一种从压缩视频流中提取关键帧的方法

关键帧提取技术是视频分析和基于内容的视频检索的基础。关键帧的使用大大减少了视频索引的数据量,同时也为视频和检索提供了一个组织框架。论文首先简单介绍目前的关键帧提取技术,然后提出了一种基于DC系数和运动矢量直接从MPEG压缩视频提取关键帧的方法,无需全部解压,计算复杂度低,大大提高了提取速度。实验证明该方法计算量小,可以较好地代表视频内容。     

一种压缩域中基于镜头的关键帧提取改进算法*

关键帧提取技术是基于内容视频检索的基础。针对压缩视频序列提出一种基于镜头的关键帧提取改进算法。其核心是根据压缩视频序列的编码特点,只需要对其进行部分解码,利用I帧信息的直流分量信息构造DC缩微图,并结合图像帧不同区域DC信息的重要程度差异进行相似性度量,进而实现关键帧提取。实验证明,该算法较之传统算法,在查全率和检索时间两项指标上均有显著改善,尤其适用于新闻纪录片、电影片等局部运动较为剧烈的视频序列。     

危险源监控视频关键帧提取初步研究

提出了一种危险源监控视频关键帧提取算法。根据危险源监控视频的特点,利用I帧DC图的比较,减少危险源监控视频的冗余信息,获取有效视频;利用基于镜头的压缩域关键帧提取方法提取帧。实验结果表明,该方法能有效进行危险源监控视频关键帧的提取。     

MPEG压缩域关键帧提取的研究

提出了一种基于MPEG压缩域关键帧的提取方法.首先对MPEG压缩域中实现I帧的提取,然后利用I帧的特征8×8块的DC系数,计算相邻I帧对应位置的8×8块的DC系数相似性度量,进而实现镜头的判断,最后利用P帧宏块类型提取关键帧.由于处理过程是直接从MPEG的压缩视频提取,不需要对其完全解压,所以计算复杂度低,提高了提取速...     

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．     

一种MPEG压缩域的运动对象快速提取算法

针对目前压缩域直接得到的运动矢量过于稀疏且不可靠,导致运动对象分割精度不高等问题,提出一种适合于MPEG视频流的压缩域运动对象提取算法。它先对MPEG码流进行熵解码得到的运动矢量场进行可靠性度量校正、置密和滤波处理,并采用基于块的区域增长算法得到每个对象的大致运动区域;然后解码属于运动区域的块,并把被还原的每个位置的像素值分布视为高斯分布,用统计的方法建立其高斯模型,通过阈值判断可靠地提取出最终具有像素精度运动对象。仿真实验表明,该算法可以有效地去除运动矢量噪声的影响,分割精度显著提高,并且具有较高的处理速度。对于QCIF 格式的视频码流, 每秒可以处理约50帧。     

基于粗糙集的压缩域关键帧提取算法

提出一种基于粗糙集(RS)的压缩域关键帧提取算法。该算法从视频的压缩域数据流中提取I帧,以相邻I帧的差值为行、多个特征属性为列建立信息系统,对该系统进行归一化、离散化,采用RS的属性约简理论从中得到没有冗余的属性核,利用不可分辨关系进行关键帧提取。与像素差法、直流系数法的性能比较结果表明,该算法的计算复杂度更低,且适用于不同类型的视频。     

一种从MPEG压缩视频流中提取关键帧的方法

在基于视频内容检索的多媒体系统中,由于需要进行镜头分割和提取关键帧,还需要用静态图象来表示视频内容以及该图象的特性进行分析,因此根据视频序列中相邻画面一般具有相似性和连续性这一镜头分割和关键帧提取的共同理论依据,构造了关键帧提取系统,它能直接提取关键帧,而不用先进行镜头分割,且只需要Ⅰ帧信息及其频域直流分量的信息,即能达到最小程度的解码,在关键帧的判定方面,通过分析当前镜头分割技术的特点及其发展方向,提出了质点等价法和基于宏块互异的方法。     

基于压缩域的I帧提取算法

MPEG中包含三种帧——I、P、B帧,I帧记录了主要信息,P帧和B帧作为运动补偿,如何提取出I帧是视频处理最关键、最基础的一步。本文实现了在压缩域上直接从MPEG码流中提取I帧。     

一种快速的压缩域视频流场景分段算法

提出了一种快速的压缩域视频流场景分段算法，对视频流进行两次分析：第一次分析（粗略分析）只分析P-帧中宏块统计信息，检测出可能存在的镜头边界；第二次分析（精确分析）再对粗略分析找出的边界邻近的B-帧和P-帧的宏块类型进行分析。从而对场景变换进行精确分析和定位，实验结果表明，粗略分析可以满足实时检测的速度要求，帧定位误差控制在10帧之内，精确分析可以进一步把帧定位误差控制在2帧之内。     

基于改进K-means算法的关键帧提取

为克服传统聚类算法在关键帧提取过程中对初始参数较为敏感的问题,提出一种基于改进K-means算法的关键帧提取算法。在人工鱼群算法中,依据人工鱼群体相似度对提取的特征向量进行自组织聚类,采用进步最大原则使人工鱼聚集在几个极值点位置,以每个极值点群体相似度最高的人工鱼为初始聚类中心,执行K-means算法,得到聚类结果,并提取关键帧。实验结果表明,该算法的准确率较高,能较好地表达视频的主要内容。     

视频关键帧提取的可能性C-模式聚类算法

提出一种视频关键帧提取方法,以可能性C-模式聚类为基础,选用主色调和次色调描述视频图像的特征,从而无需镜头分割即可直接提取视频的关键帧．实验表明,该方法能够根据视频内容的复杂度有效地提取出最具代表性的关键帧,且具有较高的鲁棒性．     

基于镜头内容变化率的关键帧提取算法

针对含有运动目标的视频采用单一阈值提取关键帧时易出现漏检或冗余的情况,提出基于镜头内容变化率的关键帧提取算法。根据镜头相邻帧差和与镜头平均邻帧差的变化特点定义镜头内容变化率,由该变化率确定关键帧提取的高、低阈值,实现自动提取一到多帧关键帧。实验结果表明,该变化率对视频帧的内容变化有较好的描述能力,提取的关键帧具有很好的代表性。     

基于视频聚类的关键帧提取算法

关键帧可以有效减少视频索引的数据量,是分析和检索视频的关键。在提取关键帧过程中,为了解决传统聚类算法对初始参数敏感的问题,提出了一种改进的基于视频聚类的关键帧提取算法。首先,提取视频帧的特征,依据帧间相似度,对视频帧进行层次聚类,并得到初始聚类结果;接着使用K-means算法对初始聚类结果进行优化,最后提取聚类的中心作为视频的关键帧。实验结果表明该方法可以大幅提高关键帧的准确率和查全率,能较好地表达视频的主要内容。     

一种时域和梯度域相结合的视频对象提取算法

为了从复杂背景中精确地提取出视频对象,提出了一种融合时域和梯度域信息的视频对象提取算法,可以有效地提取出复杂背景下的视频运动对象,并解决前景与背景一致情况下,背景剔除方法所带来的空洞问题。首先在时域空间中分别采用背景剔除和帧间差分方法生成初步的视频对象,并利用形态学中的二值腐蚀和膨胀方法对视频对象进行处理;然后,在梯度域空间中用Sobel算子进行视频对象边缘检测,并结合时域空间中的视频对象,生成精确的视频对象轮廓边缘;最后,采用启发式搜索方法连接视频对象轮廓边缘点,进而提取出视频对象。实验结果表明,该方法能够比较完整精确地从复杂背景中提取出视频对象。     

基于改进分块颜色特征和二次提取的关键帧提取算法

关键帧提取技术是视频摘要、检索、浏览和理解中的一项重要技术。目前关键帧提取算法存在一些问题,例如特征选择复杂、阈值选择难、自适应性不强等。为了更有效地提取视频关键帧,提出了一种基于改进分块颜色特征和二次提取的关键帧提取算法。首先,对视频帧进行等面积矩形环划分;其次,提取矩形环的HSV量化颜色特征,并由帧图像中心到外依次减小每个矩形环特征的权值以突出图像主体部分;然后,依据相邻视频帧间特征的显著性变化初步选取关键帧;最后,依据初次提取的关键帧在视频中的位置间隔大小进行二次提取优化关键帧。实验结果表明,该方法具有良好的适应性,同时能够有效避免因镜头有突然闪光或物体快速运动而提取过多的关键帧,最终提取的关键帧能够比较全面准确地表达视频内容。