基于特征融合的自适应镜头边界检测

根据HSV色彩直方图进行镜头边界检测是一种常用、有效的方法,该文提出了一种基于色彩和形状融合的方法计算帧间不连续值、形状特征选取梯度方向角,在计算出帧间不连续值以后,采用Kohonen自组织网络对不连续值进行聚类得到镜头边界。实验结果表明该方法能弥补采用单一的色彩或形状信息所造成的漏检或错检,并且Kohonen网络能取得与滑动窗高斯模型方法相差无几的性能表现,却克服了检测性能对于参数的敏感性。     

基于增量主成份分析的在线视频镜头边界检测

在基于内容的视频检索系统中,镜头边界检测是极其关键的一步。而在线检测镜头边界也是亟需解决的问题,所以提出利用增量主成份分析(IPCA)方法,对视频进行实时分析和在线镜头边界检测。IPCA方法允许样本逐步输入,这样正符合在线视频的获取方式,所以利用IPCA可以实现镜头边界的在线检测。但是,IPCA也存在存储空间逐步增大的缺陷,针对此问题也提出了解决方案。实验证明该方法可以取得满意的效果。     

基于预处理的视频镜头边界检测算法

针对视频镜头边界检测的高时耗问题,提出了一种基于视频预处理的视频镜头边界检测(SBD)改进算法。通过使用自适应的阈值选择可能包含镜头边界的候选段,候选段内首帧与其余各帧进行相似度对比检测出镜头起始帧,并立即检测切变。若候选段中不包含切变,则进行渐变检测。调整候选段以保证镜头边界位于同一段内,段内其余各帧与起始帧进行相似度对比确定镜头结束帧。实验结果表明,所提算法镜头边界识别准确率能够达到90%以上,且与倒三角模式匹配方法相比能够节约时间15.6%~30.2%;与对渐变和切变分别检测的算法相比,该算法能够在满足识别率的基础上提升检测速度。     

视频镜头边界检测的统一策略

随着计算机和影视技术的发展，用来有效地组织、索引和检索海量视频数据的基于内容的视频检索系统吸引了众多学者的兴趣，而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。因此，为了有效地进行视频镜头边界检测，在介绍现有的镜头边界检测基本方法的基础上，提出了一种镜头边界检测的统一策略。由于它是在综合考虑视频的颜色特征和时间特征的基础上来建立基于幅值映射的1维视频特征曲线，并利用小波分析对信号奇异点的检测能力和对噪声具有较强的鲁棒性，首先实现了镜头边界的预检测；同时利用1维特征曲线在镜头边界区间中表现出的良好统计特性实现了对渐变镜头的进一步分类，进而实现了在统一检测框架下的镜头边界检测。实验结果表明，该算法能够有效地检测出视频镜头边界。     

突变镜头边界检测的因果算法

传统的镜头检测算法属于非因果的方法,在对当前帧进行检测时需要利用前后若干帧的信息,不能满足实时应用的要求.文中提出了两种因果的突变镜头边界检测方法,其中只利用了当前帧之前有限帧的信息.实验结果表明,该类因果检测算法是有效的,两种算法各自的镜头检测准确率都达到了95%以上.     

基于内容的视频检索中视频镜头检测技术的研究

对基于内容的视频检索中视频镜头检测技术进行研究.首先,特征的选取,使用符合人类感知的HSV空间,并以该空间上的非均匀分块加权颜色直方图作为帧间差特征;其次,以双阈值比较法为检测方法,对其存在的问题进行改进;最后,采用基于局部统计特性的阈值选取方法.实验表明:本方法能取得较好效果,在一定程度上提高检测的查全率和准确率.     

基于CMISW的镜头边界检测

利用滑动窗口来进行镜头边界检测自适应阈值的计算是一种常用的方法。该文提出一种基于颜色——梯度模值二维直方图的自适应镜头边界检测方法。计算出帧间差值以后,在原有高斯模型滑动窗口内部增加一个滑动窗口计算自适应阈值。实验结果表明,该方法能有效避免滑动窗口方法中因窗口大小参数设置所导致的漏检问题,并且使检测性能得到进一步的提高。     

基于内容的视频检索技术

从分析基于内容的视频检索的优点和系统结构出发，重点探讨了系统中所涉及的镜头边界检测技术、关键帧提取技术、特征提取技术，分析了技术中各种方法的优缺点并介绍了一些新的方法，最后提出了一些值得进一步研究的问题。     

增强视频镜头边界检测鲁棒性算法的研究

为有效避免闪光和字幕等因素对镜头边界检测造成的影响,提高视烦镜头边界检测的查准率,根据镜头转换的特点和颜色空间的特征,选取YUV颜色空间,对亮度信息进行分析.采用改进的直方图分块加权法计算视频帧的帧间差,结合其变化规律,将全局阈值和自适应阈值相结合,对突变检测加以控制,并依据视频中闪光具有的特性,检测出闪光序列,使其不参与自适应阈值的计算,提高阈值的准确度,从而增强镜头检测的鲁棒性.     

视频镜头边缘检测算法研究与比较

视频镜头边缘检测中的直方图、像素差异等算法只针对有限的测试数据进行了范围比较狭窄的测试,对于算法的适用领域和范围没有进行测试和说明.为了解决这一问题,设计实现了三种视频镜头检测算法,并构造了丰富的测试视频数据集,针对测试结果进行了实现算法的性能分析以及提出了改进建议.     

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。     

一种自适应的镜头探测系统的设计与实现

镜头探测是视频内容结构化分析的第一步,也是非常关键的一步。目前的镜头探测方法根据处理方式不同,可分为压缩域和解压域两种,而研究的重点多集中在mpg格式的视频文件上。随着压缩标准的不断成熟完善,出现了越来越多的视频压缩格式,如avi、wmv、asf等等。对于这类格式的视频文件如何进行视频内容结构化分析成为了迫切需要解决的一个问题。该文设计并实现了一种能适应多种视频文件格式的镜头探测系统,该系统采用先解压、后探测的方案。解压通过微软提供的DIRECTXSDK进行,接下来进行的镜头探测在解压后的像素域上进行。实验证明,该方法是行之有效的,它为多格式的视频流分析提供了一种解决思路。     

一种精确定位镜头边缘的方法

提出了一种针对MPEG视频的精确定位镜头边缘的方法，结合视频非压缩域和压缩域中相关视频帧的信息来定位镜头边缘。首先利用解压后的I帧信息来粗略定位镜头边缘，然后利用视频序列压缩域中的B帧的运动趋势来精确定位镜头边缘，而不用对其解压缩。实验结果表明此方法能精确地检测到视频的镜头边缘。     

一种精确定位镜头边缘的方法

提出了一种针对MPEG视频的精确定位镜头边缘的方法,结合视频非压缩域和压缩域中相关视频帧的信息来定位镜头边缘。首先利用解压后的I帧信息来粗略定位镜头边缘,然后利用视频序列压缩域中的B帧的运动趋势来精确定位镜头边缘,而不用对其解压缩。实验结果表明此方法能精确地检测到视频的镜头边缘。     

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     

基于人脸检测与SIFT的播音员镜头检测

播音员镜头的检测是新闻视频结构化的关键步骤之一.提出了一种基于人脸检测与SIFT特征点匹配的播音员镜头自动检测算法.该方法首先利用人脸检测器过滤出具有人脸的候选镜头,然后利用颜色直方图判断镜头是否可能相似,再利用SIFT特征点匹配从候选镜头关键帧中找出相关的镜头组,最后利用各镜头组的信息判断出哪些是播音员镜头.对比传统的方法,该方法除了训练一个通用的人脸检测器外,不需要模板,也不需要针对某类新闻节目训练特别的分类器,可以直接利用算法对新类型的新闻节目提取播音员镜头.实验结果表明,该算法能够广泛地适应于各种不同种类的新闻节目、不同视觉质量的视频,可以有效地应用于新闻视频分析.     

一种基于模型的扫换检测方法

视频自动分割是实现视频数据库检索必不可少的一个过程,其基础是镜头边界检测.当前已有的算法能够较准确地检测出镜头突变,但对于镜头的渐变则常常会漏检,这是由于镜头渐变时帧间差没有一个明显的峰值,因而其检测比突变检测要困难得多.扫换是一种常用的视频空间编辑手段,用于实现多种镜头变化.通过分析各种类型的扫换,提出了一种新的基于视频空间编辑模型的扫换检测算法,其性能优于Alattar提出的基于统计特征的算法.对用AdobePremiere5.1生成的各种扫换视频进行检测.实验结果表明,这种扫换检测算法能够较好地适应