視頻檢索技術中關鍵幀提取算法的研究.pdf

1、隨著多媒體和互聯(lián)網(wǎng)技術的迅速發(fā)展,視頻作為獲取信息資源的主要形式之一,給我們帶來了視覺和聽覺的享受。但是,快速地從海量的視頻中找到有效的信息并不是易事,因為視頻不同于其它數(shù)據(jù)信息,具有數(shù)據(jù)量大,結(jié)構(gòu)復雜,內(nèi)容豐富的特點?；趦?nèi)容的視頻檢索方法是通過計算機對多媒體數(shù)據(jù)中包含的內(nèi)容進行分析與理解,提取視頻中的顏色、形狀和紋理等視覺特征作為索引,以方便用戶進行查詢,確保能夠快速地檢索到有效的多媒體內(nèi)容。
　　 基于內(nèi)容的檢索通常先對視

2、頻進行鏡頭檢測,把視頻分割成若干個鏡頭。每個鏡頭中的圖像幀含有很大的冗余信息。所以,通過對每個鏡頭提取能夠代表鏡頭內(nèi)容的關鍵幀,可以解決這個問題。利用關鍵幀序列來代表視頻內(nèi)容的變化,以此來代替相應的視頻,這樣,不但減少了需要處理的數(shù)據(jù),而且大大提高了檢索的效率。關鍵幀提取是將視頻轉(zhuǎn)化為圖像的重要方法。目前關鍵幀的提取已經(jīng)有很多算法,有基于鏡頭邊界、運動分析或者聚類等方法。這些方法都是需要先進行鏡頭分割,然后通過分析圖像幀的顏色、形狀、紋

3、理等特征,還有各幀之間的相互關系,找到代表視頻信息的關鍵幀。但是提取的關鍵幀有時候并不一定能代表視頻的有效內(nèi)容,這樣就使接下來的視頻檢索處理產(chǎn)生了前期的誤差。因此,關鍵幀如何能夠在最大程度上代表視頻的主要內(nèi)容,而且又可以適用在不同的視頻上,是具有重要學術意義和實用價值的。
　　 視頻特征提取是關鍵幀提取的首要步驟,特征向量提取的好壞直接影響著關鍵幀描述鏡頭的效果。本論文從視頻、圖像兩個層次介紹了視頻信息的特征,并對顏色、形狀、紋

4、理和運動特征提取方法進行了詳細地說明,通過數(shù)學公式對這些特征進行了量化描述。
　　 基于聚類的方法能夠有效地消除鏡頭間的相關性,但是不能保存原鏡頭內(nèi)圖像幀的時間順序和動態(tài)信息。基于視覺內(nèi)容分析的方法對于運動較多的鏡頭不能充分地描述視頻內(nèi)容。為了兼顧時序性和自適應性,本論文提出了一種基于子鏡頭的自適應關鍵幀提取的新算法。此方法是利用樣本的距離可分性準則提出子鏡頭分割函數(shù),通過尋找函數(shù)極大值將鏡頭分割為若干子鏡頭。這樣不僅可以保持了

5、視頻的時序性,又避免了閾值法分割準確性差的不足。然后,根據(jù)每個子鏡頭內(nèi)本身的內(nèi)容變化,自適應地確定每個子鏡頭的關鍵幀個數(shù),解決了現(xiàn)有算法提取的關鍵幀數(shù)目不理想的問題。
　　 該方法首先對視頻鏡頭從子鏡頭、圖像幀兩個層次進行分析。從鏡頭中檢測出子鏡頭,自適應提取關鍵幀,使用戶能根據(jù)少量的可視化數(shù)據(jù)對視頻有快速的了解。
　　 本方法能夠根據(jù)視頻自身的復雜度,提取準確率較高的關鍵幀,在實驗過程中,利用保真度和壓縮率來衡量改進方