导读:本文包含了镜头分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:镜头,特征,直方图,关键,度量,视频,模型。
镜头分割论文文献综述
高尹,刘颖,来毅,刘陆[1](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)
张昊骕,朱晓龙,胡新洲,任洪娥[2](2019)在《基于SURF和SIFT特征的视频镜头分割算法》一文中研究指出在视频镜头分割处理中,SIFT(Scale-invariant feature transform)特征由于其具有尺度、旋转不变性等诸多优点而被广泛应用,但是SIFT特征提取复杂,计算量大,导致程序效率低下,很难满足实时性的要求。本文提出了一种基于SURF(Speeded Up Robust Features)和SIFT特征的视频镜头分割算法。首先对相关帧进行颜色直方图特征提取,然后通过一个自适应阈值判断是否为候选帧,如果不是,则融合SURF特征再进行复检。最后筛选出的候选帧再通过SIFT算法进行复选,去除误检帧,有效解决了SIFT特征低效率的问题。实验结果表明,对于切变镜头查全率为95%,查准率为93%,对于渐变镜头查全率为90%,查准率为76%,平均单帧运行时间为0.26s,本算法与SIFT、SURF等单一特征的算法相比,在高效性和准确性之间取得了平衡,并且它是鲁棒的。(本文来源于《液晶与显示》期刊2019年05期)
王垚[3](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)
谭凯,吴庆波,孟凡满,许林峰[4](2019)在《基于镜头分割与空域注意力模型的视频广告分类方法》一文中研究指出随着视频广告在检索和用户推荐等领域的广泛应用,视频广告的分类成为一个重要问题。与现有视频分类任务不同,视频广告有其自身的特点:1)在时域上,产品对象在广告视频中的出现具有非周期性和稀疏性的特点,这使得分类任务需要排除大量与视频类别不相关的视频帧的干扰,利用少数相关视频帧进行分类;2)在空域上,视频帧中除产品外,还包含复杂背景的问题,这使得有效捕捉产品信息变得困难。为了解决上述问题,文中提出了一种基于镜头分割和空域注意力模型的视频广告分类方法,简称SSSA。针对视频中存在的大量干扰帧,文中使用基于镜头切换的分割方法采样视频帧。针对视频帧中包含复杂背景,文中在网络中引入视觉注意力机制帮助网络从产品相关区域提取判别性的特征。为了验证所提方法的有效性,构建了一个包含1 000多个视频广告的数据库(简称TAV)并收集了眼动数据来训练注意力模型。实验结果显示,提出的SSSA视频分类方法比现有的视频分类方法在性能上提升了10%。(本文来源于《计算机科学》期刊2019年03期)
李强军,李启南[5](2019)在《基于互信息量和自回归模型的镜头分割方法》一文中研究指出随着互联网的急速发展,盗版,不健康,暴力等视频在网络上肆意流窜,如何快速、有效、准确地对视频数据进行管理,已然成为迫切需要解决的问题。在视频处理过程中,首先是对镜头进行分割,然后再进行视频帧的分析处理。然而许多视频内容的复杂性比较高,不一定能得到比较好的分割结果。鉴于此,提出一种基于互信息量和自回归模型的自适应阈值镜头分割算法。该算法首先以非均匀分块加权HSV直方图为基础,通过计算两帧的互信息量求出两帧的相似度值,然后建立自回归模型产生自适应阈值进行镜头分割,最终实现突变镜头的突变检测和渐变镜头的渐变检测,并采用时间窗口进一步降低检测误差。以优酷网上随机抽取下载的真实视频为测试对象,实验结果表明,该算法可适用于不同类型的视频镜头分割,具有很好的检测效果。(本文来源于《计算机技术与发展》期刊2019年01期)
王文诗,黄樟钦,王伟东,田锐[6](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)
来毅,辛可嘉,刘颖[7](2018)在《多特征融合的视频镜头分割》一文中研究指出针对传统镜头分割算法特征单一、分割效果较差等问题,提出了一种多特征融合的视频镜头分割算法。首先,通过建立一种优化模型,融合空间差异度量和感知哈希度量两种重要特征,构造一种镜头边界区分能力更强的镜头边界检测特征,即像素差异度量;其次,结合直方图差异度量,形成有效的镜头边界检测策略,以便更加准确判断是否发生镜头切换。实验结果表明,与传统算法相比,所提算法取得了较好的分割效果,具有较高的查准率和查全率。(本文来源于《电讯技术》期刊2018年07期)
杨瑞琴[8](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)
杨瑞琴,吕进来[9](2018)在《基于双重检测的视频镜头分割方法》一文中研究指出为准确检测出视频的镜头边界,有效区分突变和渐变镜头,提出一种基于双重检测的镜头分割方法。该方法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,提出利用滑动窗口对镜头的过渡时间进行检测。实验结果表明,该方法的查全率和查准率均超过了80%,与其它方法的检测结果相比具有较高的准确性。(本文来源于《计算机工程与设计》期刊2018年05期)
吉祥,王源,仝小敏,戴永恒,李鑫[10](2018)在《基于GIST特征和条件判定的视频镜头分割算法》一文中研究指出视频镜头分割是视频处理研究中的基础问题,目的是为了检测视频中的切变帧和渐变帧,以便将视频分割成不同的镜头片段,为后续的关键帧提取和视频智能处理奠定基础。现有的镜头分割方法在视频特征提取和噪声处理如物体/镜头移动、光线变化上还不能满足人们的要求,为了弥补这些不足,本文提出一种基于GIST特征和条件判定的视频镜头分割算法。首先,提取视频的GIST特征;其次,计算视频前后帧的GIST特征差值并构建双阈值判定条件,对切变帧和渐变帧进行初步筛选;第叁,构建基于SIFT的特征匹配判定条件,完成对候选帧的进一步筛选,得到最后的视频镜头分割结果。本文算法在公开视频数据集OPENVIDEO上进行了测试,得到了比传统镜头分割算法更好的结果。(本文来源于《中国电子科学研究院学报》期刊2018年02期)
镜头分割论文开题报告
(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:
在视频镜头分割处理中,SIFT(Scale-invariant feature transform)特征由于其具有尺度、旋转不变性等诸多优点而被广泛应用,但是SIFT特征提取复杂,计算量大,导致程序效率低下,很难满足实时性的要求。本文提出了一种基于SURF(Speeded Up Robust Features)和SIFT特征的视频镜头分割算法。首先对相关帧进行颜色直方图特征提取,然后通过一个自适应阈值判断是否为候选帧,如果不是,则融合SURF特征再进行复检。最后筛选出的候选帧再通过SIFT算法进行复选,去除误检帧,有效解决了SIFT特征低效率的问题。实验结果表明,对于切变镜头查全率为95%,查准率为93%,对于渐变镜头查全率为90%,查准率为76%,平均单帧运行时间为0.26s,本算法与SIFT、SURF等单一特征的算法相比,在高效性和准确性之间取得了平衡,并且它是鲁棒的。
(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。
镜头分割论文参考文献
[1].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
[2].张昊骕,朱晓龙,胡新洲,任洪娥.基于SURF和SIFT特征的视频镜头分割算法[J].液晶与显示.2019
[3].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
[4].谭凯,吴庆波,孟凡满,许林峰.基于镜头分割与空域注意力模型的视频广告分类方法[J].计算机科学.2019
[5].李强军,李启南.基于互信息量和自回归模型的镜头分割方法[J].计算机技术与发展.2019
[6].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
[7].来毅,辛可嘉,刘颖.多特征融合的视频镜头分割[J].电讯技术.2018
[8].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
[9].杨瑞琴,吕进来.基于双重检测的视频镜头分割方法[J].计算机工程与设计.2018
[10].吉祥,王源,仝小敏,戴永恒,李鑫.基于GIST特征和条件判定的视频镜头分割算法[J].中国电子科学研究院学报.2018