论文部分内容阅读
视频作为信息的一种载体,普通化程度越来越高,在各个领域的应用也越来越广泛,面对海量视频数据,如何快速,准确的查找出需要的视频资源,是当前的研究热点。在这样的背景下,视频摘要技术应运而生,近年来视频摘要技术有了巨大的发展,但是尚未成熟,本文的研究正是针对提高视频摘要的生成质量而展开的,论文主要工作包括以下三个部分。(1)提出了一种结合变点检测和K均值聚类的视频摘要生成方法,由于变点检测要求数据在时间上具有平滑性,而视频中相邻帧间的差异不大。因此,可以采用变点检测进行镜头切分。其次,考虑到视频的时间特性,在变量镜头相似性进行镜头合并时加入了时间因子,同时去除了因目标快速运动或光阴忽明忽暗而产生的冗余镜头。然后,通过3σ准则确定镜头中视频帧的类数,结合K均值聚类算法,提取每一镜头中的关键帧,并剔除其中的单色帧与相似帧。最后,以提取的关键帧形成视频摘要。在开放视频库中用50个视频对本文方法进行评估。结果表明,生成的视频摘要质量高于对比算法OV、DT、STIMO和VSLMM 2.(2)提出了一种基于特征融合与贝叶斯在线变点检测的视频摘要生成方法,首先,提取视频帧的HSV量化颜色特征并构造一种新的特征MEP,利用欧氏距离计算相邻两帧的综合相似度。然后,对获得的综合相似度采用贝叶斯在线变点检测算法进行检测,检测到的变点的位置即为视频中发生镜头切分的位置,实现了镜头切分的实时性,避免了传统视头边界阈值的确定,再次,采用基于帧率和K均值聚关相结合的方法对镜头中的关键帧进行提取。最后,基于图像秩来对单色帧进行识别并对相拟帧进行剔除,实验结果表明,这方法生成的视频摘要质量高于对比算法。(3)建立了一个视频摘要库,采用分类算法对库中的视频进行分类,并对分类后的视频进行摘要生成。首先,聚焦单视角视频,建立了一个包含410个视频的摘要库,该库中含有动物视频。道路交通、纪录片,家庭录像等14种不同类型的视频,持续时间人1-10分种不等,每个视频都有来自五个不同用户标准结果。其次,采用随机森林逄法对该库中的视频进行分类。根据视频特性将库中的视频分为三大类:有编辑视频,人为拍摄视频和监控视频,分类的准确性达到了84.15%。最后,对三种不同类型的视频提取相应的视频特征,提出了三种不同的视频摘要生成方法。结果表明,新提出的每一类视频摘要方法都表现出了良好的性能。