头的检测效果好于第一类,有效克服无序性是一种改进.     

一种MPEG-4编码的视频源业务建模

针对MPEG－4的低质量和高质量两种编码质量的视频源，给出了一种混合模型，此模型在多个时间尺度上反映帧大小的变化；场景的变化和同一场景内码流的波动，用几何分布来描述场景的变化，用AR（2）模型来反映同一场景内码流的波动，对I帧采用合成模型建模，对P，B帧采用几何分布建模，最后将此模型与不考虑场景变化的几种情况进行了比较，并且对它们的排队性能作了分析，证明了这种合成模型能够很好地反映实际视频流的特征。     

基于KVM视频的H.264预测模式选择算法

针对H.264/AVC编码器计算复杂度高,难以应用于存在大量局部场景切换的KVM视频序列编码问题,提出一种P帧宏块编码模式选择优化策略。在不采用操作系统GUI、显示驱动等获得视频变化区域的情况下,根据宏块的亮度相关性和宏块的运动信息,检测局部场景切换的发生,跳过INTER模式进入INTRA模式预测决策过程。仿真结果表明,与RDO决策过程相比,该方法可缩短KVM视频序列的P帧20%左右的编码时间。     

基于宏块类型信息的自适应场景变换检测算法

提出了一种压缩域中利用B帧的宏块类型信息自适应场景变换检测算法,采取滑窗方式自适应地检测场景突变和场景渐变的准确位置。利用电影、动画、新闻等素材作为实验视频库,并利用MPEG 2作为实验平台,取得了较高的查全率和查准率。     

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。     

Fast scene change detection using direct feature extraction fromMPEG compressed videos

In order to process video data efficiently, a video segmentation technique through scene change detection must be required. This is a fundamental operation used in many digital video applications such as digital libraries, video on demand (VOD), etc. Many of these advanced video applications require manipulations of compressed video signals. So, the scene change detection process is achieved by analyzing the video directly in the compressed domain, thereby avoiding the overhead of decompressing video into individual frames in the pixel domain. In this paper, we propose a fast scene change detection algorithm using direct feature extraction from MPEG compressed videos, and evaluate this technique using sample video data, First, we derive binary edge maps from the AC coefficients in blocks which were discrete cosine transformed. Second, we measure edge orientation, strength and offset using correlation between the AC coefficients in the derived binary edge maps. Finally, we match two consecutive frames using these two features (edge orientation and strength). This process was made possible by a new mathematical formulation for deriving the edge information directly from the discrete cosine transform (DCT) coefficients. We have shown that the proposed algorithm is faster or more accurate than the previously known scene change detection algorithms     

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.     

从视频中检测人脸

视频中人脸检测的应用领域广泛，近来受到了极大关注。文中提出一种在MPEG流中检测人脸的新方法，它可以从复杂背景中有效地检测方向、大小不同的人脸，还可以处理多个人脸交叠的情况，为适应视频检索的需要，该算法依据帧间冗余性，自适应地调整肤色检测器，利用MPEG流中的运动矢量在一个GOP内跟踪人脸，依据场景的变化更新分割码本等措施，有效地提高了计算速度。用算法测试多个视频序列，实验结果令人满意。     

Efficient MPEG compressed video analysis using macroblock typeinformation

Efficient indexing methods are required to handle the rapidly increasing amount of visual information within video databases. Video analysis that partitions the video into clips or extracts interesting frames is an important preprocessing step for video indexing. We develop a novel method for video analysis using the macroblock (MB) type information of MPEG compressed video bitstreams. This method exploits the comparison operations performed in the motion estimation procedure, which results in specific characteristics of the MB type information when scene changes occur or some special effects are applied. Only a simple analysis on MB types of frames is needed to achieve very fast scene change, gradual transition, flashlight, and caption detection. The advantages of this novel approach are its direct extraction from the MPEG bitstreams after VLC decoding, very low complexity analysis, frame-based detection accuracy and high sensitivity     

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。     

基于场景检测的自适应Intra帧差错掩盖算法

为了减小视频传输中的错误对解码端重建视频质量的影响,提出了一种基于场景检测的自适应Intra帧差错掩盖算法。该算法利用H.264/AVC的帧内预测模式分布差异检测Intra帧的场景切换,对非场景切换的Intra帧进行空时域掩盖的失真度估算,在此基础上进行自适应的空时域掩盖。实验结果表明,该算法充分利用了Intra帧的时域相关性,与已有的Intra帧差错掩盖算法比较,该算法恢复的视频序列平均峰值信噪比提高了1~2 dB,具有更好的差错掩盖效果。     

一种MPEG1/MPEG2视频流的自适应播放算法

提出了一种MPEG1/MPEG2视频流的自适应播放算法。算法根据播放缓冲区的占用情况来调整视频帧的播放持续时间，并在播放缓冲区上溢时判断到达视频帧的类型，以决定是暂时存储还是丢弃，使得不会造成帧内编码帧和前向预测编码帧的丢失，从而保证视频流平滑地播放。实验结果表明，在播放不连续性和播放失真上新算法都优于Yuang算法，并实现了视频流的平滑播放。     

一种高效的视频切变检测算法

介绍了一种可以在压缩域和非压缩域实时检测视频切变的算法。算法采用了大小双重窗口,利用大窗口全局阈值提取候选切变位置,再在以候选切变位置为中心的小窗口中结合双侧和单侧判断进一步检测真实切变位置。算法能有效地避免因摄像机和目标的剧烈运动造成造成误检和漏检的情况,在检测五段视频的实验中,取得１００％的查全率和９６％的准确率。