【技术实现步骤摘要】
本专利技术涉及一种视频镜头边界检测方法。特别是涉及一种用同一视频镜头中内容具有的连续性与相似性的特性,通过超图模型对视频镜头内图像帧的分析,确定视频各个镜头边界的基于超图的视频镜头边界检测方法。
技术介绍
视频镜头通常指摄像机一次连续拍摄的视频片段,视频镜头边界通常指视频镜头相邻帧之间出现了某种意义上的变化。视频镜头边界检测是用来寻找多个连续镜头之间边界的一种技术。当两个视频镜头发生转换时,通常会出现一些明显的变化,例如颜色特征的变化等。视频镜头边界通常包含两种类型。一种是突变镜头(abruptshot),指视频帧从一个镜头突然跳到另一个镜头。突变镜头通常发生在两帧之间,前后两帧分别属于前后两个镜头。另一种是渐变镜头(gradualshot),指视频帧从一个镜头逐渐缓慢的过渡到另一个镜头,镜头会有一种在时间和空间上的编辑效果。渐变镜头通常包括渐入渐出(fadeinandfadeout)、叠化(dissolve)等。渐变镜头通常发生在几帧到十几帧之间,是前后两个镜头的过渡。其中突变镜头较容易检测,而渐变镜头较难检测,是镜头边界检测的重点。视频镜头边界检测主要包括视频帧的特征提取、视频特征间的相似性度量、镜头边界确定三个步骤。现有的视频镜头边界检测技术主要有基于边缘的方法和基于运动信息的方法。图像的边缘和梯度信息可以很好的表现图像的视觉信息,因此可以作为视频图像的特征使用。基于边缘的视频镜头检测方法通常对相机、物体的运动比较 ...
【技术保护点】
一种基于超图的视频镜头边界检测方法,其特征在于,包括如下步骤:1)提取视频特征;2)构建k近邻超图模型:H(v,e)=1,ifv∈e0,ifv∉e---(1)]]>其中,v代表超图的顶点,e代表超图的超边,H(v,e)为关联矩阵;3)寻找视频镜头边界,包括:(1)首先根据k近邻超图模型,计算给定一个查询顶点时,其他顶点相对于该顶点的得分向量:f=(1‑γ)(I‑γΘ)‑1y (2)其中,γ为常量系数;I为单位矩阵;y为超图n个顶点的标签向量,维度是n×1维,f为相对于查询点的得分向量,维度是n×1维;Θ为n×n的拉普拉斯矩阵,Θ=Dv‑1/2HWDe‑1HTDv‑1/2,其中,W为权重矩阵,是以边的权重w(e)为对角线构成超边的权重矩阵:w(e)=Σvi,vj∈e||vi-vj||2---(3)]]>Dv为顶点的度矩阵,是以顶点的度d(v)为对角线构成顶点的度矩阵:d(v)=∑e∈Ew(e)·H(v,e) (4)De为超边的度矩阵,是以边的度d(e)为对角线构成超边的度矩阵:d(e)=∑v∈eH(v,e ...
【技术特征摘要】
1.一种基于超图的视频镜头边界检测方法,其特征在于,包括如下步骤:
1)提取视频特征;
2)构建k近邻超图模型:
H ( v , e ) = 1 , i f v ∈ e 0 , i f v ∉ e - - - ( 1 ) ]]>其中,v代表超图的顶点,e代表超图的超边,H(v,e)为关联矩阵;
3)寻找视频镜头边界,包括:
(1)首先根据k近邻超图模型,计算给定一个查询顶点时,其他顶点相对于该顶点的
得分向量:
f=(1-γ)(I-γΘ)-1y(2)
其中,γ为常量系数;I为单位矩阵;y为超图n个顶点的标签向量,维度是n×1维,f
为相对于查询点的得分向量,维度是n×1维;Θ为n×n的拉普拉斯矩阵,
Θ=Dv-1/2HWDe-1HTDv-1/2,其中,W为权重矩阵,是以边的权重w(e)为对角线构成超边的
权重矩阵:
w ( e ) = Σ v i , v j ∈ e | | v i - v ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。