影視視頻場景結(jié)構(gòu)解析及識別技術(shù)研究.pdf

1、數(shù)字多媒體資源日益成為人們?nèi)粘Ｎ幕钪械闹匾M成部分，對大量的影視視頻進行場景結(jié)構(gòu)分析和場景識別是基于場景語義的視頻內(nèi)容檢索的基礎(chǔ)。場景邊界檢測可以將影視視頻分割為以場景語義為單元的視頻片段，而對視頻場景片段進行場景標簽的自動標注可以得到視頻片段的場景語義內(nèi)容。
　　針對基于場景相似圖的視頻場景邊界檢測算法計算量大的問題，采用基于滑動鏡頭窗的相似鏡頭聚類算法，對滿足時間局部性的鏡頭進行聚類，并根據(jù)影視視頻的場景發(fā)展模式，對同場景

2、內(nèi)的交錯鏡頭類和相似的相鄰鏡頭類進行合并，從而得到視頻的場景結(jié)構(gòu)單元。同時，針對只使用鏡頭視覺特征進行相似度計算容易造成運動場景過分割的問題，同時對鏡頭提取運動信息，使用鏡頭內(nèi)視頻幀間的視覺變化來衡量鏡頭運動量，并使用視覺相似度和運動信息的加權(quán)之和進行鏡頭相似度計算，由于考慮了鏡頭內(nèi)的運動情況，可以有效解決打斗、追逐等運動場景的過分割問題。
　　傳統(tǒng)的基于底層特征的圖像和視頻表示方法，往往包含的語義信息有限，在處理高層語義任務(wù)時局

3、限性較大。圖像中包含的物體是一種很重要的視覺語義元素，使用Object Bank特征進行圖像表示，在圖像場景識別等視覺語義處理任務(wù)中取得了很好的效果，本文將Object Bank方法擴展到視頻中，使用一組在影視視頻常見場景中的代表性物體的識別器的識別結(jié)果對視頻片段進行表示。首先對視頻場景片段關(guān)鍵幀提取物體識別的統(tǒng)計信息，并將視頻場景關(guān)鍵幀集合的最大池化和平均池化結(jié)果作為視頻場景片段的Object Bank特征，使用SVM分類器進行視頻場