导读:本文包含了关键镜头提取论文开题报告文献综述及选题提纲参考文献，主要关键词:特征提取,镜头边界检测,阈值,关键帧提取
关键镜头提取论文文献综述
张静[1]（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）
王垚[2]（2019）在《视频镜头分割及关键帧提取技术研究》一文中研究指出信息技术的发展已经在不同的应用领域中产生了大量的视频数据。由于视频数据难以对其进行组织、索引和检索,因此基于内容的视频检索技术近年来已成为一个重要的问题。基于内容的视频检索技术主要研究视频的镜头边界检测、视频的关键帧提取以及视频检索等技术。本文是在出版业进行电子化革新,需要将音视频等文件进行有效的存储、索引和检索的背景下,结合目前视频检索的研究现状进行的一个研究和实践。本文的研究工作有如下几点:在学习传统的基于颜色、纹理特征进行视频突变镜头检测的基础上,结合当前深度学习技术在图像识别和图像特征提取方面的先进性,改进现有的突变镜头检测方法。在将卷积神经网络特征与传统的直方图特征结合后,通过实验调整阈值参数,突变镜头分割的准确率比传统方法有提升。在现有的渐变镜头检测方法的基础之上,提出了一种基于循环神经网络的渐变镜头检测方法。首先设计适合对视频帧进行分类的网络模型,通过收集和整理一定量的训练数据,对网络模型进行训练和验证,最终使之能以较高准确率完成对渐变帧和普通帧的分类任务。在学习传统的基于帧间差的关键帧提取方法以及基于聚类的关键帧提取方法的基础上,按照k均值聚类的步骤,结合视频帧具有时序性的特点,改进聚类方法,使聚类的结果具有时序性。最后结合实际项目,设计一个视频检索的实验以及能满足实验要求的视频相似度度量方法。通过实验测试,该视频检索在对相似视频进行检索时具有较高的准确率,能满足实际项目需求。(本文来源于《北方工业大学》期刊2019-05-06）
王文诗,黄樟钦,王伟东,田锐[3]（2018）在《视频镜头分割与关键帧提取算法研究》一文中研究指出为了解决关键帧提取算法性能因特征选取单一而受视频类型多样性限制等问题,提出了一种基于多特征的关键帧提取方法 .该方法在检测到的每个镜头内,采用颜色特征、小波统计特征和SIFT局部特征计算视频帧间综合相似度矩阵.然后采用一个改进的谱聚类算法将镜头帧分组,每一组的中心帧被选择作为关键帧,其中关键帧的数目通过计算聚类不稳定性的极小值进行估计.通过实验利用F1分数、保真度和镜头重构度等评估标准验证了该方法的有效性.(本文来源于《湘潭大学自然科学学报》期刊2018年04期）
杨瑞琴[4]（2018）在《视频检索中镜头分割及关键帧提取技术的研究》一文中研究指出近年来,随着数字控制技术和网络技术的飞速发展,视频资源的数据量呈现爆炸式增长,同时高速发展的互联网使传输和共享视频变得更加方便,存储和管理这些数据变得越来越重要。所有这些现状都为视频检索技术创造了巨大的需求,并激励众多学者进一步推进这项技术的研究。视频检索是用来在浩瀚的视频资源中获取所需视频资料,传统方法是通过人工注释对视频进行关键词的标注,这种基于文本的方法虽然简单但主观性较强,并且耗时耗力,不是一种有效的管理、检索视频方法。基于内容的视频检索方法是对视频帧自带的信息特征进行分析处理,然后通过相关算法自适应地选出人们所要的视频,从而更加灵活、高效地存储、管理和检索视频数据,该技术开始受到越来越多的关注。在视频检索中,如何准确地对视频镜头进行分割,是提高检索准确度的基础。如何从视频中提取有效的代表帧,是提高检索系统性能的重要环节。通过深入分析和整理视频检索中现有的镜头分割和关键帧提取技术的优点和存在的不足,在前人研究的基础上,针对其中的不足提出了相应的改进,主要研究如下:(1)在镜头分割方面,提出了基于双重检测的镜头分割方法。该方法主要分初检和复检两个过程,初检是对视频帧进行目标与背景的分离,对目标利用Hu不变矩提取特征并进行检测;复检采用叁维颜色直方图对初检结果进一步检测,得到镜头边界。根据突变和渐变镜头的过渡时间不同的特点,提出了利用可变滑动窗口对镜头的过渡时间进行检测。为了证明该方法的准确性和稳定性,通过实验对四段不同类型的视频数据进行了镜头分割,与其他分割方法相比,本方法的查全率和查准率均在90%以上,漏检率低,整体算法的效率优于其他方法。(2)在关键帧提取方面,提出了基于DCT和NCIE的关键帧多级提取方法。为了保证图像质量并减少计算量,首先选用离散余弦变换(Discrete Cosine Transform,DCT)系数来代替视频帧的底层特征,并根据镜头的复杂度,利用差异程度来区分变化复杂镜头和变化单一镜头,完成初步分类;其次,利用非线性相关信息熵(Nonlinear Correlation Information Entropy,NCIE)度量法将动态镜头中多帧作为一个整体进行相关性度量,将该类镜头进一步细分成若干个子镜头;最后分别提取子镜头中最具代表性的一帧和静态镜头的中间帧作为关键帧。经实验证明,该方法相较于其他方法,在减少误检率和漏检率的同时,将保真度提高了0.7个百分点,在主观评价方面也优于其他关键帧提取算法。(本文来源于《太原理工大学》期刊2018-06-01）
李继伟[5]（2018）在《视频镜头边缘检测与关键帧提取算法的应用研究》一文中研究指出随着信息技术的迅速发展,互联网以及多媒体技术被广泛应用,大量的视频信息在人们的日常生活和工作中产生,它们为人们的生活带了极大的便利。然而,面对结构复杂多样的视频数据内容,如何在海量的视频数据量中进行存储、检索视频已成为视频研究领域热门而又亟需解决的问题。基于此,本文主要对视频检索中的若干问题进行研究,主要包括镜头检测、关键帧提取,分别详细介绍镜头边缘检测算法以及关键帧提取算法,并分析各算法的特点。在视频帧特征提取技术中,本文在镜头检测和关键帧提取两个方面的研究中均先用特征提取,然后运用归一化方法进行特征融合得到显着特征图。前者采用改进的传统方法进行视频帧图像底层特征提取,后者采用深度卷积神经网络的方法进行特征提取。实验表明,在本文的应用中表现出较好的结果。在镜头分割技术中,本文提出了一种基于改进的双重检测模型的镜头检测方法。该方法在镜头边缘检测算法中,先采用非均匀分块颜色直方图不连续度的概念,并结合滑动窗口自适应二分查找算法进行镜头边界初步检测,从而得到镜头初检集。再采用多特征融合的自适应双阈值方法进行视频镜头边缘的复检,并对初检中可能发生镜头变换的位置提取前后n帧图像的纹理和色调积特征,采用跨尺度合并和归一化算法得到综合特征显着图,在此基础上采用自适应双阈值,进一步确定是否是渐变镜头、突变镜头以及干扰导致镜头的误检,从而准确高效检测出视频镜头的边缘。实验表明,该算法在视频镜头边缘检测中具有很好的适应性。在关键帧提取技术中,本文提出的一种基于深度卷积神经网络的关键帧提取算法,即利用深度学习的技术提取关键帧。首先,利用卷积神经网络对视频帧图像特征提取的优势,分别利用卷积层、下采样层、全连接层提取的视频帧图像特征进行融合得到显着图特征,然后,运用帧间相似度度量算法进行关键帧的提取。实验表明,该方法提取出来的关键帧能相对较好的表达视频的主要内容。(本文来源于《华中师范大学》期刊2018-05-01）
吴绍根[6]（2016）在《基于小波变换的视频流镜头切分及关键帧提取》一文中研究指出视频镜头切分及关键帧提取是基于内容的视频检索的基础。通过使用色彩直方图向量来表征视频帧特征,使用余弦夹角来度量视频帧的相似性并建立相邻视频帧的相似性数据序列,再通过小波变换寻找其中的突变数据点或数据点集来完成对视频镜头的切分,最后通过最小直方图特征标准差在每个镜头中提取关键帧。实验表明,该方法能有效地找到镜头的边界,所提取的关键帧可以表达镜头的主要内容。(本文来源于《计算机与数字工程》期刊2016年09期）
钟忺,杨光,卢炎生[7]（2016）在《基于双阈值滑动窗口子镜头分割和完全连通图的关键帧提取方法》一文中研究指出随着多媒体技术的发展,当今工作和生活中的多媒体信息日渐丰富。如何通过分析海量视频快速有效地检索出有用信息成为一个日益严重的问题。为了解决上述问题,提出了一种基于双阈值滑动窗口子镜头分割和完全连通图的关键帧提取方法。该方法采用基于双阈值的镜头分割算法,通过设置双阈值滑动窗口来判断镜头的突变边界和渐变边界,从而划分镜头;并采用基于滑动窗口的子镜头分割算法,通过给视频帧序列加一个滑动窗口,在窗口的范围内利用帧差来对镜头进行再划分,得到子镜头;此外,利用基于子镜头分割的关键帧提取算法,通过处理顶点为帧、边为帧差的完全连通图的方法来提取关键帧。实验结果表明,与其他方法相比,提出的方法平均精确率较高,并且平均关键帧数目较低,可以很好地提取视频的关键帧。(本文来源于《计算机科学》期刊2016年06期）
曲阳[8]（2016）在《视频检索中的镜头分割及关键帧提取方法研究》一文中研究指出随着互联网+时代的到来,多媒体在新形势下面临着新的机遇与挑战,同时也引发了如何利用互联网思维融合多媒体产业的新思考。多媒体信息的迅速增长致使多媒体技术的发展显得尤为重要,如何有效地组织管理视频信息,并快速地从视频数据中检索到自己所需要的视频成为了广大科研学者的研究重点。在这样的背景之下,基于内容的视频检索技术应运而生,它可以通过对视频内容进行分析和处理,实现对视频信息的检索。而视频镜头边界检测以及关键帧提取是基于内容的视频检索中两项关键性的技术,也是实现后续的视频检索功能的基础。因此,本文的主要研究重点是镜头边界检测与关键帧提取。本文给出了将HSV颜色直方图与HOG特征相结合的镜头边界检测算法,包括切变镜头检测和渐变镜头检测两种算法。在切变镜头检测过程中,首先利用HSV颜色直方图检测出切变镜头的位置,由于HSV颜色直方图方法不能表示空间位置信息,同时会受到亮度变换等方面的影响,因此又利用HOG特征来进行二次检测,以提高切变镜头算法的准确率和查全率。在渐变镜头检测过程中,分别以5帧和25帧间隔提取视频图像帧的HOG特征和HSV颜色直方图特征,并综合利用这两个特征进行渐变检测,加快了渐变镜头检测速度的同时获得了较为理想的检测结果。关于关键帧的选取方法,本文在对现有的关键帧提取算法进行研究和分析的基础上,采用基于2DPCA与密度峰值聚类算法的关键帧提取方法,首先利用2DPCA降维方法将图像特征降维,使图像数据具有较低的冗余性,节约了检测时间,然后利用密度峰值聚类分析方法改善了传统算法中关键帧提取数目不够灵活的缺点并直接排除受闪光影响的图像帧。实验结果表明本文的关键帧提取算法能够较为精确地定位关键帧,从主观和客观两个角度来看提取的关键帧具有代表性。(本文来源于《沈阳工业大学》期刊2016-02-27）
潘磊[9]（2015）在《视频镜头检测与关键帧提取技术研究》一文中研究指出镜头检测与关键帧提取是基于内容的视频检索系统的核心技术。介绍视频检索系统产生的背景和相关技术,研究和分析当前已有的镜头检测与关键帧提取算法,提出存在的不足和缺点,并给出相应的解决方案。(本文来源于《轻工科技》期刊2015年10期）
潘磊,束鑫,程科[10]（2015）在《基于压缩传感和EMD距离的视频镜头关键帧提取》一文中研究指出关键帧提取是视频内容分析与检索技术的核心问题。提出了一种基于压缩传感和EMD距离的关键帧提取方法,首先构造一个符合有限等距性质的稀疏矩阵,将帧高维特征投影到低维空间,然后通过计算帧低维特征之间的调节余弦相似度完成子镜头分割。在各子镜头中,利用EMD距离计算帧与子镜头中心的差异,并选择差异最小值所对应的帧作为该子镜头的关键帧。实验结果表明,该方法提取的关键帧能够对视频内容进行准确的描述。(本文来源于《电视技术》期刊2015年17期）
关键镜头提取论文开题报告
（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：
信息技术的发展已经在不同的应用领域中产生了大量的视频数据。由于视频数据难以对其进行组织、索引和检索,因此基于内容的视频检索技术近年来已成为一个重要的问题。基于内容的视频检索技术主要研究视频的镜头边界检测、视频的关键帧提取以及视频检索等技术。本文是在出版业进行电子化革新,需要将音视频等文件进行有效的存储、索引和检索的背景下,结合目前视频检索的研究现状进行的一个研究和实践。本文的研究工作有如下几点:在学习传统的基于颜色、纹理特征进行视频突变镜头检测的基础上,结合当前深度学习技术在图像识别和图像特征提取方面的先进性,改进现有的突变镜头检测方法。在将卷积神经网络特征与传统的直方图特征结合后,通过实验调整阈值参数,突变镜头分割的准确率比传统方法有提升。在现有的渐变镜头检测方法的基础之上,提出了一种基于循环神经网络的渐变镜头检测方法。首先设计适合对视频帧进行分类的网络模型,通过收集和整理一定量的训练数据,对网络模型进行训练和验证,最终使之能以较高准确率完成对渐变帧和普通帧的分类任务。在学习传统的基于帧间差的关键帧提取方法以及基于聚类的关键帧提取方法的基础上,按照k均值聚类的步骤,结合视频帧具有时序性的特点,改进聚类方法,使聚类的结果具有时序性。最后结合实际项目,设计一个视频检索的实验以及能满足实验要求的视频相似度度量方法。通过实验测试,该视频检索在对相似视频进行检索时具有较高的准确率,能满足实际项目需求。
（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。
关键镜头提取论文参考文献
[1].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
[2].王垚.视频镜头分割及关键帧提取技术研究[D].北方工业大学.2019
[3].王文诗,黄樟钦,王伟东,田锐.视频镜头分割与关键帧提取算法研究[J].湘潭大学自然科学学报.2018
[4].杨瑞琴.视频检索中镜头分割及关键帧提取技术的研究[D].太原理工大学.2018
[5].李继伟.视频镜头边缘检测与关键帧提取算法的应用研究[D].华中师范大学.2018
[6].吴绍根.基于小波变换的视频流镜头切分及关键帧提取[J].计算机与数字工程.2016
[7].钟忺,杨光,卢炎生.基于双阈值滑动窗口子镜头分割和完全连通图的关键帧提取方法[J].计算机科学.2016
[8].曲阳.视频检索中的镜头分割及关键帧提取方法研究[D].沈阳工业大学.2016
[9].潘磊.视频镜头检测与关键帧提取技术研究[J].轻工科技.2015
[10].潘磊,束鑫,程科.基于压缩传感和EMD距离的视频镜头关键帧提取[J].电视技术.2015