基于图像差分的关键帧检测技术

在实时的视频环境中,摄像头采集到的是人脸表情图像序列。人脸识别时,要对采集到的每一帧图像都进行表情识别,计算量相当大,无法满足系统的实时性要求。为此提出了一种基于图像差分的关键帧检测技术,运用小波变换人脸识别技术,将中性表情图像帧和检测图像帧序列分别构造中性表情弹性图和表情弹性图,接着逐帧计算表情弹性图和中性表情弹性图间的欧氏距离,根据欧氏距离变化趋势,使得系统能够从视频序列中检测到表情处于极大状态的关键帧图像,再用于后续的特征检测。实验结果表明,将关键帧检测算法和基于弹性模板匹配识别算法结合起来,可以满足系统的实时性要求,并可获得理想的识别率。

非特定人群动态手语视频中的关键帧检测算法

目前已有的动态手语识别算法,大部分需要数据手套、位置传感器等额外的辅助设备,仅用于实验室研究和一些特殊场合,不利于推广使用.提出一种基于关键帧的手语识别新思路,即把动态手语看作是若干静态手势,也可称之为关键帧序列,通过检测关键帧,并对关键帧序列进行识别,能达到快速识别手语的目的.因此提出一种专门针对动态手语的关键帧检测算法,利用图像的差分与模式识别中的分类技术,自适应提取手语视频中的关键帧,不需要辅助设备,使用方便.实验证明,本算法提取的关键帧具有良好的稳定性与准确性.在此基础之上,可以实现动态手语的实时识别.

级联手工特征与深度特征的视频关键帧检测方法

关键帧检测是有效的视频内容分析的关键环节。常用的基于手工特征的方法运行效率高但很难有效表征关键帧特征,因而性能不好。基于深度特征的方法因为网络结构复杂,导致效率不高。在体育比赛类视频中,关键帧常为比赛转播中镜头变化的最后一帧。但广播视频中除了包含比赛视频还包括很多其他类型的镜头如中场休息、渐变镜头等。因此检测最后一帧包含很多比赛无关内容。针对这一问题,本文提出了一种手工特征与深度特征相结合的视频关键帧检测方法。首先基于颜色直方图特征进行镜头边界检测获取最后一帧。进一步基于直方图相似性提出一种类似聚类的方法得到候选关键帧。最后,基于深度神经网络对候选关键帧进行分类,得到真正的关键帧。在冰壶比赛视频和篮球比赛视频上的对比实验结果表明,相对于传统的背景差分法、光流法等,本文提出方法能够快速、可靠地提取关键帧。

面向视频侦查应用的监控视频关键帧检测软件设计

为解决视频侦查工作中由于监控视频数据量大所导致的案件相关信息获取实时性差、误判与漏判等问题,利用数据流图深入分析了视频侦查工作对关键帧检测的需求,在关联数据流图、顶层数据流图与统计分析表的基础之上,提出了能够满足现阶段视频侦查应用的监控视频关键帧检测软件的总体设计和人机交互界面设计方案。

基于关键帧的人体行为识别方法

提出了一种基于关键帧的人体行为识别方法。利用关于弧长的方向函数对人体形状进行描述以及通过形状空间中两点间的测地线距离对形状间的相似性进行度量,提取视频序列中的关键帧,通过模板匹配的方法实现对行为的识别。对CASIA单人行为数据库和Weismann数据库进行测试,实验结果表明该方法具有较高的识别率。

关键帧自动剪辑在监控视频中的应用

视频(关键帧)自动总结和剪辑[1]是一种高效的方式,可以快速地从大量的监控数据中提取关键信息。只针对少量以及更加准确的关键帧进行分析,将会大大节省计算时间和计算量。本文将介绍一种基于连续帧之间的能量变化来检测和分类关键帧的算法,可以用来识别检测不同格式的视频,并且可以输出动态和静态的关键帧。

基于自适应无参核密度估计算法的运动奶牛目标检测

复杂养殖环境下运动奶牛目标的准确检测是奶牛跛行、发情等运动行为感知的基础。针对现有方法多采用参数化模型实现运动奶牛目标检测的缺陷,提出了一种无参核密度估计背景建模方法。该方法根据各像素的历史样本估计像素的概率模型,针对历史样本信息中冗杂信息导致模型复杂度过高的问题,采用关键帧检测技术剔除样本中的冗余信息以降低算法的复杂度,并实现了在小样本下核函数对遥远历史帧图像信息的获取,从而提高了检测精度。针对检测目标轮廓缺失的问题,结合三帧差法进一步实现了运动目标的完整提取。为了验证本算法的有效性,对不同环境和干扰下的运动奶牛视频样本进行了试验,并与高斯混合模型(Gaussian mixture model,GMM)和核密度估计模型(Kernel density estimation,KDE)方法进行了对比。试验结果表明,本文算法平均前景正检率为95. 65%,比高斯混合模型提高了15. 56个百分点,比核密度估计模型提高了10. 56个百分点。同时,本文算法平均实时性指标为1. 11,基本可以实现运动奶牛目标的实时、准确检测,该研究结果可为奶牛跛行疾病的预防、诊断以及奶牛运动行为的精确感知提供参考。

基于关键帧和指示符运动模型的教学视频压缩算法

为进一步提高教学视频的压缩比及其制作效率,针对教学视频中有效信息暂留时间持续较长、信息展示区域固定等特点,提出一种基于关键帧检测和指示符运动建模的智能教学视频压缩算法。首先检测投影区域作为每帧图像的有效区域,减少知识冗余;然后通过变化检测确定视频帧的类型,并对光标和激光笔投影点建立指示符运动模型,进一步减少教学视频特有的知识冗余;最后针对关键帧编码及指示符运动模型设计了相应的播放算法用于视频回放。实验结果表明,针对以幻灯片投影区域为有效信息的教学视频,与H.264标准相比,本文算法在相同峰值信噪比下,可使码率平均降低约88%,且编解码过程满足实时要求,无需额外人工剪辑,可大幅提高在线教学视频的制作与传输效率。

RESEARCH ON KEY THECHNOLOGIES OF PORNOGRAPHIC IMAGE/VIDEO RECOGNITION IN COMPRESSED DOMAIN

Pornographic image/video recognition plays a vital role in network information surveillance and management. In this paper, its key techniques, such as skin detection, key frame extraction, and classifier design, etc., are studied in compressed domain. A skin detection method based on data-mining in compressed domain is proposed firstly and achieves the higher detection accuracy as well as higher speed. Then, a cascade scheme of pornographic image recognition based on selective decision tree ensemble is proposed in order to improve both the speed and accuracy of recognition. A pornographic video oriented key frame extraction solution in compressed domain and an approach of pornographic video recognition are discussed respectively in the end.