基于內容的視頻結構化方法研究.pdf

1、隨著信息科技的發(fā)展，視頻數(shù)據(jù)量越來越大，傳統(tǒng)的人工主導的處理方式成本高，處理效率低下，需要一種自動化的智能視頻處理方式對視頻內容進行分析處理。尤其對于包含了大量無用視頻段的監(jiān)控視頻來說，存在視頻冗余度大、關鍵信息無法快速瀏覽、視頻內容沒有分類等問題，對視頻進行有用視頻內容的提取以及視頻內容結構化的分析顯得尤為重要。
　　本文研究的視頻結構化方法主要包括視頻靜態(tài)濃縮、關鍵幀提取、特征提取以及場景分類，主要研究內容包括：
　?。?/p>

2、1）針對海量視頻內容的冗余問題對視頻濃縮方法進行了分析。分別基于幀差法、高斯背景建模和ViBe前景檢測法對視頻動態(tài)幀進行判斷，去除了視頻冗余幀，大大減少了視頻的長度。比較分析了不同方法對于不同監(jiān)控視頻的濃縮效果，實驗表明ViBe前景檢測算法提高了運算速度，并且在不提高多檢率的基礎上，平均漏檢率大大降低，視頻平均冗余率均在10％以下，大大提高了視頻的處理效率。
　?。?）針對視頻信息的無結構性、無法快速預覽的問題，對視頻關鍵幀提取算

3、法進行了研究。針對不同視頻場景采用了不同的算法。對于室內的場景視頻，本文研究了基于幀間直方圖比較的算法，并且在此基礎上研究了基于幀間分塊多閾值直方圖比較的算法，論證了基于幀間分塊多閾值直方圖比較的關鍵幀提取算法對于室內場景視頻的準確性。對于車輛監(jiān)控視頻，本文主要研究了設定虛擬線圈撞線的的方法，論證了該方法對車輛監(jiān)控視頻的關鍵幀提取的有效性，尤其對于一般非擁堵車輛視頻，平均準確率達到95%以上。同時分析了物體運動速度對關鍵幀提取效果的影響

4、，速度越快，提取關鍵幀的比率越大。
　?。?）針對視頻場景多樣性以及目標無法分類的問題，對視頻前景目標進行了特征提取，并且對基于SURF特征的隨機采樣算法進行了研究，利用該算法對視頻關鍵幀內容進行匹配，實現(xiàn)了對于視頻場景的分類。此方法相比一般的場景分類方法，在準確性方面取得了較好的效果。
　　總的來說，本文通過對以上方法的研究，初步實現(xiàn)了對視頻的結構化分析，研究總結了不同監(jiān)控視頻的結構化分析方法，對后續(xù)的研究工作具有重要的意