基于內容的視頻檢索的若干技術研究.pdf

1、隨著計算機處理能力日益增強，網絡技術、多媒體技術的不斷發(fā)展，隨之而來的是大量的多媒體信息不斷地產生。視頻信息在多媒體信息中占最大比例，信息量最多，應用前景最廣。由于視頻信息屬于非結構化信息，具有復雜、龐大和冗余的特點。因此，人們很難從海量的視頻信息中找到自己所需的信息。
　　 基于內容的視頻檢索技術(CBVR，Content-Based Video Retrieval)能有效地組織和管理這些數據，并按照多媒體數據的特性去存取這些

2、數據，使人們能夠方便地從大量視頻數據中找到自己感興趣的相關視頻片段。視頻的內容包括視頻的結構信息、低層次的視覺和聽覺信息以及高級語義信息。本文討論了基于內容的視頻檢索的部分內容，主要包括鏡頭檢測、關鍵幀的提取、鏡頭聚類等。
　　 本文首先介紹了基于內容的視頻檢索技術產生的背景及發(fā)展現狀，并對視頻數據的特點，結構及其壓縮原理進行了研究與總結。其次，本文介紹了將視頻轉化為連續(xù)圖像幀序列的方法，并對檢索系統(tǒng)的性能評價指標進行了總結。<

3、br>　　 鏡頭檢測和關鍵幀的提取是本文的核心組成部分。這部分內容從介紹鏡頭變換的類型和特點入手，詳細分析了目前幾種典型的鏡頭檢測方法，并對雙重窗口的切變檢測方法進行了實驗驗證。該方法能夠很好的完成對存在切變視頻的分割與組織。在此基礎上，本文設計了一種基于幀間差的比較法，該方法利用圖像的灰度分布像素統(tǒng)計直方圖，通過計算相鄰幀之間的幀間差，然后與閾值做比較，從而實現了鏡頭檢測。通過多次的實驗可以得出，此方法實現簡單，而且能有效抑制噪聲和

4、物體運動所帶來的干擾。本文列舉了一段對新聞報道進行鏡頭檢測的實驗。此后，本文在參閱大量文獻的基礎上，對當前關鍵幀的提取方法及其相關技術進行了較為詳細的講解和總結，并設計了一種關鍵幀的提取方法，實現了關鍵幀的提取。該方法利用鏡頭檢測后得到的鏡頭進行關鍵幀的提取，通過待選幀之間的差異距離與閾值相比較來確定關鍵幀。本文列舉了兩個鏡頭的關鍵幀提取實驗，所提取的關鍵幀均能較好的反映鏡頭內容。該方法計算簡單，利用它提取的關鍵幀具有代表性，能夠比較全