一种运动轨迹引导下的举重视频关键姿态提取方法

该文研究并提出了一种轨迹引导下的举重视频关键姿态自动提取方法.针对举重训练,首先提取稳定的杠铃轨迹,进一步分析杠铃轨迹和关键姿态之间的关系,将杠铃轨迹和基于姿态集的方法相结合进行关键姿态检测.根据运动轨迹的曲线极值点提取关键视频画面,而对于其他非轨迹极值点处的关键画面采用基于姿态集的姿态估计和目标检测方法,对每个关键姿态分别训练了一个线性的支持向量机分类器,建立图像的多尺度扫描模式,并提出了统计计算相似度的方法来处理帧间相似度问题,实验表明该文方法在姿态检测的准确性和效率方面都有很大改善.     

基于互信息量的关键帧全局优化提取方法

关键帧提取技术是视频分析和检索的关键技术之一。提出一种基于互信息量的关键帧提取的新方法,把关键帧提取问题建模为一个多目标规划数学模型,可以同时解决提取关键帧的数量和位置两个主要问题。并且采用了图像信息熵和互信息量作为特征参数参与启发式算法的评价函数,可快速有效地进行子镜头的分割和关键帧的提取。实验证明该方法能较好地提取出视频序列的关键帧。     

一种高效的动画生成技术

研究了一种基于关键帧的动画编辑方法.首先,运动数据关键帧序列将通过PCA压缩处理,将高维的运动数据降到低维空间;然后,在运动数据的内插处理阶段,通过将数据归一化以减小RBF神经网络的误差,并采用RBF神经网络将经过压缩的关键帧序列与高层运动参数建立联系.研究表明,该算法能以更高的效率进行运动数据编辑,有利于提高动画作品的制作效率,并降低制作成本.     

基于机器学习的视频识别与自适应推送算法

针对短视频推荐的广告与视频内容无关,而导致的投放收益低和用户体验差的问题,提出了一种基于机器学习的图片检测与内容推荐算法.使用基于相似度计算的关键帧提取算法从短视频中提取出关键帧,使用Faster R-CNN物体检测框架实时检测关键帧中包含的物品,并使用基于用户偏好的广告推荐算法实时更新用户的偏好权重.算法实现与仿真测试结果表明,所提出的方法可以满足实时用户推荐系统的需求,并能够根据用户的偏好情况进行广告推荐,实现84.19%的推荐准确率.     

数字革命与计算机动画

计算机动画技术正在以一种新兴产业的形式展现在人们面前。本文从关键帧动画、变形体动画、过程动画、关节动画和人体动画、基于物理的动画等五个方面对迄今为止的计算机动画技术进行了描述。     

基于移动通信网络的机器人遥操作

提出了一种基于移动通信网的多机器人遥操作方案,解决了在恶劣的移动环境中如何保证系统稳定性,并进行具有实时力觉、视觉反馈的双向遥操作等问题。其中通过比较现存的各种视频压缩标准,结合关键帧提取、帧分割等技术,提出了一种移动网中的实时视频传输方案。一系列室外机器人群编队行进实验验证了方案的有效性。     

基于内容的海量监控视频的多层次检索系统

设计和实现了一种基于内容的海量监控视频的多层次检索系统。该系统首先从监控视频中提取关键帧图像,其次利用行人检测、人脸识别及车辆检测等算法将关键帧中的行人图像、人脸图像和车辆图像等感兴趣目标提取出来,然后提取这些图像的颜色、纹理等特征,利用改进的LIRe(Lucene Image Retrieval)建立分布式的特征库,最终形成了多层次的信息数据库。实验表明,该系统具有较高的检索准确率和较快的检索速率,并支持海量监控视频的检索。     

一种基于类haar小波的MCTF视频编码方案

在传统的基于运动补偿的时间滤波小波视频编码方案中,帧组尺寸和低通帧位置都是固定的,没有考虑到视频序列中运动的性质.本文提出了一种类似haar小波的基于运动补偿的时间滤波编码方案,利用互信息技术,根据视频的运动特征自适应的选择帧组尺寸和低通帧位置.同时,根据选定的帧组尺寸和低通帧位置决定时间上的编码层次.大量的实验比较了提出的方法和传统方法的压缩性能.当视频序列运动较为剧烈时,本文提出的自适应选择低通帧方法较固定低通帧方法的PSNR提高约0.3~0.5dB;当视频序列中运动缓急不一,如频繁的画面切换,本文提出的自适应的选择帧组尺寸的方法能取得更好的效果.     

HEVC压缩域的视频摘要关键帧提取方法

为了提高关键帧提取的准确率，改善视频摘要的质量，提出了一种HEVC压缩域的视频摘要关键帧提取方法。首先，对视频序列进行编解码，在解码中统计HEVC帧内编码PU块的亮度预测模式数目。然后，特征提取是利用统计得到的模式数目构建成模式特征向量，并将其作为视频帧的纹理特征用于关键帧的提取。最后，利用融合迭代自组织数据分析算法(ISODATA）的自适应聚类算法对模式特征向量进行聚类，在聚类结果中选取每个类内中间向量对应的帧作为候选关键帧，并通过相似度对候选关键帧进行再次筛选，剔除冗余帧，得到最终的关键帧。实验结果表明，在Open Video Project数据集上进行的大量实验验证，该方法提取关键帧的精度为79.9%、召回率达到93.6%、F-score为86.2%，有效地改善了视频摘要的质量。