一种镜头边界检测方法及系统技术方案

本发明专利技术涉及一种镜头边界检测方法及系统，所述的一种镜头边界检测方法包括：获取待检测视频；将待检测视频进行切割获取切割片段；对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；对候选片段进行切变检测以及渐变检测。通过本发明专利技术所述的一种镜头边界检测方法及系统能够针对大多的视频镜头高效的切割镜头边界，提取镜头元素。

A shot boundary detection method and system

【技术实现步骤摘要】
一种镜头边界检测方法及系统
本专利技术涉及一种视频镜头分割边界检测
，具体涉及一种镜头边界检测方法及系统。
技术介绍
5G无线通信技术的出现，个人生产内容浪潮强劲，数字内容生产不再是专业群体的专利，大量用户使用手机就可以生产内容，从而带动数字资源不断增加，反过来又促进人们对无线传输需求不断加大，对有限带宽资源形成了巨大的资源压力。而且在个人生产内容的前提下海量无摘要视频分发在互联网上，由此相对应的是大量不良视频传播对用户造成骚扰。另一方面，数字媒体中的视频资源格式不尽相同，为了让用户在多媒体终端得到良好的视听觉体验，需要对视听内容进行统一管理、运营和播放控制，对于差异化的网络和终端播放条件提出系列视频快速分析技术，本专利技术涉及镜头边界提取方式是其中一个重要环节。目前业界主要有三种提镜头边界的方法：基于聚类的方法、基于机器学习的方法和基于曲线规划的方法：基于聚类的方法，即采用某种聚类算法将类似视频帧聚为一簇，选取每簇中的中心视频帧作为关键帧，以关键帧作为镜头边界切割边缘。具体的实现方法有模糊均值聚类算法、利用光谱聚类算法、相似度图聚类算法等方式。聚类算法提取镜头边界的缺陷在于需要提前设定聚类数目，但聚类数目量级由视频的长度与内容决定，导致需要大量的人工参与干涉，更多应用于实验室环境，无法应用于工程实例。基于机器学习的方法，也称之为基于字典学习。即使用人工智能算法从给定的视频中学习提前标识好的字典，并动态更新字典中的元素，通过人工智能算法识别方式对视频场景进行判定，提取字典元素并组织为镜头边界提取要素。但此种方式需要大量已知标识数据训练，并且对于开放性、字典元素众多的长视频识别效率较低，而无法应用于我方场景。基于曲线规划的方法，即将镜头边界拟合成坐标轴中的曲线，通过简化曲线作为镜头边界切割边缘。首先将视频分割成长度相同的块，然后根据该块中发生的事件为每个块分配一个优先级并绘制出优先权曲线，如果曲线图中两个峰值彼此相邻，那么与此相关的两个相邻块可能共同指代视频中的连续事件，则合并相邻的块。以这种方式提取的镜头具有良好的连续性并避免了重复。但该方法只能描述视频的主要变化点，细节变化不明显。为了解决上述问题，本专利技术提出一种镜头边界检测方法及系统。
技术实现思路
本专利技术解决的技术问题是，提供了一种镜头边界检测方法及系统。所述的一种镜头边界检测方法及系统，能够针对大多的视频镜头高效的切割镜头边界，提取镜头元素。为了解决上述技术问题，本专利技术提供的技术方案为：一种镜头边界检测方法，包括：获取待检测视频；将待检测视频进行切割获取切割片段；对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；对候选片段进行切变检测以及渐变检测。优选地，所述的将待检测视频进行切割的方法为：设定步长变量w；每次移动步长k＝(w-y)/2，进行片段切割，所述y为任意值。优选地，所述的像素亮度特征变化及运动补偿算法分别为：所述像素亮度特征变化值：dl(k，k+l)＝∑i∑j(fk(i，j)-fk+l(i，j))，其中，所述fk(i，j)，fk+l(i，j)分别表示相邻两帧图像的亮度信息；所述运动补偿特征：其中，对于这两个特征的选取主要是考虑到这两个特征能够反应像素局部变化又能克服相机运动的影响，镜头便捷检测更加精确。进一步优选地，所述的获取候选片段的方法为：计算每个切割片段的中心差值di；根据每个切割片段的重心差值计算总的片段的中平均差值μG、局部差值μL以及局部方差δL；根据平均差值、局部差值以及局部方差计算局部自适应阈值TL，所述TL＝μL-α(μG/μL)δL，其中α为参数变量动态系数；将每一个di与TL进行比较，其中，将结果为大于或等于TL的切割片段归类到边界候选片段。其中可以根据服务器压力动态调整步长来增减检测样本数量能够最大化利用服务器计算能力。对于候选检测片段，利用对局部信息变化敏感的像素亮度变化和对大场景变化具有不变性的运动补偿特征相结合的方法和自适应阈值判决方法进行切变渐变判定，在降低计算量提升检测速率的同事也能保障镜头边界检测的精确度。进一步优选地，所述的中心差值的计算方法为：d(i)＝d(i-(w-1)/2，i+(w-1)/2)，其中i＝(w-1)/2，2*(w-1)/2，3*(w-1)/2...。进一步，所述的平均差值、局部差值和局部方差的计算方法为：平均差值μG＝(∑id(i))/N其中N为总切割片段数量；局部差值其中15为自由变量；局部差值方差优选地，所述切变检测的方法为：设定候选片段的集合为S；对集合内每个候选片段通过归一算法运算两帧差值d(k，k+1)，以及局部片段均值μ、标准方差δ；通过局部片段均值μ以及标准方差δ计算自适应阈值，从而选出含有切变的片段以及切变位置；通过两帧差值过滤切变抖动干扰；获取切变片段集合，以及切变片段在对应片段位置。通过上述的切变方法可以确定切边的具体位置，并且针对复杂切变进行排除，避免复杂切变造成误检。进一步优选地，所述的归一算法通过像素亮度特征以及运动补偿特征计算后，对两个结果进行如下的归一计算：d(k，k+l)＝(dI′(k，k+l)+dM′(k，k+l))/2。优选地，所述的对镜头进行渐变检测的方法为：对每个候选片段计算渐变值；通过渐变值判断每个候选片段是否含有渐变，所述的判断方法为，获取每个候选片段的最大渐变值，并与自适应阈值进行比较，若大于，则含有渐变；记录最大渐变值的位置，并进行下列判断：d(c-l)＜d(c-l+1)＜…＜d(c-1)；d(c+l)＜d(c+l-1)＜…＜d(c+1)；如果判断结果为是，记录片段的渐变中心和渐变长度。一种镜头边界检测系统，包括：视频获取模块：所述视频获取模块用于获取待检测视频；切割模块：所述切割模块用于将待检测视频进行切割获取切割片段；候选片段获取模块：所述候选片段获取模块用于对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；检测模块：所述检测模块用于对候选片段进行切变检测以及渐变检测。与现有技术相比，本专利技术具有的有益效果为：通过本专利技术所述的一种镜头边界检测方法及系统能够针对大多的视频镜头高效的切割镜头边界，提取镜头元素。具体为，基于视频速率设定移动步长进行片段切割，根据像素亮度差及运动补偿算法对切割片段判定候选片段，并进行切变及渐变两种镜头切换判定镜头边界。本专利技术所述的算法无需大样本量提前训练，无需人员参与，不局限于实验室，可以实际的应用到工程中。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术所述的一种镜头边界检测方法的流程示意图；图2是本专利技术所述的实施例的示意图；图3是本专利技术所述的本文档来自技高网...

【技术保护点】
1.一种镜头边界检测方法，其特征在于，包括：/n获取待检测视频；/n将待检测视频进行切割获取切割片段；/n对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；/n对候选片段进行切变检测以及渐变检测。/n

【技术特征摘要】
1.一种镜头边界检测方法，其特征在于，包括：
获取待检测视频；
将待检测视频进行切割获取切割片段；
对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；
对候选片段进行切变检测以及渐变检测。


2.根据权利要求1所述的一种镜头边界检测方法，其特征在于，所述的将待检测视频进行切割的方法为：
设定步长变量w；
每次移动步长k＝(w-y)/2，进行片段切割，所述y为任意值。


3.根据权利要求1所述的一种镜头边界检测方法，其特征在于，所述的像素亮度特征变化及运动补偿算法分别为：
所述像素亮度特征变化值：dl(k，k+l)＝∑i∑j(fk(i，j)-fk+l(i，j))，其中，所述fk(i，j)，fk+l(i，j)分别表示相邻两帧图像的亮度信息；
所述运动补偿特征：其中，


4.根据权利要求3所述的一种镜头边界检测算法，其特征在于，所述的获取候选片段的方法为：
计算每个切割片段的中心差值di；
根据每个切割片段的重心差值计算总的片段的中平均差值μG、局部差值μL以及局部方差δL；
根据平均差值、局部差值以及局部方差计算局部自适应阈值TL，所述TL＝μL-α(μG/μL)δL，其中α为参数变量动态系数；
将每一个di与TL进行比较，其中，将结果为大于或等于TL的切割片段归类到边界候选片段。


5.根据权利要求4所述的一种镜头边界检测方法，其特征在于，所述的中心差值的计算方法为：
d(i)＝d(i-(w-1)/2，i+(w-1)/2)，
其中i＝(w-1)/2，2*(w-1)/2，3*(w-1)/2…。


6.根据权利要求4所述的一种镜头边界检测方法，其特征在于，所述的平均差值、局部差值和局部方差的计算方法为：
平均差值μG＝(∑id...

【专利技术属性】
技术研发人员：王谦，
申请(专利权)人：北京无限创意信息技术有限公司，
类型：发明
国别省市：北京;11