基于內(nèi)容的視頻檢索與分類方法研究.pdf

1、隨著時代的進步與科技的發(fā)展，浩如煙海的視頻數(shù)據(jù)表現(xiàn)了社會與生活的方方面面。如何對視頻信息進行檢索與分類，當前已經(jīng)成為一個迫切需要解決的課題。為了有效地從視頻媒體庫中獲得所需要的信息，必須對視頻信息進行有效地組織與索引。因此，進行基于內(nèi)容的視頻檢索與分類的研究已逐漸成為多媒體技術領域的研究熱點。
　　本文概要的敘述了基于內(nèi)容的視頻檢索與分類技術中的視頻數(shù)據(jù)特點、視頻結構化以及關鍵技術等，著重對視頻檢索與分類中鏡頭分割與關鍵幀提取這兩

2、項關鍵技術進行了研究。在現(xiàn)有的視頻分割研究成果基礎上，提出了一種基于自適應雙閾值的改進算法。該算法采用權重不同的優(yōu)化分塊策略，并通過剔除一部分影響較大的幀間差值來減少了外圍因素的干擾，與改進前算法比較，突變閾值稍有降低，提高了鏡頭邊界檢測的查全率，同時漸變閾值也稍有降低，克服了漸變中幀間差別很小的幀的影響。本文還在前人視頻關鍵幀提取的研究基礎上，提出了一種改進基于互信息的視頻關鍵幀提取算法。該算法對關鍵幀數(shù)目的確定進行了優(yōu)化，使關鍵幀數(shù)

3、目能夠根據(jù)視頻內(nèi)容自動調整大小，增加了關鍵幀數(shù)目的自適應性，并且將以前單個鏡頭的關鍵幀提取擴展到了多個鏡頭以至于整個視頻的關鍵幀提取，最終使提取的關鍵幀更好的描述視頻內(nèi)容。同時，本文用主成分分析對提取的特征進行降維處理，利用遺傳算法來達到SVM分類器參數(shù)優(yōu)化的目的。在保證識別精度的前提下減小特征維數(shù)，對顏色特征進行優(yōu)化，找出更有利于準確分類的特征子集。同時，優(yōu)化分類器的參數(shù)選取來提高分類器的分類準確率和分類速度。本文還對視頻檢索與分類系

4、統(tǒng)進行模塊化設計，并分別詳細的介紹了各個模塊。
　　實驗結果表明，在測試集上，本文的鏡頭邊界檢測改進算法的平均查全率和查準率均高于自適應雙閾值算法，分別達到了87.86％和93.91％，取得了很好的鏡頭邊界檢測效果。本文的關鍵幀提取改進算法針對總幀數(shù)為12470，鏡頭數(shù)為115的動漫視頻進行關鍵幀提取，提取了21個視頻幀為關鍵幀，而未改進算法針對總幀數(shù)為605，鏡頭數(shù)為11的動漫視頻進行關鍵幀提取，提取了13幀作為關鍵幀，上述數(shù)據(jù)