基于內(nèi)容的視頻分析與檢索方法研究.pdf

1、隨著多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,巨量的圖像和視頻信息以各種編碼形式不斷涌現(xiàn),使得有效的圖像和視頻檢索變得日益重要.為此,在信息學(xué)科形成了一個(gè)全新的研究領(lǐng)域,即基于內(nèi)容的視頻分析與檢索技術(shù)(Content-Based Video Analysis and Retrieval,CBVAR).CBVAR是指在視頻分析的基礎(chǔ)上,提取能夠反映視頻內(nèi)容的各種特征,進(jìn)而通過(guò)模式匹配從海量視頻數(shù)據(jù)庫(kù)中檢索出相關(guān)的視頻流.視頻中的內(nèi)容包括視頻的結(jié)構(gòu)信

2、息、低層次的視覺(jué)和聽(tīng)覺(jué)信息以及高級(jí)語(yǔ)義信息,所有這些是后續(xù)編輯和理解的基礎(chǔ).怎樣將這三種信息有機(jī)的綜合起來(lái),形成通用的視頻分析與檢索模型,目前仍然是該領(lǐng)域一個(gè)極富挑戰(zhàn)性的課題.該文正是在結(jié)合MPEG-7標(biāo)準(zhǔn)的基礎(chǔ)上,針對(duì)通用視頻分析檢索模型研究的有益嘗試.其主要研究?jī)?nèi)容和工作包括:a)在分析視頻數(shù)據(jù)管理的特點(diǎn)及難點(diǎn)的基礎(chǔ)上,建立一種和MPEG-7標(biāo)準(zhǔn)兼容的通用視頻數(shù)據(jù)模型.該模型描繪了從幀、鏡頭、場(chǎng)景到故事單元的結(jié)構(gòu)化層次,并引入關(guān)鍵幀

3、等概念分別描述每個(gè)層次的視頻特征.相應(yīng)的結(jié)構(gòu),構(gòu)成了后續(xù)處理的框架;b)介紹了幾種典型的鏡頭變換的原理及對(duì)應(yīng)的檢測(cè)方法,然后著重分析并比較了多種不同的鏡頭檢測(cè)算法及其性能.提出了一種改進(jìn)的自適應(yīng)鏡頭檢測(cè)算法,用來(lái)同時(shí)檢測(cè)突變和漸變,進(jìn)而還給出了一種簡(jiǎn)單有效的從鏡頭中提取關(guān)鍵幀的方法.最后,詳細(xì)分析了基于DC 圖像和運(yùn)動(dòng)參數(shù)的壓縮域鏡頭檢測(cè)方法;c)提出了一種時(shí)-空融合的鏡頭相似性判斷規(guī)則,用于將鏡頭聚類(lèi)為場(chǎng)景;同時(shí),還給出了通過(guò)模糊聚類(lèi)