基于多特征的视频场景分类方法技术

本发明专利技术涉及一种视频场景分类技术领域，是一种基于多特征的视频场景分类方法，包括S1提取场景视频的关键帧集合；S2计算每一个场景视频的平均关键帧；S3对每一个平均关键帧进行划分；S4提取场景多特征，场景多特征包括颜色特征和纹理特征；S5：利用多特征融合进行融合，获得场景视频的综合特征；S6：将综合特征与其对应的特征阈值比较进行场景分类，使用阈值判定分类法得到多个场景类别。本发明专利技术的阈值判定分类法充分利用了视频的结构化特征，在区分不同的场景时具有较高的准确率，分类结果稳定性强，是一种鲁棒性高的分类算法，具有动态分类的特点，分类的类别数目根据阈值确定，不需要事先划分类别数目以及训练集训练，分类过程易于实现。

Multi feature based video scene classification

【技术实现步骤摘要】
基于多特征的视频场景分类方法
本专利技术涉及一种视频场景分类
，是一种基于多特征的视频场景分类方法。
技术介绍
近些年，网络信息技术飞快的发展，使得视频信息量呈急剧膨胀之态。这对于视频快速检索来说，具有相当大的挑战。为了提升检索视频的效率，可利用视频场景分类技术加快视频检测效率来达到快速视频检索的目的。一些研究者带头对场景识别与分类领域展开研究，提出了辨识与分类相关模型。随着研究深入，模式识别技术在图像处理领域有了更广泛的应用，如场景分类技术。场景分类技术的应用有以下几个方面：(1)机器视觉：在计算机视觉领域，机器人能够智能的处理“看到”的事物，并对这些信息做出智能反馈，这离不开场景辨识与分类技术。(2)图像增强：随着对场景辨识与分类技术研究的深入，这项技术被运用到图像增强技术中。首先，根据场景的差异性对待增强图像进行划分；其次，为了达到较好的图像增强效果，采用差异化图像增强算法对划分后的图像进行图像增强处理。场景划分也是一个场景分类的过程，因此，使用场景分类技术能够极大地提升图像增强的效果。(3)视频检索：伴随着本文档来自技高网...

【技术保护点】
1.一种基于多特征的视频场景分类方法，其特征在于包括以下步骤：/nS1：输入场景视频片段，提取场景视频的关键帧集合；/nS2：对于每一个场景视频的关键帧集合的关键帧，计算其平均关键帧；/nS3：对每一个平均关键帧进行划分，分别得到各平均关键帧的感兴趣区域、次感兴趣区域和不感兴趣区域；/nS4：分别提取感兴趣区域和次感兴趣区域的场景多特征，场景多特征包括颜色特征和纹理特征；/nS5：利用多特征融合技术将颜色特征和纹理特征进行融合，获得场景视频的综合特征；/nS6：使用阈值判定分类法进行场景分类：将感兴趣区域ROI和次感兴趣区域SROI的综合特征分别与其对应的特征阈值比较，根据对比结果得到多个场景...

【技术特征摘要】
1.一种基于多特征的视频场景分类方法，其特征在于包括以下步骤：
S1：输入场景视频片段，提取场景视频的关键帧集合；
S2：对于每一个场景视频的关键帧集合的关键帧，计算其平均关键帧；
S3：对每一个平均关键帧进行划分，分别得到各平均关键帧的感兴趣区域、次感兴趣区域和不感兴趣区域；
S4：分别提取感兴趣区域和次感兴趣区域的场景多特征，场景多特征包括颜色特征和纹理特征；
S5：利用多特征融合技术将颜色特征和纹理特征进行融合，获得场景视频的综合特征；
S6：使用阈值判定分类法进行场景分类：将感兴趣区域ROI和次感兴趣区域SROI的综合特征分别与其对应的特征阈值比较，根据对比结果得到多个场景类别。


2.根据权利要求1所述的一种基于多特征的视频场景分类方法，其特征在于：S1中，对于每一个场景视频片段，提取其场景视频关键帧集合，公式为：
fs＝F(VStream),fs＝{f1,f2,f3,···,fn}(1)
其中，VStream是视频流片段；fs是关键帧集合；fn是视频流的一帧关键帧。


3.根据权利要求2所述的一种基于多特征的视频场景分类方法，其特征在于：S2中，设表示平均关键帧，平均关键帧的表示公式如下所示：



其中，i＝1····n，n为单视频关键帧个数，fi为关键帧集合。


4.根据权利要求3所述的一种基于多特征的视频场景分类方法，其特征在于：S3中，每一个平均关键帧划分的步骤如下：
S31：将计算得到的平均关键帧图像进行分割，采用基于区域和位置的分割方式分割平均关键帧图像，分别提取出感兴趣区域ROI、次感兴趣区域SROI以及对于场景识别无效的不感兴趣区域NOI，分别得到了无序的感兴趣图像元bc、次感兴趣图像元bt、不感兴趣图像元br的图像元集合，分割得到的感兴趣图像元bc、次感兴趣图像元bt、不感兴趣图像元br的所有图像元的尺寸均相等；
S32：将带有空间位置信息和具有区域属性的感兴趣图像元bc、次感兴趣图像元bt、不感兴趣图像元br分别按一定的排列方式进行拼接，形成带有空间结构信息的有序感兴趣区域ZROI及次感兴趣区域ZSROI；
S33：将感兴趣区域ZROI及次感兴趣区域ZSROI分别全部提取出来，再次拼接各区域像元，采用矩阵形式形成具有整体结构特征的感兴趣区域ROI和次感兴趣区域SROI。


5.根据权利要求4所述的一种基于多特征的视频场景分类方法，其特征在于：S5中，获取场景视频的综合特征的过程如下：
S51：采用灰度共生矩阵表示图像的纹理特征信息，使用能量、相关性及对比度作为标量表示灰度共生矩阵的特征，设ASM表示能量，COR表示相关性，CON表示对比度，纹理特征向量的计算公式如下：



其中，
G(i,j)表示灰度共生矩阵，i和j分别表示矩阵中像素点的横坐标和纵坐标，ui,Si分...

【专利技术属性】
技术研发人员：杨丽娜，摆小军，黎红，杨柳，李志刚，朱帕尔·努尔兰，马梅芳，高阳，王楷，蒋诗百，魏乐，胡美慧，王巧莉，李雅洁，
申请(专利权)人：国网新疆电力有限公司信息通信公司，国家电网有限公司，
类型：发明
国别省市：新疆;65