基于內(nèi)容的層次視頻摘要生成技術(shù)研究.pdf

1、隨著多媒體技術(shù)和網(wǎng)絡(luò)信息的飛速發(fā)展,數(shù)字視頻信息的數(shù)量成指數(shù)級(jí)增長(zhǎng),如何對(duì)其進(jìn)行有效的存儲(chǔ)、管理和檢索,成為目前亟待解決的問(wèn)題。視頻摘要是解決以上問(wèn)題的一個(gè)途徑,同時(shí)視頻摘要也能輔助建立視頻檢索和索引系統(tǒng)。因此對(duì)于視頻摘要的研究有著十分重要的意義。
　　 本文在現(xiàn)有的視頻摘要生成方法的基礎(chǔ)上,提出在視頻的鏡頭級(jí)和場(chǎng)景級(jí)建立層次視頻摘要,以滿足用戶對(duì)視頻內(nèi)容不同信息粒度的需求,并對(duì)層次視頻摘要生成的相關(guān)技術(shù)進(jìn)行分析完善,提出自己的

2、算法,開(kāi)發(fā)出層次視頻摘要原型系統(tǒng)。本文的主要工作包括:
　　 (1)提出一種基于改進(jìn)的k-means算法的關(guān)鍵幀提取方法。該方法在關(guān)鍵幀提取過(guò)程中,利用人工魚群算法的自組織性對(duì)k-means進(jìn)行改進(jìn)優(yōu)化。算法中首先采用人工魚群算法依據(jù)特征向量進(jìn)行自組織的聚類,得到k-means算法所需要的聚類個(gè)數(shù)以及初始聚類中心,然后執(zhí)行k-means算法進(jìn)行最終聚類,最后提取出距離每個(gè)聚類中心最近的幀作為關(guān)鍵幀。將提取出的關(guān)鍵幀按序輸出,得到

3、細(xì)粒度的鏡頭級(jí)視頻摘要。該方法可克服傳統(tǒng)聚類算法中需要先驗(yàn)知識(shí)指定初始聚類數(shù),初始聚類中心隨機(jī)性選擇帶來(lái)的不穩(wěn)定性及容易陷入局部極值的問(wèn)題。
　　 (2)提出一種基于鏡頭多特征融合的場(chǎng)景分割方法。在鏡頭相似度衡量中,綜合考慮鏡頭的顏色特征、空間結(jié)構(gòu)特征和鏡頭的運(yùn)動(dòng)特征,以提高場(chǎng)景檢測(cè)的準(zhǔn)確性。并通過(guò)雙滑動(dòng)窗口聚類算法將時(shí)間相近,內(nèi)容相似的鏡頭聚集到同一場(chǎng)景中,在雙滑動(dòng)窗口聚類算法中,采用半自動(dòng)的方法進(jìn)行鏡頭相似度閾值的選取,避免

4、了經(jīng)驗(yàn)值的設(shè)定。
　　 (3)提出一種基于代表鏡頭的場(chǎng)景摘要生成方法。為保證場(chǎng)景摘要的內(nèi)容完整豐富,可以吸引用戶注意力,分別計(jì)算場(chǎng)景中每個(gè)鏡頭的時(shí)空域顯著度和鏡頭的持續(xù)度,通過(guò)加權(quán)求和得到每個(gè)鏡頭的重要度,選取鏡頭重要度高的幾個(gè)鏡頭作為該場(chǎng)景的代表鏡頭,選取代表鏡頭的關(guān)鍵幀作為場(chǎng)景代表幀,將場(chǎng)景代表幀按照時(shí)序排列輸出,生成基于場(chǎng)景的粗粒度視頻摘要。
　　 (4)采用面向?qū)ο蟮乃枷雽?duì)系統(tǒng)進(jìn)行分析設(shè)計(jì),運(yùn)用UML建模語(yǔ)言對(duì)系