基于圖的視頻檢索.pdf

1、隨著數(shù)碼采集設(shè)備的普及和多媒體技術(shù)的發(fā)展，互聯(lián)網(wǎng)上的視頻數(shù)據(jù)急劇增長(zhǎng)。面對(duì)海量視頻數(shù)據(jù)，如何進(jìn)行視頻的存儲(chǔ)、組織、管理和分析，已經(jīng)成為視頻領(lǐng)域最主要的方向。目前處在實(shí)用階段的視頻搜索引擎都是基于文本策略的，如Google Video Search、Yahoo Video Search、Bing Video Search和百度。然而視頻呈現(xiàn)多樣化的形式、豐富的語(yǔ)義，通常是難以用語(yǔ)言工具完整描述和表達(dá)的，為了解決這種文本檢索的缺陷，基于內(nèi)容

2、的視頻檢索技術(shù)被提出，國(guó)內(nèi)外的很多大學(xué)、研究機(jī)構(gòu)紛紛加入進(jìn)行相關(guān)的研究。
　　 聚類(lèi)是視頻分析中經(jīng)常用到的方法。本文將現(xiàn)有的聚類(lèi)算法劃分為五大類(lèi)：劃分的方法、密度的方法、層次的方法、網(wǎng)格的方法和以仿射傳播為代表的聚類(lèi)方法，并總結(jié)了他們的優(yōu)缺點(diǎn)。其中Kmeans是最典型的聚類(lèi)算法，因其簡(jiǎn)潔、快速而被廣泛使用。針對(duì)傳統(tǒng)Kmeans算法對(duì)初始聚類(lèi)中心敏感和聚類(lèi)參數(shù)K難以確定的問(wèn)題，本文提出了一種基于關(guān)聯(lián)圖劃分的Kmeans算法。該算法

3、能夠有效地根據(jù)數(shù)據(jù)的分布特性選取初始聚類(lèi)中心，能夠在指定的數(shù)據(jù)密集程度下自適應(yīng)確定聚類(lèi)數(shù)目。大量的實(shí)驗(yàn)表明上述改進(jìn)的Kmeans算法具有較高的準(zhǔn)確率和穩(wěn)定性。
　　 視頻是一種非結(jié)構(gòu)化數(shù)據(jù)，如何組織視頻庫(kù)是視頻檢索的首要工作。建立視頻數(shù)據(jù)庫(kù)的索引技術(shù)是這方面的主要方法。第三章中首先描述了優(yōu)化的基于內(nèi)容的視頻檢索框架，包括四部分：視頻庫(kù)模塊、查詢(xún)模塊、檢索模塊、檢索結(jié)果優(yōu)化模塊；其次對(duì)視頻作結(jié)構(gòu)化處理：通過(guò)鏡頭分割算法將視頻劃分成

4、鏡頭，再通過(guò)基于關(guān)聯(lián)圖劃分的聚類(lèi)算法將鏡頭聚類(lèi)生成若干個(gè)鏡頭簇，并計(jì)算鏡頭之間、鏡頭簇之間的相似度。同一個(gè)鏡頭簇內(nèi)的鏡頭在視覺(jué)上具有一致性。層次結(jié)構(gòu)是信息組織的一種重要方式，本文采用層次結(jié)構(gòu)組織鏡頭簇，描述了一種粗查詢(xún)與精查詢(xún)相結(jié)合的二級(jí)查詢(xún)機(jī)制：粗查詢(xún)階段以鏡頭簇為基本單位，進(jìn)行近似查詢(xún)；精查詢(xún)階段，展開(kāi)鏡頭簇，在鏡頭級(jí)別上比較，查找最相似的前k個(gè)鏡頭。這種二級(jí)查詢(xún)機(jī)制較大程度上壓縮了數(shù)據(jù)量，減少了訪(fǎng)問(wèn)的數(shù)據(jù)集和比較的次數(shù)。大量實(shí)驗(yàn)表

5、明，本文建立的層次聚類(lèi)索引技術(shù)有較高的查全率、查準(zhǔn)率和較快的檢索效率。
　　 一個(gè)良好的視頻檢索系統(tǒng)，不僅期待能夠返回正確的相關(guān)的視頻，而且還希望返回的結(jié)果是簡(jiǎn)潔的。視頻數(shù)據(jù)庫(kù)中往往存在大量的冗余視頻，特別是在同一個(gè)索引目錄下的視頻有極大的相似性，甚至存在一個(gè)視頻的多個(gè)拷貝副本。如何提高視頻檢索結(jié)果的簡(jiǎn)潔性是本文的另一個(gè)出發(fā)點(diǎn)。針對(duì)視頻拷貝的特性，本文提出了一種基于二部圖匹配的鏡頭相似度度量方法。算法首先提取了兩個(gè)鏡頭的關(guān)鍵幀序

6、列，提取顏色直方圖作為關(guān)鍵全局特征、Harris角點(diǎn)作為局部特征，通過(guò)構(gòu)造二部圖，尋找二部圖的最大匹配序列，從而計(jì)算出鏡頭之間的相似度。結(jié)合上文提出的視頻數(shù)據(jù)庫(kù)的聚類(lèi)索引技術(shù)和二級(jí)搜索機(jī)制，在粗查詢(xún)階段，進(jìn)行鏡頭簇級(jí)別的拷貝檢測(cè)，在精查詢(xún)階段，采用基于二部圖匹配的鏡頭相似度度量方法，計(jì)算鏡頭之間的相似度，與給定的閾值做出比較，從而判斷出是否為源視頻的拷貝副本。實(shí)驗(yàn)證明了本文提出的視頻拷貝檢測(cè)算法對(duì)亮度變化、畫(huà)面噪音、不同幀率、添加字幕等