基于語(yǔ)義的視頻分割方法研究.pdf

1、隨著計(jì)算機(jī)、通信和多媒體技術(shù)的不斷發(fā)展,視頻信息快速增長(zhǎng),如何從海量視頻數(shù)據(jù)中快速有效地檢索出所需要的信息,成為視頻相關(guān)領(lǐng)域里的研究熱點(diǎn)。由于視頻數(shù)據(jù)的無(wú)結(jié)構(gòu)化特點(diǎn),視頻檢索必須以視頻分割為基礎(chǔ)。所以,視頻分割技術(shù)具有重要的研究意義和應(yīng)用價(jià)值。
　　 視頻分割的過(guò)程就是將無(wú)結(jié)構(gòu)化數(shù)據(jù)分割為“幀--鏡頭--場(chǎng)景--視頻節(jié)目”的層次結(jié)構(gòu)的過(guò)程。由于存在語(yǔ)義鴻溝,對(duì)視頻進(jìn)行語(yǔ)義分割是比較困難的。本文對(duì)“幀--鏡頭”(鏡頭檢測(cè))和“鏡頭

2、--場(chǎng)景”(場(chǎng)景構(gòu)造)兩個(gè)層次進(jìn)行了深入研究,分別對(duì)這兩步進(jìn)行了改進(jìn),主要工作如下:
　　 首先,針對(duì)已有鏡頭檢測(cè)方法中閾值判定自適應(yīng)性差的問(wèn)題,對(duì)一種基于滑動(dòng)窗口的鏡頭邊界檢測(cè)方法作了改進(jìn)。在利用HSV(Hue,Saturation,Value)直方圖計(jì)算出幀間不連續(xù)值的基礎(chǔ)上,縮小滑動(dòng)窗口內(nèi)選取樣本的比較粒度,利用高斯模型生成自適應(yīng)閾值,同時(shí)檢測(cè)出鏡頭漸變和切變。
　　 其次,針對(duì)視頻分割中存在的語(yǔ)義鴻溝問(wèn)題,采用語(yǔ)

3、義矢量來(lái)建立低層特征和高層語(yǔ)義之間的關(guān)聯(lián)。根據(jù)鏡頭關(guān)鍵幀畫(huà)面語(yǔ)義的不同,提取鏡頭關(guān)鍵幀的顏色特征,并將其歸一化；然后利用支持向量機(jī)對(duì)歸一化后的特征量進(jìn)行語(yǔ)義分類預(yù)測(cè),從而生成語(yǔ)義矢量；將生成的語(yǔ)義矢量應(yīng)用于已有的重疊鏡頭鏈方法,對(duì)鏡頭關(guān)鍵幀進(jìn)行聚類,按語(yǔ)義差別構(gòu)造出不同場(chǎng)景。
　　 最后,選取不同風(fēng)格的非壓縮域視頻序列進(jìn)行實(shí)驗(yàn)。結(jié)果表明,改進(jìn)后的鏡頭邊界檢測(cè)方法可以準(zhǔn)確快速地定位鏡頭邊界,查準(zhǔn)率較以往方法有一定提高；語(yǔ)義場(chǎng)景構(gòu)造