基于多特征相似度曲线曲率检测的关键帧提取

网络多媒体的迅猛发展和普及使得对海量视频信息进行快速和低成本管理的需求日益迫切,而关键帧可以大大减少视频索引的数据量,同时也为查询和检索视频提供了一个组织框架。针对现有关键帧提取算法存在的特征选取单一、阈值选择困难和视频类型局限性等问题,提出了一种基于多特征相似度曲线最大曲率点检测的关键帧提取方法。算法利用多特征融合的相似性度量来捕获视频内容的显著变化,弥补了单一特征对视频内容描述不充分的不足,且基于滑动窗口的检测算法无需阈值选择,可以实时、局部地提取关键帧,解决了传统算法计算量大、通用性差的问题。最后通过实验利用一种保真度评估标准验证了该算法的有效性。     

压缩域视频内容分析与摘要提取技术

给出了压缩域视频摘要系统的结构框架,并对其中的压缩域视频镜头变换检测、关键帧提取和压缩域人脸检测等主要算法进行了讨论.     

改进的互信息量相似度曲线关键帧提取研究

关键帧提取是基于内容视频检索和比对等工作的关键步骤,它的准确性和效率是后续工作的基础。针对目前关键帧提取存在的阈值选择困难、算法复杂等问题提出改进的互信息量关键帧提取算法,构造基于非均匀分块加权HSV直方图的互信息量相似度曲线检测算法,取相邻两高曲率点的中间帧作为关键帧。实验结果表明,该算法无需阈值选择,能实现关键帧自动提取并且只需要一次扫描就能快速得到准确的关键帧。     

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。     

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。     

融合多路特征和注意力机制的强化学习关键帧提取算法

针对现有视频关键帧提取算法对运动类视频中运动特征提取不准导致的漏检和误检问题,提出一种融合多路特征和注意力机制的强化学习关键帧提取算法。该算法首先通过人体姿态识别算法对视频序列进行人体骨骼关节点提取;然后使用S-GCN和ResNet50网络分别提取视频序列中的运动特征和静态特征,并将两者进行加权融合;最后应用注意力机制对特征序列进行视频帧重要性计算,并利用强化学习进行关键帧的提取和优化。实验结果表明,该算法能较好地解决运动类视频在关键帧提取中出现的漏误检问题,在检测含有关键性动作的视频帧时表现较好,算法准确率高、稳定性强。     

压缩域视频处理关键帧提取技术的初步研究*

将视频序列通过关键帧提取的方式转换成静态图像,然后利用图像处理技术进行分析是视频处理的一种有效方法。首先讨论了近年来基于压缩域的关键帧提取技术,然后分析和讨论了针对敏感视频识别应用的关键帧提取方法,并给出了一种快速有效的关键帧提取方案。     

一种视频序列拼接的新方法

提出了一种基于视频序列拼接的新方法。首先,利用KLT算法对视频序列中特征点进行提取和跟踪,实现关键帧粗略选取;其次,在选取的关键帧中利用SURF算法进行特征提取,利用最近邻距离比进行特征点匹配,通过RANSAC估计算法求精单映矩阵,并结合关键帧选取判定寻找最佳关键帧;最后,利用级联单映矩阵和加权融合算法实现视频序列拼接。实验验证了该方法的有效性。     

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。     

基于内容检索中的视频分割技术及新的进展

在视频镜头分割领域,近来出现了大量的算法,这些算法总体来说可以分为像素域和压缩域两种情况下的处理,同时也因选取的视频特征不同,可以适用于hardcut、fade、dissolve三种不同的镜头转换形式。该文主要对这些算法以及视频特征进行讨论,并进一步介绍了关键帧抽取方面的相关新的进展。     

基于纹理和高斯密度特征的图像检索算法

直接从DCT域中提取图像的特征是提高图像的检索效率的方法.直接从压缩域中提取图像的高斯密度,即计算图像在8个方向上的分段累加值,形成一个8*4的二维向量,再结合图像的纹理特征来进行图像检索.为了验证算法的可行性,建立了10000幅图像的图像库.实验结果表明,该方法能够准确地检索出目标图像,有效地提高了图像检索的精度和速度.     

基于压缩域的关键帧快速提取方法

关键帧提取技术是基于内容检索和视频分析的基础。关键帧的使用减少了视频索引的数据量,同时也为视频摘要和检索提供了一个组织框架。首先介绍了目前的关键帧提取技术,然后提出了一种基于运动特征利用模糊推理算法从MPEG视频流中提取关键帧的方法。由于处理过程是直接从MPEG的压缩视频提取,不需对其解压,所以计算复杂度低,提高了提取速度。实验证明该方法效率高,可以比较好地代表视频内容。     

基于变换步长的车辆压线声信号包络提取算法

车辆经过减速带时与其在路面正常行驶时的声信号波形明显不同,其特征参数的提取对车辆数量、速度、类型等的自动判断至关重要,声信号包络曲线对其特征参数的提取相比原始信号有诸多优势,但传统包络提取算法在此类交通领域声信号包络提取方面存在毛刺多、特征参数难以真正体现信号性质和特征的问题。为解决此问题,结合车辆经过减速带时的声信号特点,提出一种基于变换步长的车辆压线声信号包络提取算法。该算法通过设置不同步长遍历信号,以每个步长内的最大值点绘制曲线并与原信号波形对比,以轮廓清晰度和特征点提取误差值为判断依据实现声信号包络的有效提取。实验结果表明,在相同采样点数条件下,所提算法比传统包络提取算法提取的包络曲线轮廓更清晰、毛刺少,且特征参数提取误差小。     

Distributed compressed video sensing based on key frame secondary reconstruction

Distributed compressed video sensing scheme combines advantages of compressive sensing and distributed video coding to get better performance, in the meantime, adapts to the limited-resource wireless multimedia sensor network. However, in the conventional distributed compressed video sensing schemes, self-similarity and high sampling rate of the key frame have not been sufficiently utilized, and the overall computational complexity increases with the development of these schemes. To solve the aforementioned problems, we propose a novel distributed compressed video sensing scheme. A new key frame secondary reconstruction scheme is proposed, which further improves the quality of key frame and decreases computational complexity. The key frame’s initial reconstruction value is deeply exploited to assist the key frame secondary reconstruction. Then, a hypotheses set acquisition algorithm based on motion estimation is proposed to improve the quality of hypotheses set by optimizing the searching window under low complexity. Experimental results demonstrate that the overall performance of the proposed scheme outperforms that of the state-of-the-art methods.     

时空特征局部保持的运动视频关键帧提取

为提高运动视频关键帧的运动表达能力和压缩率,提出柔性姿态估计和时空特征嵌入结合的运动视频关键帧提取技术。首先,利用人体动作的时间连续性保持建立具有时间约束限制的柔性部件铰接人体（ST-FMP）模型,通过非确定性人体部位动作连续性约束,采用N-best算法估计单帧图像中的人体姿态参数;接着,采用人体部位的相对位置和运动方向描述人体运动特征,通过拉普拉斯分值法实施数据降维,获得局部拓扑结构表达能力强的判别性人体运动特征向量;最后,采用迭代自组织数据分析技术（ISODATA）算法动态地确定关键帧。在健美操动作视频关键帧提取实验中,ST-FMP模型将柔性混合铰接人体模型（FMP）的非确定性人体部位的识别准确率提高约15个百分点,取得了81%的关键帧提取准确率,优于KFE和运动块的关键帧算法。所提算法对人体运动特征和人体姿态敏感,适用于运动视频批注审阅。     

基于矢量直方图迁移的视频加密域可逆隐写方案

针对压缩域视频隐藏算法嵌入容量低、不可见性差的问题,提出了一种H.264/AVC加密域的可逆隐写方案。首先由嵌入容量和载体大小决定参考帧间隔参数,并根据需要决定是否对载体进行加密;然后,根据待嵌视频帧数生成嵌入密钥;最后通过压缩视频中矢量直方图迁移,实现运动矢量上的可逆信息嵌入。所提方案通过指定解码参考帧,克服了由于运动矢量修改而造成的失真累加效应。所提方案兼容基于运动矢量的视频加密算法,视频的解密和信息提取分别依赖解密密钥和嵌入密钥,两者之间相互分离,在视频密文域或者解密后的明文域中均能提取信息并无损恢复视频载体。信息的安全性依赖于嵌入密钥,密钥长度可以根据需要控制,最大长度等于可嵌入信息的帧数。实验表明该方案计算复杂度低,安全度高,并可以根据嵌入负载调整容量和不可见性,与BCH码可逆嵌入方案相比PSNR值提高3~5 dB,平均嵌入容量增加5~10倍。     

时空特征分析结合随机密钥的压缩域数字视频水印嵌入和提取方法

针对现有水印嵌入和提取算法对滤波、压缩和噪声条件较为敏感的问题,提出了一种鲁棒的基于时空特征的压缩域数字视频水印嵌入和提取方法。提出的框架由一个公共密钥和一个私有密钥组成,用于阻止自我共谋攻击。算法对视频进行时空分析,并从压缩视频的时空特征中提取公共密钥,在本质上具有鲁棒性。首先,利用一个随机密钥从事先选取的块集合中选取候选块,进而确保水印框架的安全;然后基于压缩视频的时空特征选取出适合嵌入水印的4×4子块;最后,利用非零量化系数嵌入水印位。该水印框架允许视频位速率有限增加,并且降低了计算的开销。实验结果显示,相比其他几种对比方法,提出的方法具有较强的鲁棒性和安全性。