导读:本文包含了视频镜头论文开题报告文献综述及选题提纲参考文献，主要关键词:热气,工人日报,一夜,带着,江杰,电气化铁路,张张,新媒体平台,《工人日报》,千里
视频镜头论文文献综述
蒋菡[1]（2019）在《这些“冒着热气”的镜头最动人》一文中研究指出连日来，“班组”这个词汇成为本报职工读者口中的“热词”。11月14日，工人日报社首届“最班组”全国短视频大赛100个入围作品进入展播的第7天，投票总人次已近1900万。这个旨在“原生态展现新时代广大职工昂扬向上的精神风貌和爱岗敬业、团结协(本文来源于《工人日报》期刊2019-11-15）
张翔,赵晓丽,张嘉祺,陈正,张佳颖[2]（2019）在《基于3D DenseNet的视频镜头边界检测方法》一文中研究指出视频镜头边界检测(shot boundary detection,SBD)是视频检索中的关键预处理步骤,视频的每个帧段都全被归类为渐交、切变或不变。针对渐变镜头检测难度高和计算量过大的问题,本文提出了一种基于3D卷积和DenseNet相结合的深度镜头边界检测(DSBD)算法。该算法首先将视频分帧段随机分配标签,输入到3D DeseNet网络中,将具有相间标签的输出帧段合并,然后使用颜色直方图法测量帧段之间的巴氏距离来进行二次分类,最后能输出正确的帧段。通过在目前最常用的数据集UCF101_SBD和TRECVID以及最大的镜头检测数据集ClipShots上实验表明,该方法具有良好的检测效果,且计算时间较短,优于之前的算法。(本文来源于《光电子·激光》期刊2019年10期）
王洪祥[3]（2019）在《视频后期剪辑制作中镜头时长的处理》一文中研究指出对于视频后期剪辑制作来说,镜头时长的处理工作是非常重要的一个步骤,会直接影响视频整体的效果。在对视频后期剪辑制作的过程中要对摄影风格、观众的收视需要以及摄影作品的节奏这叁方面进行具体分析,来对镜头时长进行处理和设计。通过对视频这叁方面要素的分析,能够使剪辑工作更科学合理,使最后的作品达到预期效果。本文通过对视频后期剪辑制作中镜头时长的处理分析,通过对摄影的风格、观众的收视需要以及摄影作品本身节奏叁方面因素进行具体分析,为视频后期剪辑制作中镜头时长处理与设计工作发展提供参考。(本文来源于《西部广播电视》期刊2019年18期）
余晓燕[4]（2019）在《让“老镜头”焕发青春——浅谈张家港电视台视频资料的保护和开发利用》一文中研究指出在移动视频成为传播主流的当下,县级电视台所制播的老素材和节目凸显出它的价值。如何让这些沉睡的"老镜头"旧貌换新颜,在融媒体时代发挥其应有价值,本文结合张家港电视台利用高清媒资库,加强节目素材管理,探索视频资料的开发和利用措施。(本文来源于《视听界》期刊2019年05期）
高尹,刘颖,来毅,刘陆[5]（2019）在《引入视觉感知的视频镜头分割》一文中研究指出视频的大数据时代已经到来,将视频序列分割成镜头来进行视频内容分析和视频检索是十分重要的研究方向。文中提出一种基于帧间一致(Frame Consistency,FC)模型和光流特征的视频镜头分割技术。利用基于视觉感知的"整体到局部"的思想,首先浏览视频,除去视频的冗余信息,以降低计算成本,并通过提取视频的视觉特征构建帧间一致性函数,以此创建可能的镜头分割集合,并结合运动特征进一步优化分割结果。该技术在评估上,其精确度、召回率和F1值,都呈现出较好的效果。(本文来源于《现代电子技术》期刊2019年18期）
王涛,田丰[6]（2019）在《一种针对经纬图全景视频的突变镜头边界检测方法》一文中研究指出随着经纬图全景视频内容的增多,相关科研人员逐渐关注如何高效检索、管理这些视频数据,镜头边界检测作为视频检索中重要的一环。针对当前对于经纬图全景视频突变镜头边界检测的研究尚且缺乏,提出了一种针对经纬图全景视频的突变镜头边界检测方法。算法中根据经纬图映射特点,对经纬图全景视频采用非均匀采样的方式,统计其颜色直方图,计算帧间差值,并利用自适应阈值方法计算突变镜头检测阈值。通过实验结果表明,该方法具有很高的准确性。(本文来源于《工业控制计算机》期刊2019年08期）
陈康[7]（2019）在《浅谈色彩心理学于教学视频中主讲教师特写镜头中的使用》一文中研究指出色彩是沉默的语言。在大部分教学视频的录制中,关于"色彩"这个问题都没有得到足够的重视和处理。主讲教师的特写镜头作为一个能影响整个教学视频色彩基调的重要画面,其色彩构成应受重视。在本文中笔者将使用调查法、观察法、文献研究法等方法进行研究。通过分析该镜头的色彩变量失调带来的不良反应,并针对这些情况和问题根据色彩心理学和客观规律提出解决方案。(本文来源于《传播力研究》期刊2019年24期）
李姗姗[8]（2019）在《基于SIFT特征的视频镜头边界检测算法研究》一文中研究指出视频镜头检测是基于视频内容检索的基础,具有非常重要的意义。从内容上看,镜头有两种变化形式:突变和渐变,渐变相对于突变来说,持续时间长、变化缓慢,检测难度相对较大。在阅读了大量的文献和研究了主流的视频镜头检测技术后,该文针对镜头边界检测算法中存在的查全率和查准率不高的问题,提出了一种基于SIFT(Scale Invariant Feature Transformation,尺度不变特征变换)特征的视频镜头边界检测算法。论文的主要研究内容和贡献包括:(1)针对SIFT算法中的特征点描述子维数较高、耗时较长的问题进行了改进。该文在SIFT算法的基础上重新划分特征点领域,将特征点描述子维数降低50%,通过降低特征点描述子的维数,进一步提高了算法的精度,实验结果表明,改进后的算法平均每一秒完成特征点提取的视频帧数为31.8431,与文献[33]相比平均每一秒的特征点提取效率提高了20.48%,改进后的SIFT算法的特征提取效率有明显提高,可以满足实时性的要求。(2)将SIFT算法运用到视频镜头检测中,提出一种基于SIFT特征点的视频镜头边界检测算法。由于SIFT特征是从图像中提取的具有克服偏移、旋转、仿射、光照等影响的局部特征,具有一定的稳定性,该文将SIFT算法作为图像匹配的基础,进行视频镜头边界检测。实验结果表明,该镜头边界检测方法的查全率、查准率为100%和97.50%,比文献[14]查全率和查准率分别高出7.4%和8.8%,实验结果说明该镜头边界检测方法能有效抵抗镜头缩放变化、视角变化的影响,具有较强的抗干扰能力。(3)提出一种新的镜头边界判别方法,根据视频帧序列相邻连续帧图像上匹配的特征点数目,计算出连续帧的相似度,绘制帧间相似性曲线,通过曲线的水平变化判断视频内容是否发生变化,以此来检测镜头是否发生突变和渐变。经实验证明,镜头检测结果显示查全率、查准率为97.30%和96.03%。在新闻和电影视频的镜头边界检测结果中显示,该算法查全率和查准率与文献[11]、文献[12]、文献[13]相比均有较大提高,表明了该算法在镜头边界检测中的有效性。(本文来源于《武汉轻工大学》期刊2019-06-01）
邵晨智[9]（2019）在《基于音视频特征融合的暴力镜头识别方法研究》一文中研究指出暴力镜头检测是多媒体视频领域一项极其重要的任务,具有较高的研究价值和现实意义。目前多媒体视频的数量与日俱增,这给暴力镜头检测的速度带来了更高的要求。而且暴力镜头涉及的语义类型众多,包括打斗、尖叫、爆炸等,这也给暴力镜头检测任务带来了极大的挑战。当下绝大多数研究只涉及到某一种暴力类型,检测的种类相对单一,而且准确率较低,因而亟需面向多种语义类型的暴力镜头快速检测技术。首先,本文基于暴力的出现一般以镜头为最基本单位的原则,对多媒体视频进行了镜头分割,然后对单个镜头进行暴力识别。视频序列的镜头分割是视频检索中的关键技术之一。针对传统镜头分割方法在单一场景下分割效果差、对于渐变镜头检测准确率低等问题,本文出了一种基于视觉认知机理的视频镜头分割方法。该方法利用分块颜色直方图强化视觉显着区域,突出前后帧之间的差异特征,进一步高在单一场景下检测镜头切换的准确率。此外,基于人类对于视频图像亮度的视觉感知规律,利用滑动窗内相邻多帧之间的差异来捕捉镜头渐变时亮度的变化规律。与传统方法相比,本文所出的算法取得了较好的分割效果,具有较高的查准率和查全率。其次,本文分别从视觉通道、听觉通道、视听双通道对于单个镜头的暴力成分进行了深入分析。在视觉通道上,本文比较了视频行为分析领域效果最好的密集轨迹特征方法和目前业界使用较广泛的深度学习方法。在深度学习方法中,本文将相邻两帧图像的帧间差分图作为卷积神经网络(Convolutional Neural Network,CNN)的输入,之后将CNN学习到的每个帧间差分图的特征送入长短时记忆(Long Short-Term Memory,LSTM)网络中,对时序信号进行建模。本文在LSTM结构中,使用卷积操作进行了改进,改进后的ConvLSTM网络取到了更高层的空间特征。在听觉通道上,本文针对目前暴力音频数据集稀缺问题,基于MediaEval电影数据构建了一个VioAudio数据集,然后比较了传统的声学特征方法和分别用原始音频波形图和音频语谱图作为网络输入的深度学习方法。最后,本文基于视觉通道和听觉通道上结果最好的深度学习模型进行了融合实验。我们将视频中相邻图像帧的帧间差分图及其对应的音频波形图分别送入两个CNN网络中进行特征的取,之后对特征进行融合送入LSTM网络中,利用长短时记忆网络对时序信息进行建模与分类。实验表明了该音视频融合方法的有效性。本文的研究工作为目前的镜头分割任务和多媒体视频中暴力镜头检测供了有效的解决方案,在多个数据集上的实验表明,本文出的方法具有一定的可行性和现实意义。同时音视频融合方案也为目前多模态信息融合供了新的思路和方向。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张静[10]（2019）在《基于内容的视频镜头边界检测和关键帧提取》一文中研究指出面对海量的结构复杂的视频,如何快速、准确地检索到自己感兴趣的视频内容成为当今研究的热点和难点。目前,传统的基于文本的检索方法已很难适应新的需求。因此,基于内容的视频检索方式应运而生。基于内容的视频检索就是通过研究图像帧的特征,并以此特征进行相似性匹配的一种检索方法,其主要包括镜头边界的检测、关键帧的提取、相似性匹配等相关技术。本文对镜头边界的检测和关键帧的提取两个方面进行了研究,主要进行了以下工作:(1)提出一种HSV颜色直方图和GLCM纹理特征相融合的特征提取算法。非均匀分块提取HSV颜色特征和GLCM纹理特征,适当地分配权重,将70%的权重分配给颜色分量(HSV),将30%的权重分配给纹理分量(GLCM),以此融合特征来表征图像帧。(2)提出一种多特征融合的全局阈值与自适应双阈值结合的镜头边界检测算法。提取图像帧特征,进行特征的融合求出帧间相似性指数;然后用全局阈值与自适应双阈值结合的方式判断镜头边界。这样,避免了人为设置阈值的随意性,有效的区分渐变、突变,并排除物体运动、闪光等的混淆,提高了对镜头边界检测的准确率和查全率。(3)提出一种基于K-Means++聚类和相互比较的关键帧提取算法。利用K-Means++聚类初步提取关键帧,然后对从聚类中输出的关键帧进行相互比较,以去除近乎重复的关键帧。这样,提取的关键帧既能保持镜头内容上的完整性,也能降低关键帧之间的冗余度。(4)通过实验来分析所提出的算法,证明算法的有效性。(本文来源于《南昌航空大学》期刊2019-06-01）
视频镜头论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
视频镜头边界检测(shot boundary detection,SBD)是视频检索中的关键预处理步骤,视频的每个帧段都全被归类为渐交、切变或不变。针对渐变镜头检测难度高和计算量过大的问题,本文提出了一种基于3D卷积和DenseNet相结合的深度镜头边界检测(DSBD)算法。该算法首先将视频分帧段随机分配标签,输入到3D DeseNet网络中,将具有相间标签的输出帧段合并,然后使用颜色直方图法测量帧段之间的巴氏距离来进行二次分类,最后能输出正确的帧段。通过在目前最常用的数据集UCF101_SBD和TRECVID以及最大的镜头检测数据集ClipShots上实验表明,该方法具有良好的检测效果,且计算时间较短,优于之前的算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频镜头论文参考文献
[1].蒋菡.这些“冒着热气”的镜头最动人[N].工人日报.2019
[2].张翔,赵晓丽,张嘉祺,陈正,张佳颖.基于3DDenseNet的视频镜头边界检测方法[J].光电子·激光.2019
[3].王洪祥.视频后期剪辑制作中镜头时长的处理[J].西部广播电视.2019
[4].余晓燕.让“老镜头”焕发青春——浅谈张家港电视台视频资料的保护和开发利用[J].视听界.2019
[5].高尹,刘颖,来毅,刘陆.引入视觉感知的视频镜头分割[J].现代电子技术.2019
[6].王涛,田丰.一种针对经纬图全景视频的突变镜头边界检测方法[J].工业控制计算机.2019
[7].陈康.浅谈色彩心理学于教学视频中主讲教师特写镜头中的使用[J].传播力研究.2019
[8].李姗姗.基于SIFT特征的视频镜头边界检测算法研究[D].武汉轻工大学.2019
[9].邵晨智.基于音视频特征融合的暴力镜头识别方法研究[D].哈尔滨工业大学.2019
[10].张静.基于内容的视频镜头边界检测和关键帧提取[D].南昌航空大学.2019