多特征融合和改进神经网络的运动视频镜头转换检测

针对当前单一特征无法描述体育视频镜头转换信息,以及传统神经网络收敛速度慢等缺陷,为了提高体育视频镜头转换检测正确率,设计了一种多特征融合和改进神经网络的体育视频镜头转换检测方法。首先,采集体育视频镜头转换数据并提取多特征向量,以更加完整反映体育视频镜头转换信息;然后,针对BP神经网络的连接权值确定缺陷,对神经网络进行改进,建立更优的体育视频镜头转换检测模型;最后,采用具体体育视频镜头转换检测仿真实验对文中设计方法进行验证性测试,该方法的体育视频镜头转换检测正确率超过95%,误检率远远低于其他体育视频镜头转换检测方法。     

一种自动选取阈值的视频镜头边界检测算法

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.文中介绍了现有的镜头边界检测的基本方法,并针对其不足提出了一种自动选取阈值的、综合考虑颜色和空间特征的镜头边界检测算法.该方法能较好地检测出镜头突变和物体运动以及光线变化等情况,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.     

视频检索中的边界检测算法

从视频检索技术的发展背景出发，重点介绍了视频检索技术中镜头的边界检测技术。分别介绍了基于解压的全图像序列的算法，基于压缩视频的算法以及基于确定变换模型的算法三类算法。最后，对基于内容的视频检索提出一些值得进一步研究的问题。     

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。     

一种压缩域中基于镜头的视频检索方法

镜头是视频的基本单元。文章提出了一个计算镜头纹理直方图和在压缩域中基于镜头的视频检索方法。对镜头中所有Ⅰ帧的DC图分别提取颜色和纹理直方图，然后分别形成镜头的可变阿尔法颜色和纹理直方图．并用镜头的这些特征在镜头层次上用不同的距离度量方法进行视频检索。实验结果表明，基于镜头的检索用L1度量距离比用L2和Χ^2度量距离有更好的检索性能，而且避免了基于关键帧检索中由于镜头运动等原因可能导致镜头关键帧选择不当对检索性能的影响，因而比基于关键帧检索具有更好的检索性能。     

基于直方图的微视频镜头边界检测方法的研究

镜头边界检测是实现基于内容的视频检索技术的基础,针对移动学习平台微课视频应用的需求和效率要求,提出一种基于直方图的镜头分割算法。通过提取关键帧完成对微视频的预处理;统计每一帧的直方图,计算相邻两帧之间的直方图差,计算这些差值的均值与标准差,得到阈值;当差别超过阈值时判定为镜头边界。通过对学习平台上的微课视频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达到82%和87%,符合该平台微课视频检索和分析的需要。     

视频检索中相关反馈算法研究

本文提出了一种基于贝叶斯学习的视频检索相关反馈算法,该算法使用概率框架描述检索问题,根据贝叶斯公式按照用户标记相关和不相关样本集来更新视频库中镜头的目标概率,实现自动相关反馈.通过增量学习,使系统的检索能力不断得到提高.对包含几千个镜头的视频库的实验表明,新算法能够显著提高检索的性能,并在有限的几次反馈后就能快速收敛于用户的查询概念.     

新闻视频检索技术的研究

新闻视频字幕是新闻视频数据中所包含的固有信息，是实现自动化视频检索的重要信息源，运用X^2直方图匹配法检测突变镜头，再通过C-均值聚类算法标识出新闻字幕，可以准确提取出新闻字幕，利用新闻视频字幕进行新闻视频检索，可以克服现有硬件设备的局限性，提高检索的速度和准确性，进而提高数字电视的人机交互性。     

用非监督式聚类进行视频镜头分割

镜头边界检测是基于内容的视频检索首先要解决的问题。研究人员通常将镜头转换分为突变和渐变,并根据各种转换的特点采用不同的检测算法。在研究中发现,视频镜头的抽象程度与对其进行边界划分的精度相关。为此,提出采用非监督式聚类算法,按照给定的相似尺度对视频数据进行自组织和动态分析,完成层次化的镜头分割。该算法侧重于揭示视频的层次结构,能实现不同精度的视频抽象要求。     

A novel framework for soccer goal detection based on semantic rule

Focusing on the problem of goal event detection in soccer videos, a novel method based on Hidden Markov Model (HMM) and the semantic rule is proposed. Firstly, a HMM for a goal event is constructed. Then a Normalized Semantic Weighted Sum (NSWS) rule is established by defining a new feature of shots, semantic observation weight. The test video is detected based on the HMM and the NSWS rule, respectively. Finally, a fusion scheme based on logic distance is proposed and the detection results of the HMM and the NSWS rule are fused by optimal weights in the decision level, obtaining the final result. Experimental results indicate that the proposed method achieves 96.43% precision and 100% recall, which shows the effectiveness of this letter.     

基于统一特征模型的体育视频镜头转换检测

提出了一种统一特征模型,集成了2种新型的基于主颜色分割与运动矢量可信度分析的中层特征.这一模型根据主颜色分割结果自适应地采用不同特征和相应的分类界面,通过时域统计特征的使用在支持向量机中自适应地确定分类阈值.通过在较大的足球视频数据集上实验表明,本文算法对切变和渐变的检测都超过了已有算法,基本达到体育视频检索的应用要求.     

Robust player detection and tracking in broadcast soccer video based on enhanced particle filter

It is significant to detect and track soccer players in broadcast sports video, which is helpful to analysis player activity and team tactics. However, it is challenging to efficiently detect and track soccer players with shots switched and noise caused by auditorium and billboards. And for multi-player tracking how to treat the increase or decrease of player are also difficult. In this paper, a robust player detection algorithm based on salient region detection and tracking based on enhanced particle filtering are proposed. Salient region detection is used to segment sports fields, and then soccer players are detected by edge detection combined with Otsu algorithm. For soccer players tracking, we use an enhanced particle filter which we improve the algorithm in sample and the likelihood function combing the color feature and edge feature. Experimental results show the proposed algorithm can quickly and accurately detect and track soccer players in broadcast video.     

一种基于分布特点的口播帧识别算法

针对现有的大部分口播帧识别方法均缺乏通用性,提出一种基于口播帧分布特点、无须模板的检测算法.首先,视频流被切分为镜头集合并提取满足一定条件的候选镜头;其次,对相似镜头进行聚类;最后,研究每个类的分布特征.根据口播帧时间分布特征,检测出包含口播帧的聚类集合.实验表明,本文算法实用性强,应用范围广,准确率基本达到100%.     

基于音视频模板匹配的新闻视频识别方法

本文提出了一种基于音视模板匹配的新闻视频识别方法。在模板建立过程中,从新闻视频片头中的主题音乐提取音频模板,从主持人镜头中的扩展人脸区域提取视觉模板,这两者共同构成音视模板;在识别过程中,对电视视频流先进行音频模板匹配,然后由匹配通过的候选时间点定位到相应的视频镜头,接着通过视觉模板对镜头中的扩展人脸区域进行匹配,进而确定主持人镜头,最后完成新闻视频识别。实验结果表明,该方法计算效率高、简单易操作,具有较好的实用价值。     

Efficient Automatic Text Location Method and Content-Based Indexing and Structuring of Video Database

An efficient automatic text detection and location method for video documents is proposed and its application for the content-based retrieval of video is presented and discussed. Target frames are selected at fixed time intervals from shots detected by a scene-change detection method. For each selected frame, segmentation by color clustering is performed around color peaks using a color histogram. For each color plane, text-lines are detected using heuristics, and the temporal and spatial position and the text-image of each text-line are stored in a database. Experimental results for text detection in video images and the performance of the method are reported for various video documents. A user interface for text-image based browsing is designed for direct content-based access to video documents, and other applications are discussed.     

基于模糊粗糙集的新闻视频镜头边界检测方法

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.为了将视频分割成镜头,现有的方法大都是首先提取大量的特征然后构造相异性测度函数.然而,太多的特征就会降低算法的效率.因此,有必要对镜头边界检测的规则进行特征约简.本文将粗糙集中的属性重要性和模糊粗糙集中的分类精度相结合定义了模糊粗糙算子,并构造了相异度检测函数.最后给出了镜头边界检测的一般性规则.由于本文检测方案的自适应性,因此适合于各种类型的新闻视频.用来自中央电视台的3个多小时的新闻视频所做的镜头边界检测实验获得了95.4%的查全率和96.1%的准确率.     

基于多特征融合的视频检索算法

随着视频等多媒体数据呈指数式迅猛增长,高效快速的视频检索算法引起越来越多的重视。传统的图像特征如颜色直方图以及尺度不变特征变换等对视频拷贝检测中检索速度以及检测精度等问题无法达到很好的效果,因此文中提出一种多特征融合的视频检索方法。该方法利用前后两帧的时空特征进行基于滑动窗口的时间对齐算法,以达到减少检索的范围和提高检索速度的目的。该算法对关键帧进行灰度序列特征、颜色相关图特征以及SIFT局部特征提取,然后融合全局特征和局部特征两者的优势,从而提高检测精度。实验结果表明,该方法可达到较好的视频检索精度。     

一种基于多尺度实例学习的视频事件检测算法

现有的大多数视频事件检测方法首先从视频帧或视频快照中提取特征,然后对特征进行量化和汇集,进而为整个视频生成一个向量表示.最后的汇集步骤虽然简单高效,但是可能丢失时间局部信息,而这些信息对于确定长视频中事件发生的位置具有重要作用,从而削弱了事件检测的准确性.为此,本文首先将每个视频表示为多个“实例”,并将其定义为不同时间间隔的视频段.然后,针对每个视频的正实例比例已知和未知两种情况,提出基于多尺度实例学习的检测算法,在将实例标签看成隐藏潜在变量的同时推断出实例标签以及实例尺度的事件检测模型.最后,利用大规模视频事件数据集进行了全面的仿真实验,结果证明了本文算法具有显著的性能提升.此外,算法还可以确定视频中导致正检测的时间段的位置,进而对检测结果做出解释.