一种压缩视频流的视频分段和关键帧提取方法

基于压缩域视频片段检测可以省略解压步骤,直接从原始视频数据流提取特征,可以加快检测率.本文首先分析了视频数据的特性,视频的分割和关键帧的选取,阐述现有的典型方法,通过分析视频检索技术的关键技术,采用基于视频分割和关键帧的压缩视频流提取方法,提出了一种基于DC系数和运动矢量从MPEG压缩视频中提取关键帧的方法.实验表明,所提出的方法可以减少计算负担,并可以更好地表示视频内容.     

基于改进K-Means的动态视频关键帧提取模型

如何从动态视频图像大量的冗余信息中提取关键信息,进而有效地存储和检索视频成为当前本领域研究的热点.模型通过对图像帧进行分块,再对块图像帧进行预处理,基于熵密度的比较选择初始聚类中心,进而确定初始聚类半径,应用归一运算,合并同类图像帧以生成关键帧,用来表征图像的主要内容.实验表明该文模型能够减少动态视频信息中的冗余度,同...     

基于吞噬聚类的关键帧提取新算法

为了有效、自适应地提取镜头中的关键帧,提出了一种基于吞噬聚类的关键帧提取新算法。该算法通过邻近吞噬体的互相吞噬,聚类相似的数据对象,最后所剩吞噬体的吞噬中心即为视频帧的聚类中心,距离聚类中心最近的特征向量所代表的视频帧就是所需要的镜头关键帧。对该算法利用MATLAB仿真并通过与传统算法对比,结果表明,相对于传统算法,该算法的查全率和查准率都有了一定程度的提高。     

HEVC压缩域的视频摘要关键帧提取方法

为了提高关键帧提取的准确率，改善视频摘要的质量，提出了一种HEVC压缩域的视频摘要关键帧提取方法。首先，对视频序列进行编解码，在解码中统计HEVC帧内编码PU块的亮度预测模式数目。然后，特征提取是利用统计得到的模式数目构建成模式特征向量，并将其作为视频帧的纹理特征用于关键帧的提取。最后，利用融合迭代自组织数据分析算法(ISODATA）的自适应聚类算法对模式特征向量进行聚类，在聚类结果中选取每个类内中间向量对应的帧作为候选关键帧，并通过相似度对候选关键帧进行再次筛选，剔除冗余帧，得到最终的关键帧。实验结果表明，在Open Video Project数据集上进行的大量实验验证，该方法提取关键帧的精度为79.9%、召回率达到93.6%、F-score为86.2%，有效地改善了视频摘要的质量。      

基于综合特征分析的视频关键帧检索

综合利用了图像的颜色、形状和纹理特征,实现了对视频关键帧进行基于内容的检索。首先研究关键帧的选取、特征匹配等问题,再从视频处理的层次化结构的底层分析入手,构建了视频的连续帧图像序列,运用时间自适应检测法对镜头的关键帧进行了选取,建立了关键帧图像数据库。实验结果证明该方法性能良好。     

基于互信息量均方差提取关键帧的激光视频图像检索研究

为保证激光视频图像检索结果中不存在重复性冗余图像,提出了基于互信息量均方差提取关键帧的激光视频图像检索方法。基于互信息量均方差的关键帧提取方法,以激光视频图像颜色的互信息量均方差最大化,为激光视频图像关键帧的聚类中心设置标准,以此聚类提取不重复的视频图像关键帧;通过基于关键帧的激光视频图像检索方法,将所提取关键帧作为激光视频图像检索的核心判断内容,提取与所需图像关键帧相似度显著的激光视频图像,完成激光视频图像检索。实验结果显示：此方法使用后,提取的激光视频图像关键帧冗余度仅有0.01,激光视频图像检索结果的MAP指标测试值高达0.98,检索结果中不存在重复性冗余图像。     

一种基于聚类的关键帧提取算法

关键帧的提取是视频数据结构化的一部分,在获得关键帧之后就可以进入基于内容的图像检索阶段,实现基于内容的视频检索。本文提出了一种在镜头边界检测之后再进行视频帧聚类的方法来提取关键帧。聚类形成了数据更小的子镜头,最后从子镜头中选择与聚类中心距离最小的一帧作为关键帧。最后,通过仿真实验表明该方法能够快速有效地提取出视频关键帧。     

基于运动统计和关键帧的视频检索方法

文章先对压缩视频直接进行镜头分割,然后选取熵值最大的镜头进行检索,通过对视频运动进行统计,把镜头运动量化到二维概率分布空间,选择距离与样本最较近的目标,大幅缩小检测范围,然后再进行关键帧比对,实现对视频的快速准确检索。     

基于聚类的视频镜头分割和关键帧提取

镜头分割是基于内容的视频检索和浏览首先要解决的关键技术。视频分割为镜头后,下一步的工作就是进行关键帧提取,用以描述镜头的主要内容。提出了一种改进的基于聚类的镜头分割和关键帧提取算法．在无监督聚类中引入一个参考变量,解决了利用无监督聚类进行镜头分割和关键帧提取时可能产生的帧序不连续或分割错误的问题。在关键帧提取阶段,将镜头分割为子镜头后,引入图像熵的概念提取关键帧。实验结果表明了改进算法在镜头分割和关键帧提取方面的有效性。     

基于压缩感知和熵计算的关键帧提取算法

针对关键帧提取问题,提出了一种基于压缩感知理 论和熵计算的关键帧提取算法, 首先通过构造符合有限等距性质要求的稀疏随机投影矩阵,将高维多尺度帧图像特征变换为 低维多尺度帧图像特征, 并形成视频镜头低维多尺度特征列向量组;然后通过随机权值向量与低维多尺度特征向量的 阿达玛乘积运算生成各 帧图像的匹配特征,并根据匹配特征的相似性度量完成镜头内部的子镜头分割;最后通过交 叉熵计算在每个子镜头 中得到可能的关键帧,并由图像熵计算确定最终的关键帧。实验表明,与传统方法相比,本 文算法提取的关键帧能够更精确、更稳定描述视频镜头内容。     

一种基于镜头属性的关键帧提取系统

研究并设计了一种基于镜头属性的关键帧提取系统.该系统将镜头分成定格、拉伸、静态场景和动态场景4大属性,以分析相邻采样帧中若干条线段的灰度分布曲线相似度为基础,并结合了图像灰度直方图的相似度分析,按照不同的镜头属性提取关键帧.该系统计算量小,满足实时性分析的要求,能较好地说明镜头的类别.     

基于压缩感知的自适应帧图像分组视频编解码器研究

目前基于压缩感知的视频编解码器在对视频帧图像进行处理时大多采用固定分组的形式,视频中出现场景快速变化时,其重构视频帧的效果较差。提出一种基于压缩感知的自适应帧图像分组视频编解码器,无论场景变化快慢,均能获到较好的视频帧重构效果。实验结果表明,视频场景快速变换时该编解码器的视频帧重构效果较好。     

基于运动轨迹分析的监控视频关键帧提取

当前,从海量监控视频中高效、准确地提取关键帧是一项极具挑战性的课题,为此提出了一种基于运动轨迹分析的监控视频关键帧提取方法.给出了该方法的实现过程,并进行了实验与分析.结果表明,所提出的方法在关键帧提取准确性上优于当前的主流方法.     

基于压缩感知理论的视频编解码器

结合压缩感知理论和传统的视频编解码技术,提出了一种基于压缩感知理论的视频编解码器.其编码过程可看成是将高维信号投影到低维空间的过程,解码过程不再是传统方式下的编码的逆过程,而可看作是求解欠定方程组的过程.该编解码器结构比较简单,不仅所需图像的样本数很少,样本数可根据不同的编码模式进行选择,而且能获得较高的压缩比和较好的重构图像质量.     

基于关键姿势的单次学习动作识别

提出基于关键帧技术的单次学习的动作识别方法.首先把样本动作建模为若干关键姿势的集合,然后利用关键帧把测试视频分割为单个动作,最后结合关键姿势相似度的时间加权计算动作匹配概率,进行动作识别.该动作识别方法只通过单次学习,提高了效率.使用标准深度数据库进行实验,实验结果显示了该方法的有效性,尤其在区分差别比较细微的动作方面.     

帧测量率自适应分配的分布式视频压缩感知

传统分布式视频压缩感知通常对所有的非关键帧采用相同的测量率进行测量,这种测量方式并未考虑到不同帧之间的相关性具有差异性,造成帧组的重构质量不高。针对以上问题,本文首先建立一种对非关键帧进行测量率分配的模型。然后根据所建立的分配模型,利用帧间相关性提出一种快速的自适应测量率分配算法。在该算法中,以当前帧对帧组重构的贡献率为参考标准来决定该帧的测量率。实验结果表明,在相同压缩比的条件下,将本文所提出的自适应测量率分配算法应用到分布式视频压缩感知中能有效提升视频重构质量。      

基于压缩采样理论的改进型视频编解码器

压缩采样或压缩传感是数据采样并同时压缩的新理论、新方法,是现在理论研究的热点.通过对CS视频编码的研究,提出了一种基于CS理论的改进型视频编码方法,所提的改进型方法结合使用SRM和GPSR算法,比原算法更加注重利用视频本身的特性和更为合理的观测数分配方法.     

基于压缩感知的多角度SAR特征提取

为提高目标属性散射中心参数估计的精度和鲁棒性,利用多角度SAR数据作为输入,将参数估计问题转化为稀疏向量重构问题,使用分步估计算法提高计算效率,从而实现多角度SAR特征提取.研究内容包括两方面,一是论证多角度SAR的角度和频率分集特性对字典矩阵性能的改善.另外,为提高算法效率,本文提出分步参数估计算法.首先用理想点目标模型得到初步估计的图像表示,然后通过图像分割和能量中心计算估计模型阶次、位置和散射类型,最后以初步估计为先验信息重新构造字典矩阵,得到最终估计.实验验证了算法鲁棒性以及分辨率的改善.     

帧间自适应压缩感知算法在视频编码中的应用

阐述了压缩感知的理论框架,分析了视频信号帧间相关性特点,提出了一种帧间自适应压缩感知的视频编码算法。本方法中,利用视频差值信号的特点建立自适应感知模型,自适应的选择稀疏域和重构域对信号进行压缩感知恢复,在空域稀疏度较强的情况下选择空域作为稀疏域和重构域,在空域稀疏度较差的情况下选择小波域作为稀疏域和重构域。用测试视频进行了仿真分析,结果表明该算法能够取得较好的效果。     

自适应PCA稀疏基底的分布式视频压缩感知重构

为了提高分布式视频压缩感知(Distributed Video Compressive Sensing,DVCS)的率失真性能,提出利用自适应稀疏基底进行联合重构.算法利用帧间运动信息形成样本数据矩阵,再利用主成分分析(Principle Components Analysis,PCA)训练出其显著主成分构成稀疏字典,该稀疏字典不仅可根据视频时空统计特征自适应变化而且可有效地抑制噪声.仿真实验表明,该联合重构算法可有效地改善主客观视频重构质量,能够以一定的计算复杂度为代价提高DVCS系统的率失真性能.