基于視覺(jué)顯著的視頻鏡頭檢索研究.pdf

1、自20世紀(jì)90年代以來(lái),隨著數(shù)字技術(shù)和互聯(lián)網(wǎng)的發(fā)展,數(shù)字視頻的獲取和傳播變得越來(lái)越容易,如何從浩如煙海的視頻數(shù)據(jù)中找到自己需要的內(nèi)容已經(jīng)成為當(dāng)前研究的一個(gè)熱點(diǎn)?；趦?nèi)容的視頻檢索技術(shù)就是為了滿(mǎn)足這個(gè)需求而發(fā)展起來(lái)的。
　　視覺(jué)心理學(xué)研究表明,人類(lèi)視覺(jué)具有快速搜索感興趣目標(biāo)的能力,一段視頻中出現(xiàn)的許多目標(biāo)中只有少數(shù)幾個(gè)能夠引起人類(lèi)的注意,人類(lèi)視覺(jué)系統(tǒng)就是利用這些顯著目標(biāo)來(lái)判斷不同視頻之間的相似程度,然而現(xiàn)有的視頻檢索技術(shù)多采用基于關(guān)

2、鍵幀的方法,一幅關(guān)鍵幀中往往還包含一些不引人注意的目標(biāo),這些目標(biāo)參與檢索必然造成檢索準(zhǔn)確率的下降。為此,本文試圖將視覺(jué)注意機(jī)制運(yùn)用到視頻檢索中,使得與關(guān)鍵幀算法相比,視頻檢索更加具有針對(duì)性,準(zhǔn)確率更高。
　　本文提出了一個(gè)針對(duì)視頻鏡頭的顯著區(qū)域提取模型。該模型分為空間顯著區(qū)域提取和時(shí)間顯著區(qū)域提取兩部分,在空間顯著區(qū)域提取部分,針對(duì)經(jīng)典的Itti模型在確定顯著區(qū)域輪廓方面的局限性,本文提出一個(gè)改進(jìn)的空間顯著區(qū)域提取算法,該算法分析

3、每個(gè)像素點(diǎn)與其它像素點(diǎn)在顏色、紋理、形狀三方面的差異,得到顏色、紋理、形狀三幅顯著圖,通過(guò)線(xiàn)性加權(quán)的方式融合為空間顯著圖,最后對(duì)空間顯著圖進(jìn)行分割,提取出靜態(tài)顯著目標(biāo),實(shí)驗(yàn)表明,該算法提取的顯著區(qū)域輪廓的準(zhǔn)確性較高;在時(shí)間顯著區(qū)域提取部分,針對(duì)光流法無(wú)法分析低紋理區(qū)域運(yùn)動(dòng)信息的不足,本文提出分析視頻片段中的Harris角點(diǎn)運(yùn)動(dòng)軌跡的算法,提取出顯著Harris角點(diǎn),最后采用Snake輪廓模型,得到顯著區(qū)域的準(zhǔn)確輪廓,作為空間顯著區(qū)域。實(shí)