基于内容检索中的镜头相似度度量

基于内容的视频检索中的一个最普遍的方法是根据给定例子视频的检索 ,因此视频相似度度量是基于内容检索中的一个基本问题。该文在视频签名算法基础上提出了镜头粒度上的镜头基调算法 ,同时为了增加匹配的准确性 ,提出了赋权的镜头基调 ,以体现基调中各帧在镜头相似度中的重要性差异 ,并解决了原算法可能出现的基调帧对逆序的问题。

一种基于镜头聚类的视频场景分割方法

为了更好地进行视频信息检索和浏览,提出了一种利用视觉和运动特征来进行场景分割的方法,该方法在把镜头聚类到场景中时,不仅考虑同一场景内镜头的视觉特征相似性,而且还考虑了镜头的运动特征的一致性。此外,为避免过度分割,还提出了一种方法用来合并过度分割出的场景。实验结果表明,这种方法是有效的。

基于自适应双阈值的蔬菜病害知识视频分割方法

针对以3G手机为媒介的农业知识视频传输质量与传输时间、流量及费用冲突等问题,提出了一种基于自适应双阈值法的农业知识视频分割方法。利用双阈值自适应变化逼近视频镜头分割最佳阈值,通过比较镜头相似度确定因阈值偏差产生的误检镜头进而对分割结果修正。蔬菜病害知识视频分割试验表明,该文整体算法的设计能够实现快速分割,并使得镜头查全率大于95%、查准率大于98%,视频分割效果可满足农民用户的专业化、个性化的信息需求,同时为其他农业知识视频的分割提供了参考方案。

基于主色跟踪和质心运动的视频场景分割

传统的场景分割方法中往往通过比较关键帧来测量镜头间的相似度而忽略了镜头内的时域信息,针对这种缺陷提出一种基于主色跟踪和质心运动的视频场景分割的方法。首先,在量化的HSV空间中,利用主色跟踪所得镜头的时间信息结合帧颜色直方图得到镜头的主色直方图,并且引入镜头质心特征向量的概念,通过其与帧向量的差异性获得镜头的运动信息;然后将所测得的镜头相似度用在改进的双向滑动窗口法中检测场景。实验结果验证了该方法的有效性。

基于遗传算法的多模态视频场景分割算法

视频场景分割可缩短检索时间,提高检索的准确度,已成为视频领域的研究热点之一。为了实现快速、准确的视频场景分割,提出了一种基于遗传算法的多模态视频场景分割算法,根据多模态特征融合的思想提取视频关键帧中不同模态的物理特征,对镜头间同种模态数据的相似度和不同模态数据的相关度进行融合,并计算出不同镜头之间的相似度,构造镜头相似度矩阵,利用遗传算法实现视频场景的分割。实验数据验证了该算法对视频场景有较好的分割效果,查全率和查准率分别达到86.9%和87.7%,F值达到87.3%。