视频特征下的电视广告单元分割技术研究

本文基于视频特征,对电视广告单元分割技术进行了研究。对广告视频的检测算法框架流程展开深入分析。综合切变镜头检测算法以及消隐镜头,结合区域特征重要性对其进行划分,形成不同的镜头合集,在分类特征的基础上提取镜头。并分析了视频广告在时间、内容上的连续性,此外完善了广告镜头后期处理机制,全面消除错误镜头。此外还专门制定了镜头整合算法。此外还专门制定了镜头整合算法,合并广告镜头,以产出广告视频片段。

探究视频特征下的电视广告单元分割技术运用

视频广告就是要传播商业信息,在时间方面是存在限制的,所以,这就需要控制时间,在有限的时间内将商品的各种信息集中呈现出来。观众是观看广告的人,是非常重要的衡量标准。视频广告中的镜头持续时间比较短,本文基于视频的特征,分析了电视广告单元的分割技术运用。

多维特征激励网络用于视频行为识别

在动作识别任务中,由于视频数据存在内容多样和背景复杂的特性,因此提取有效的时空特征是研究的主要难点。为了利用深度网络学习时空特征,研究者们通常采用双流网络和3D卷积网络。但是,双流网络中光流信息缺乏捕获长距离时间关系的能力,且光流提取需占用很大的内存和时间;而3D卷积与2D卷积相比,增加了一个数量级的计算成本,容易导致过拟合和收敛缓慢。为解决以上问题,提出了一种基于注意力的多维度特征激励融合网络MFARs(Multi-dimensional Feature Activation Residual networks)用于视频行为识别。MFARs采用2D卷积网络解决时序特征表达学习问题,利用运动补足激励模块建模时序特征,激发时间通道运动信息;同时利用联合特征激励模块,通过时序特征激励通道和空间信息,以学习到更好的时空特征表达。MFARs在行为识别数据集UCF101和HMDB51上的准确度分别达到了96.5%和73.6%。与当前的主流行为识别模型相比,提出的多维特征激励方法能够有效地表达时空特征,更好地平衡复杂度和分类准确率。

基于视音互补语义清晰化的隐私视频动作识别方法

视频隐私保护是当前社会面临的重要挑战之一,对视频进行模糊处理是保护人们隐私权益的重要手段.由于模糊视频天然缺失视觉模态的信息,主流的视频动作识别算法无法取得令人满意的效果.模糊视频作为多模态介质不仅仅只有视觉模态信息,同时,也含有丰富的音频模态信息,从人类的认知角度而言,音频也是获取信息的重要来源.本文提出一种基于多模态融合的隐私视频动作识别方法,在保证不侵犯使用者隐私的前提下进行人类动作行为识别.具体来说,使用音频-视觉特征融合模块将音频模态特征图融入到视觉模态中,充分融合音视频模态的深层语义信息.除此之外,模型还引入清晰视频帧图像作为标签,在模型训练阶段监督动作识别网络的参数更新,为隐私视频动作识别网络提供清晰的语义信息.在多组隐私行为数据集上,通过大量消融和对比实验验证了所提方法的有效性.

服装类短视频特征对消费者购买意愿的影响

中国短视频营销模式正在兴起,但也存在内容同质化、推送垂直化等问题,因此探究服装类短视频特征对于消费者购买意愿的影响,有助于打造更好的短视频营销内容并吸引用户。文章基于SOR模型构建服装类短视频的特征与消费者购买意愿之间的关系并设计发放问卷,再对297份有效问卷数据进行结构方程模型分析,最终得出结论:服装类短视频的可信性、娱乐性、吸引力正向显著影响消费者购买意愿;消费者感知有用性和感知愉悦性均在服装类短视频的可信性、娱乐性、吸引力特征与购买意愿之间充当完全中介。最后根据结论改进服装类短视频营销策略,给服装类博主及企业提供参考。

多尺度视觉特征提取及跨模态对齐的连续手语识别

连续手语识别研究中,视觉特征的有效表示是提升识别效果的关键。然而,手语动作时序长度的差异性及手语弱标注现象,使得有效的视觉特征提取更加困难。针对上述问题,提出了多尺度视觉特征提取及跨模态对齐的连续手语识别方法(MECA)。该方法主要包含多尺度视觉特征提取模型和跨模态对齐约束。在多尺度视觉特征提取模型中,并行地融合具备不同扩张因子的瓶颈残差结构,来丰富多尺度时序感受野,用于提取不同时序长度的手语视觉特征,同时采用层级复用设计进一步强化视觉特征表示。在跨模态对齐约束中,采用动态时间规整建模手语视觉特征和文本特征之间的内在联系,其中,文本特征提取由多层感知机和长短期记忆网络协作实现。在具备挑战性的公开数据集RWTH-2014、RWTH-2014T、CSL-Daily上进行实验,结果表明所提方法达到目前具有竞争力的性能。上述实验验证了所提的采用多尺度的方式可以捕捉不同时序长度的手语动作,以及构建跨模态对齐约束的思路是正确且有效的,适用于弱监督条件下的连续手语识别任务。

基于双摄像机的视频特征跟踪算法研究

在视频动画中 ,特征跟踪结果决定了三维重建的运动信息是否逼真 .提出一种基于双摄像机的视频特征跟踪算法 ,它采用卡尔曼滤波预测特征点的位置 ,然后利用子块模型进行特征匹配 ,最后利用极线方程指导跟踪和剔除跟踪误差大的特征点 .该算法已经用于我们开发的 VBHA系统中 ,实验结果表明 ,其速度和效率能够满足视频动画的要求 。

获取视频特征的一种方法

根据目前的技术水平，在建立多层分段模型的基础上，识别出视频流中的镜头，利用光流场图象序列分析技术处理镜头中的代表帧及其邻接帧，获取视频数据流中镜头的运动特征。所提出的方法既能获取镜头的平移运动特征，也能获取镜头的旋转运动特征。

中文语义特征属性扩展的视频推荐系统设计

推荐系统在视频服务中广泛应用,设计了一种基于中文语义特征属性扩展的视频推荐系统,使用中文jieba分词系统对视频的剧情介绍进行语义分析提取关键词并排序,以此扩展视频特征向量的维度,通过相似度计算进行评分预测,比仅用元数据特征效果更好。在此基础上,结合视频服务测量系统的分析结果,在推荐系统中加入网站的页面加载速度以及带宽大小两个因素,可以为用户推荐服务质量更好的视频网站。

基于音视频特征和文字信息自动分段新闻故事

提出了一种新的基于音视频特征和文字信息自动分段新闻故事的方法。其基本思想是先对新闻视频进行镜头边界检测;其次,通过文字检测算法检测包含有主题字幕文本的帧来获得新闻故事分段的线索;接着用短时能量和短时平均过零率(ZCR)来检测新闻视频中存在的静音片段;最后,综合音视频特征和文字信息实现故事自动分段。在包含135,400帧的实验素材上获得了85.8%的准确率和97.5%的查全率,实验结果证明该方法是十分有效的。

基于音视频特征的新闻条目自动分割

Automatic segmentation of news items in a MPEG-2 stream is a significant research topic for implementing an antomatic cataloging system of news video. This paper presents an approach which employes audio and video feature information to automatically segment news items. Combining the analysis techniques of audio and video can overcome the weakness of the approach which only uses the image analysis techniques. This combination makes our appoach more widely adaptable to variable existence situations of news items. The proposed approach detects silence clips in accompanying audio,and integrates with shot segmentation results ,as well as anchor shot detection results ,to determine boundaries between two news items. Experimental results show that the integration of audio and video features is an effective approach to solve the problem of automatic news items segmentation.

基于音/视频特征的足球视频体育事件交互式检索方法

本文提出了一种交互式足球体育视频事件检索方法。在该方法中,首先从音频和视频中提取四种类型的特征,计算出它们的均值和标准差,并把这八个数据编码成一个染色体,建立与视频文件的索引。然后,利用交互式遗传算法实现足球体育视频事件的检索。首先,系统从数据库中随机地选取N个视频文件供用户观看与选择;然后,系统根据用户所选视频提取相应的染色体,并对这些染色体进行重组操作得到目标染色体;其次,把目标染色体与数据库中的所有染色体进行比较,利用欧式距离计算出它们的相似度,从中选取N个最相似的染色体对应的视频为下一代视频;最后,不断迭代上面的过程,直到得到用户想要的视频。通过对包含有400个视频事件的数据库的实验,证明该方法能够有效地检索足球视频数据库中的视频文件,准确率达到89%。

基于改进快速鲁棒性特征的导弹视频特征匹配

利用电视制导导弹视频图像确定导弹落点,从而开展精确目标毁伤评估研究,是目前全新的一种评估手段。图像特征匹配是利用视频图像确定导弹落点的关键步骤。针对导弹视频图像的特点及其作战应用,在特征匹配阶段,依据准确性和实时性两个原则,对快速鲁棒性特征算法做了两方面的改进:一是限制特征点提取区域,定义了图像区域限制算子;二是限制特征点数量,利用算法阈值和随机抽样一致性算法对特征点进行限制。实验结果表明,提出的算法对典型视频片段进行处理,较原算法在匹配时间上平均减少12.6%,匹配准确率平均提升13.4%,较尺度不变特征变换算法匹配时间平均提升了74.9%,同时,有效消除伪匹配点。通过对三段视频进行测试仿真,改进算法在整体上较原算法的匹配时间加快14.9%,且通用性较强,适用于视频图像的特征点匹配。

基于多核系统的视频特征提取程序并行化及性能优化方法(英文)

基于多核系统,对4种视频特征的提取程序分别研究了并行算法和性能优化方法.实验结果表明,通过的并行化和性能优化,当使用8个核时,这4种视频特征提取程序的处理速度平均提高到原始串行程序的17倍.此外,对实验结果进行了深入的性能分析,寻找和剖析了多核系统的性能瓶颈,为进一步提高多核系统的性能提供了依据和建议.

CVS中基于视频运动特征的多假设-双稀疏重构算法

针对目前视频压缩感知重构算法对不同特征的视频序列重构质量参差不齐的问题,结合双稀疏对轮廓、细节的高清晰重构以及多假设算法对高频噪声有效抑制的优点,本文提出一种基于视频运动特征的多假设-双稀疏重构算法(VF-MH-DSR).基本思路是基于每个视频组(GOP)的运动特征,采取相应的多假设-双稀疏重构策略.首先给出一种观测域多维度参考帧的多假设重构算法(MD-MRF-MH)及其最优相似块个数设置方案;然后给出一种像素域多假设参考帧的重构算法(PD-MRF-MH)及一种高性能双匹配准则;最后介绍了视频信号运动特征判定方案及多假设-双稀疏重构的具体实现方案.仿真实验表明,本文所提多假设-双稀疏重构算法相对于目前较好的多假设预测重构算法2sMHR及组稀疏重构算法SSIM-InterF-GSR,重构性能平均提升了1.98dB和0.84dB.

基于特征预测与邻域一致性的视频特征快速配准

基于视频图像特征点配准的目标跟踪算法无法兼顾精确性、实时性和鲁棒性,针对该问题,提出一种基于特征位置预测与邻域一致性约束的视频特征快速配准算法。以标注点与目标标记框为模板,通过ORB特征匹配与邻域一致性检验,获得帧间标注点集的对应关系,并计算点集间的尺度变换以确定当前目标框,利用多帧已知标注点位置信息与运动连续性进行多项式回归预测,得到标注点集的位置。在此基础上,对特征点进行局部搜索、提取和描述,根据邻域一致性约束,利用邻域内的支持特征点集实现标注点的稳健匹配。实验结果表明,该算法可对多姿态目标特征点进行配准,与GMS、ORB、SIFT和SURF算法相比,该算法的实时性、准确性和鲁棒性明显提高。

不良视频特征提取与重复检测技术探讨

针对互联网出现的大量不良视频信息,目前已有很多学者利用计算机视觉和图像理解技术进行识别和过滤。本文通过不良视频识别与特征提取、建立视频索引、视频重复检测这一技术路线,提供了一种互联网不良视频过滤的方法。

基于视频特征提取的电力客户轨迹行为监测系统设计

传统基于无线射频技术的监测系统对电力客户轨迹行为辨识率较差,监测精准度较低,针对该问题,提出基于视频特征提取的电力客户轨迹行为监测系统。根据系统需求部署系统总体框架,采用集中式管理框架,从控制中心角度出发,设计系统硬件结构。采用750 SDI高清视频采集卡采集图像信息,该卡具有5 G/s数据传输速度与两倍影像帧数,有效避免卡顿现象。使用计算机系统处理速度可达到每秒几亿,方便管理外部设备与主存储器之间信息交换。使用USB接口,进行信号串行传输。基于视频特征提取技术,设计离线提取和在线提取流程,并对过滤功能、应用过滤功能、数据包过滤功能和防恶意代码功能展开分析。由实验结果可知,该系统的最高监测精准度可达到97%。

短视频广告特征对大学生用户购买意愿的影响——基于SOR模型的实证

通过梳理相关文献,基于SOR模型,针对短视频营销特点,构建并探究新媒体时代短视频广告对大学生用户的购买意愿影响模型,并运用SEM对研究假设进行检验。研究结果表明:短视频广告的可视性、交互性、创意性会显著影响大学生用户的感知匹配度,且互动性对大学生用户的购买意愿具有显著影响,但可视性、创意性影响不大,感知匹配度在短视频广告特征与大学生用户购买意愿之间起到中介作用。基于此,建议企业对于短视频运营应加强短视频广告的交互性与匹配感知度来提升企业自身的市场营销能力。并且,大学生合理消费需要商户与其自身戮力同心。

视频底层特征提取技术研究

近年来,随着信息技术的迅猛发展,各种各样的视频信息和人们的生活戚戚相关,视频技术的研究俨然成为一个热门的研究领域。本文重点对视频的底层特征中的彩色特征、运动特征和镜头特征进行了提取技术的研究。在计算彩色特征和运动特征时首先把预告片视频分离成单帧图像,再计算每个预告片中的每帧图像的这两类特征,最后取整个预告片视频的所有帧的均值作为最终需要的特征结果。而镜头特征是根据每个预告片视频的关键帧的位置获得的。