FLASH基础应用之小球运动引导动画的制作

本文通过制作一个小球运动引导动画实例,熟悉FLASH的帧、关键帧、引导层、补间动画等基本概念。     

视频摘要技术综述

基于内容的视频分析,检索与索引技术是当前多媒体领域研究的热点之一,视频要主要分为两类,静态视频要模式（视频略览）,包括基于MPEG-1/2的关键帧表示和MPEG-4的关键对象表示;动态视频要模式（视频梗概）,包括视频概述和精彩片段,该介绍了视频要的新方向——基于情感,心理学等视频要模型。     

有机分子模型三维演示开发平台的设计

运用面向对象技术和。penGl三维技术,开发适于制作三维分子模型动画演示课件的开发平台。软件设计中,充分运用面向对象技术,简化了软件设计的复杂性,通过类的继承和多态,提高程序设计的效率。动画过程采用关键帧技术,使动画制作过程容易实现,同时充分考虑三维课件制作的积件模式,使软件具有较高积件开发性能。     

基于自适应阈值的自动提取关键帧的聚类算法

利用无监督聚类算法来提取关键帧是一种常用的方法,但该算法对类别数和初始类划分较敏感,在对视频内容一无所知的情况下,要求预先指定聚类数目是一个很困难的问题．提出一种二次聚类的方法;第1次以镜头内相邻两帧的相似度为数据样本进行聚类（分成两类）,计算确定第2次聚类所需的阈值;第2次采用动态聚类的ISODATA算法,以视频序列的帧为数据样本进行聚类,得到最终聚类结果．最后在每类中自动提取距其类中心最近的帧为关键帧．该算法简单且行之有效,无需预定义任何阈值（如聚类数目）．对大量不同特点的视频进行了实验,该算法均取得了较好的实验结果．     

连续复合运动的多模态层次化关键帧提取方法

针对连续复合运动的关键帧对应的空间范围差异较大且存在重复,难以采用固定的空间特征标准提取的问题,提出一种基于多模态分段与聚类的层次化关键帧提取方法。在完整运动层面按照背景音乐节拍与时空信息等多模态信息将运动序列分割为多个片段;对各片段内部的帧进行空间特征聚类与时序分割,得到若干具有代表性的、姿势可能重复的候选关键帧;根据运动的时空特性消除冗余。以广播体操运动为例提取关键帧并与现有方法进行对比试验与分析,本研究方法能够更加准确、充分地提取运动的关键帧。     

基于机器视觉的健美操跳跃动作特征提取方法研究

由于传统健美操跳跃动作特征提取方法存在动作方位角度识别准确率低、特征提取率低和特征提取效率低的问题，提出基于机器视觉的健美操跳跃动作特征提取方法。通过机器视觉获取健美操视频，提取健美操视频的熵值序列和音乐特征，融合以上特征提取健美操动作关键帧，利用高斯混合模型对关键帧进行处理，消除健美操关键帧的背景；采用阈值识别算法识别健美操跳跃动作，结合Harris3D算子建立健美操跳跃动作序列势函数，在此基础上，利用AdaBoost算法提取健美操跳跃动作特征。实验结果表明，所提方法的动作方位角度识别准确率高、特征提取率高、提取效率高。     

基于关键帧定位的人体异常行为识别

近年来,基于视频的人体异常行为识别算法取得了一定的研究成果,但由于监控视频中存储的数据量庞大且视频时间跨度较长,在进行长视频或多行人异常动作检测与识别时,现有的识别方法并不适用。为此,提出了一种基于关键帧定位的人体异常行为识别模型,首先,通过基于标准化流和注意力增强时空图卷积的关键帧定位网络学习正常帧的概率分布,筛选和提取出长视频中的异常帧（关键帧）序列,并将其作为后续网络模型的输入。然后,为了更好地捕捉人体姿势的运动特征和异常情况,提出一种融合注意力和增强残差的时空图卷积异常行为识别算法,将关键帧序列输入到该模型网络中以实现对监控视频中的人体异常行为的高效准确识别。使用公开数据集和自建数据集对该方法的有效性进行验证,实验结果表明,在公开数据集ShanghaiTech Campus上人体异常行为识别的TOP-1准确率达到82.86%,TOP-5准确率达到98.10%,该方法可以更好的完成监控视频中的人体异常行为识别。