視頻鏡頭檢測(cè)與關(guān)鍵幀提取算法研究.pdf

1、視頻鏡頭分割及關(guān)鍵幀提取技術(shù)是基于內(nèi)容視頻檢索的核心問題之一，可有效地用于對(duì)互聯(lián)網(wǎng)上海量無序的視頻數(shù)據(jù)進(jìn)行管理，具有非常重要的理論意義和應(yīng)用價(jià)值。
　　 本文對(duì)視頻鏡頭分割和關(guān)鍵幀提取的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了闡述，分析了鏡頭分割和關(guān)鍵幀提取技術(shù)的相關(guān)理論基礎(chǔ)，并對(duì)一些典型的鏡頭分割和關(guān)鍵幀提取算法進(jìn)行了分析和探討，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于關(guān)鍵幀提取的視頻瀏覽系統(tǒng)。本文的主要工作如下:
　　 ①本文對(duì)鏡頭分割算法進(jìn)行了深入研究，

2、傳統(tǒng)算法在對(duì)鏡頭進(jìn)行分割檢測(cè)時(shí)，由于算法本身所限，導(dǎo)致鏡頭檢測(cè)的檢出率和準(zhǔn)確率不夠理想。針對(duì)這些缺點(diǎn)和不足，本文提出將具有互補(bǔ)特性的直方圖法和幀差法結(jié)合，并引入非均勻分塊加權(quán)的方法，克服了直方圖法不考慮位置信息和幀差法對(duì)鏡頭內(nèi)對(duì)象/攝像機(jī)的運(yùn)動(dòng)十分敏感的缺點(diǎn)，從而提高了鏡頭檢測(cè)的檢出率和準(zhǔn)確率。
　　 ②本文將訪問變量引入非監(jiān)督式聚類算法中，控制視頻幀僅與當(dāng)前未完成聚類的鏡頭進(jìn)行聚類比較，從而解決了鏡頭內(nèi)幀序號(hào)不連續(xù)及鏡頭誤檢測(cè)

3、的問題，并降低了聚類算法的計(jì)算量及時(shí)間復(fù)雜度。
　　 ③在鏡頭分割的基礎(chǔ)上，本文對(duì)關(guān)鍵幀提取算法進(jìn)行了研究，提出了一種基于圖像熵的關(guān)鍵幀提取算法。該算法基于信息熵，在HSV顏色空間的基礎(chǔ)上，計(jì)算每個(gè)鏡頭內(nèi)每幀的圖像熵，從而確定關(guān)鍵幀序列。實(shí)驗(yàn)結(jié)果表明，該算法所得到的關(guān)鍵幀結(jié)構(gòu)緊湊且分布均勻，而且計(jì)算及時(shí)間復(fù)雜度較低，可以達(dá)到實(shí)時(shí)進(jìn)行鏡頭分割和關(guān)鍵幀提取的要求。
　　 ④結(jié)合鏡頭檢測(cè)及關(guān)鍵幀提取算法，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基