基于聚类的镜头边界检测算法

镜头边界检测是基于内容视频检索的重要组成部分。为从不同类型的视频中有效地检测出视频镜头边界,提出一种视频镜头边界检测算法。通过视频帧图像的颜色特征,得到视频的相似性矩阵,根据突变镜头和渐变镜头在Affinity Propagation聚类结果中的不同特点,运用双阈值法检测镜头边界。实验结果表明,该算法从视频的本身信息分布出发,能自动快速地检测出镜头边界。     

基于聚类的镜头边界检测算法

镜头边界检测是基于内容视频检索的重要组成部分。为从不同类型的视频中有效地检测出视频镜头边界,提出一种视频镜头边界检测算法。通过视频帧图像的颜色特征,得到视频的相似性矩阵,根据突变镜头和渐变镜头在Affinity Propagation聚类结果中的不同特点,运用双阈值法检测镜头边界。实验结果表明,该算法从视频的本身信息分布出发,能自动快速地检测出镜头边界。     

基于信息熵的自适应阈值视频镜头检测方法

文中提出了一种基于信息熵的自适应阈值视频镜头检测方法。首先,利用小波变换提取图像的颜色特征和纹理特征,然后利用信息熵方法来实现对突变和渐变镜头边界的检测,并根据滑动窗口中差值的分布来动态计算局部阈值,提高了镜头边界检测算法的精度。该方法能较好地检测出镜头突变,对渐变镜头也能达到检测的目的。实验结果表明算法能够有效地检测出视频镜头边界。     

一种基于SVD的镜头边界检测方法

为了有效地进行视频镜头边界检测,在简要介绍了现有的镜头边界检测基本方法的基础上提出了基于SVD的镜头边界检测方法。该方法通过特征提取来构造视频特征矩阵,经过SVD变换得到特征值矩阵,然后将特征值矩阵映射到向量空间,最后通过分析向量间的夹角来判断镜头的变化。实验结果表明,在镜头边界检测性能上优于已有的基于帧差的双阈值镜头边界检测方法。     

一种基于特征跟踪的视频镜头检测算法

将视频切分为镜头是视频内容分析及基于内容的视频检索和浏览的第一步。针对视频镜头边界检测,提出了一种基于特征跟踪的新算法。该算法从镜头起始帧中提取出一组角点特征,然后在后续帧中基于Kalman滤波进行特征窗跟踪,最后根据对应特征窗内的像素特征变化规律,得到镜头边界检测所需的测度,判断镜头切换的性质和渐变镜头的起止时间。实验结果表明该算法运算复杂度低,且具有较强的鲁棒性。     

基于特征信息的镜头检测研究

视频镜头检测是基于内容视频检索的第一步,提出了一种基于特征信息的视频镜头检测方法,该方法首先利用小波变换提取原始视频帧的颜色特征和纹理特征,计算相邻帧颜色特征的互信息量和纹理特征的信息熵差,然后计算镜头间的相似度,该方法可以有效地检测出突变镜头和渐变镜头,对闪光灯及物体和摄像机运动有较强的鲁棒性,实验结果表明该方法具有良好的性能。     

视频层次结构挖掘

视频处理的关键是视频信息的结构化,视频基本结构是由帧、镜头、场景和视频节目构成的层次结构。视频层次结构挖掘的一个简单框架是对视频进行镜头分割、抽取镜头特征和视频场景构造。论文在镜头分割的基础上提出了基于多特征的镜头聚类分析和基于镜头的场景边界检测两种视频场景构造方法,从而实现视频层次结构挖掘。实验表明,基于镜头的场景边界检测性能优于基于多特征的镜头聚类分析。     

一种基于视频相关性的溶解镜头检测方法①

镜头边界检测在基于内容的视频检索中起着关键的作用,而如何识别渐变镜头是镜头检测中的难点。根据理想视频模型和基于镜头相关性的视频模型间的误差提出了一种溶解镜头检测方法,该方法首先根据溶解模型方差曲线的一次导数和二次导数特征来提取溶解变化的候选区间,然后根据溶解镜头模型误差来验证候选区间以确定最终的溶解变化区间。试验表明：该方法可以有效、准确地检测到溶解镜头。     

一种基于TextTiling的镜头边界检测算法

镜头边界检测是基于内容的视频检索中的关键技术,提出一种利用TextTiling方法来识别视频镜头边界的算法。通过滑动窗口对视频进行初步切割,利用主成分分析将视频帧投影到特征子空间,并在投影空间上计算相邻帧间距离,再根据相邻窗口之间的深度值确定视频镜头边界。针对TREC-2001视频测试数据集的实验结果显示,该算法检测镜头边界的平均查全率和平均查准率分别为89%和96.5%。     

一种基于颜色特征的视频镜头边界检测方法

视频镜头的边界检测是视频分析与检索的最基本环节之一。通常进行镜头边界检测时,需要设定阚值来判断特征差异是否足够引起镜头边界出现,但阅值的选取往往因视频内容不同而需重新设定。针对这一问题,本文提出了基于颜色特征进行的镜头边界检测方法。实验结果验证了该方法的有效性。