[發(fā)明專利]一種鏡頭邊界檢測方法

無效

• 申請?zhí)枺?/td>: 201110047053.5
• 申請日: 2011-02-28
• 公開（公告）號: CN102129681A
• 公開（公告）日: 2011-07-20
• 發(fā)明（設計）人: 謝剛;雷少帥;王芳;續(xù)欣瑩;趙文晶;趙哲峰
• 申請（專利權）人: 太原理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明涉及視頻內容分析技術領域，尤其是一種鏡頭邊界檢測方法。

背景技術

視頻序列中，鏡頭的邊界分為兩大類：切變(abrupt?transition)和漸變(gradualtransition)。切變是指變化突然發(fā)生在連續(xù)的兩幀之間，而漸變是指變化發(fā)生在連續(xù)的多幀之間。漸變比較復雜，包括淡入淡出、溶解和擦除等。目前，國內外研究者提出了多種不同的鏡頭邊界檢測方法。鏡頭邊界檢測的基本思想是通過比較視頻序列的幀間差異來尋找鏡頭邊界變化的規(guī)律。首先提取視頻幀的特征，這些特征必須能夠較好地突出鏡頭邊界與非邊界的差異；然后利用這些特征量構造評判準則，并將評判準則結果與事先設定的閾值相比較，從而判定是否發(fā)生鏡頭變化。

鏡頭內的各幀畫面在時間和空間上都是連續(xù)的，一個鏡頭中連續(xù)幀之間通常表現出較高的相似性。如果連續(xù)幀之間的非相似性(Dissimilarity)較大，往往是由于鏡頭轉變而引起的。因此，鏡頭邊界檢測算法通常根據幀之間的非相似性來檢測鏡頭的轉變，這就需要尋找效果理想的視頻幀特征和評判準則。另外在閾值選取方面，主要存在固定閾值和自適應閾值兩種，固定閾值實現簡單，但是無法適應視頻類型和內容的變化。Zhang?H?J等^[2]最早提出了經典的雙閾值判定方法，有效地解決了單閾值算法難以兼顧切變和漸變檢測的問題。為了消除主觀誤差，一些自適應閾值方法隨之產生，如Youn?S等^[3]提出根據已逝時間和已檢測鏡頭邊界動態(tài)選取閾值的方法；Sze?K?W等^[4]提出利用最大熵閾值來確定鏡頭邊界檢測中最優(yōu)閾值的方法；成勇等^[5]提出根據綜合圖像的顏色特征和空間特征進行閾值最優(yōu)化選取的方法等。

目前，鏡頭切變已取得了不錯的效果，這是因為切變時鏡頭之間沒有過渡，由一個鏡頭瞬間直接轉換到另一個鏡頭，表現出十分突出的非相似性特征；而鏡頭漸變則發(fā)生在一個時間段內，每幀的特征都不明顯，很難根據某個時刻的特征值是否超過閾值進行鏡頭漸變的檢測。

另外，在鏡頭邊界檢測中，還存在著閃光、鏡頭內部的物體運動以及攝像機自身運動等帶來的“噪聲”，也給現有的方法帶來了干擾。由上可見，如何選取有效的視頻特征、評判準則，以及如何選取自適應閾值是鏡頭邊界檢測中的重點和難點。

參考文獻

[1]耿玉亮，須德，馮松鶴.一種快速有效的視頻鏡頭邊界檢測方法[J].電子學報，2006，34(12)：2272-2277.

[2]Zhang?H?J，Kankanhalli?A，Smoliar?S?W.Automatic?partitioning?offull-motio?n?video[J].Multimedia?Systems，1993，1(1)：10-28.

[3]Youm?S，Kim?W.Dynamic?threshold?method?for?scene?change?detection[C]//Proceedings?of?IEEE?ICME’03.Baltimore，USA：IEEE?Computer?Society，2003：337-340.

[4]Sze?K?W，Lam?K?M，Qiu?G.Scene?cut?detection?using?the?colored?patternappearance?model[C]//Proceedings?of?the?IEEE?ICIP2003.Barcelona，Spain：IEEEComputer?Society，2003：1017-1020.

[5]成勇，須德.一種自動選取閾值的視頻鏡頭邊界檢測算法[J].電子學報，2004，32(3)：508-511.

[6]杜奎然，肖國強，江健民.基于多種視頻特征的鏡頭邊界檢測算法[J].計算機工程，2009，35(11)：243-245.

[7]楊淑瑩.模式識別與智能計算[M].北京：電子工業(yè)出版社，2008.1，26-28.

發(fā)明內容

本發(fā)明所要解決的技術問題是針對現有技術的不足，提供一種鏡頭邊界檢測方法，采用如下技術方案：

一種鏡頭邊界檢測方法，包括以下步驟：