[發(fā)明專利]基于視頻內(nèi)容分析的3D視頻搜索引擎的實現(xiàn)方法

有效

• 申請?zhí)枺?/td>: 201410213424.6
• 申請日: 2014-05-20
• 公開（公告）號: CN103970885B
• 公開（公告）日: 2017-01-25
• 發(fā)明（設(shè)計）人: 蘇生;陳倬
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;H04N19/597
• 代理公司: 成都宏順專利代理事務(wù)所(普通合伙)51227
• 代理人: 周永宏

技術(shù)領(lǐng)域

本發(fā)明屬于視頻檢索技術(shù)領(lǐng)域，具體涉及一種基于視頻內(nèi)容分析的3D視頻搜索引擎實現(xiàn)方法的設(shè)計。

背景技術(shù)

3D電影《阿凡達》的巨大成功，給3D視頻領(lǐng)域帶來了巨大的發(fā)展。3D顯示技術(shù)日漸成熟，觀影效果越來越好，3D視頻得到了消費者廣泛的認可。3D視頻利用雙眼視差原理，讓觀眾的左眼和右眼獲得獨立的影像，從而獲得三維的空間感。為了形成視差，3D視頻至少包含兩路影像。多視點編碼(Multiview Video Coding,MVC)技術(shù)是3D視頻編碼的標準技術(shù)，2009年3月作為H.264標準擴展編碼的附件H由聯(lián)合視頻編碼組(JVT)正式提出。視頻技術(shù)的推廣是一個非常漫長的過程，需要考慮如何利用現(xiàn)有硬軟件設(shè)備，再平滑過渡到新的技術(shù)實施標準。MVC技術(shù)的普及還需要一個漫長的過長，為了兼容現(xiàn)有軟件系統(tǒng)采，目前3D視頻大都采用的普通視頻的編碼，通過將視頻幀經(jīng)過時間復(fù)用或空間復(fù)用的技術(shù)的處理來保存兩路影像。

目前的視頻搜索引擎是利用使用視頻元數(shù)據(jù)(包括視頻標題、標簽和描述等結(jié)構(gòu)化的文本信息)來檢索視頻，實質(zhì)上使用的是文本檢索技術(shù)，所以并不能識別出3D視覺特征。對于MVC編碼的3D視頻，可以通過編碼分析很容易地識別出3D信息。但是對于普通編碼的3D視頻，目前還沒有從視頻內(nèi)容上準確識別的方法。用普通視頻搜索引擎或者全文搜索引擎來搜索3D視頻，存在著兩個缺陷。一是準確率低，對于視頻搜索引擎來說，視頻元數(shù)據(jù)包含“3D”或“立體”關(guān)鍵詞的視頻不一定是3D視頻，對于全文搜索引擎來說，搜索結(jié)果中存在著大量非視頻結(jié)果。二是召回率低，因為有的3D視頻沒有被人工添加“3D”相關(guān)的文本描述，則無法基于文本檢索的搜索引擎檢索。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提出一種基于視頻內(nèi)容分析的3D視頻搜索引擎的實現(xiàn)方法，克服傳統(tǒng)搜索引擎在3D視頻搜索上的不足。

本發(fā)明解決其技術(shù)問題采用的技術(shù)方案是：基于視頻內(nèi)容分析的3D視頻搜索引擎的實現(xiàn)方法，具體包括：

步驟1：通過網(wǎng)絡(luò)爬蟲視頻網(wǎng)頁，解析視頻網(wǎng)頁獲取視頻地址，下載視頻樣本；

步驟2：對所述步驟1下載的視頻樣本進行3D識別，若該視頻樣本為MVC編碼格式，則保存該視頻網(wǎng)頁地址，進入步驟3；否則提取該視頻的關(guān)鍵幀，分析該幀畫面是否為3D格式，若為3D格式則進入步驟3，否則取出下一個視頻樣本再從頭執(zhí)行步驟2；

步驟3：將所述步驟2中被識別為3D視頻的網(wǎng)頁保存，并將視頻按照相似度進行聚類，建立搜索引擎的索引。

進一步的，所述通過網(wǎng)絡(luò)爬蟲視頻網(wǎng)頁的具體過程為：利用HtmlUnit瀏覽器程序，模擬圖形瀏覽器訪問網(wǎng)頁，運行網(wǎng)頁的腳本代碼，獲取網(wǎng)頁的動態(tài)數(shù)據(jù)，分析數(shù)據(jù)獲取結(jié)果列表，模擬點擊“下一頁”獲取搜索頁面的下一頁，如果頁面不再包含“下一頁”按鈕，則認為本次搜索的結(jié)果已被找完。

進一步的，所述步驟2中分析關(guān)鍵幀畫面是否為3D格式的具體過程中，該3D格式包括拼接格式和色差格式，所述拼接格式指將左右兩路影像直接左右拼接或者上下拼接形成的3D視頻格式，所述色差格式是指將左右兩路影像分別存儲于不同的RGB顏色通道形成的3D視頻格式。

更進一步的，所述拼接格式的識別過程為：

步驟21：將幀圖像分割為左右兩部分，計算左右兩部分的距離Dist1，如果距離Dist小于閥值TH1，則判斷該圖像為左右拼接格式的圖像，結(jié)束流程，否則進入步驟22；

其中，所述H表示一維直方圖數(shù)組，L表示該數(shù)組的長度，k的取值范圍為1～L，表示將整個圖像明度劃分為L階后的第k階明度，H₁(k)表示左半部分圖像對應(yīng)的直方圖數(shù)組，H₂(k)表示表示右半部分圖像對應(yīng)的直方圖數(shù)組；

步驟22：將幀圖像分割為上下兩部分，計算上下兩部分的距離Dist2，如果距離Dist2小于閥值TH2，則判斷該圖像為上下拼接格式的圖像，結(jié)束流程，否則進入步驟23；

其中，所述H₃(k)表示上半部分圖像對應(yīng)的直方圖數(shù)組，H₄(k)表示下半部分圖像對應(yīng)的直方圖數(shù)組；

步驟23：計算幀圖像的邊緣圖像，在寬度為W的中央部分取出連續(xù)的W列像素，其中一列的黑色像素數(shù)目占該列像素總數(shù)的百分比δ以上，則認為存在垂直的拼縫，則判斷該圖像左右拼接格式的圖像，結(jié)束流程，否則進入步驟24；