基于流形学习的镜头分割方法技术

本发明专利技术提出了一种基于流形学习的镜头分割方法。该方法利用流形降维对视频中的每个帧进行降维，求出每两帧的相关系数，利用其构成一个权重矩阵；再从视频中任选一个查询帧，求出视频中和查询帧相关的和不相关的视频帧集合，根据这两个视频帧集合生成相应的权重矩阵；从而根据这三个权重矩阵，得到流形降维的变换矩阵，将视频帧序列中的每个视频帧通过所得的变换矩阵即得到原视频的低维特征。最后，通过对这些低维特征之间欧氏距离比较对视频进行镜头分割。实验结果表明，本发明专利技术中提出的方法可以很好地实现视频镜头分割。

【技术实现步骤摘要】

本专利技术涉及一种，属于基于内容的视频检索

技术介绍
随着多媒体技术和网络技术的飞速发展，人们在各种场合通过各种渠道接收到越来越多的视频。视频携带的信息量远远大于文本等数据格式，具有具体、生动、确切、高效等优点。但是由于视频数据增多，如何在海量视频中寻找感兴趣的内容，具有十分重要的意义。基于内容的视频检索(Content-based Video Retrieval, CBVR)系统正是在这种情况下产生的，并且成为近年来的研究热点，而对视频的镜头分割是视频处理的第一步也是最重要的一步。视频镜头是由同一摄像机连续摄取的一系列相互关联的帧，代表了一个连续的动作，被视为视频检索的基本单兀。只有把视频序列分解为镜头，才能有效的进行关键巾贞提取、视频缩略、视频序列辨识等工作。传统的方法都是提取视频帧的底层特征来进行镜头分割，虽然可以取得不错的效果，但是不能对分割之后可能进行的形成视频摘要、提取关键帧、视频检索等提供更好的效果。我们的方法力求不但能够提取可以进行有效地视频镜头分割的特征，而且还可以在后续的处理中获得更好的效果。
技术实现思路
为克服传统镜头分割方法的局限性，本专利技术提出一本文档来自技高网...

【技术保护点】
一种基于流形学习的镜头分割方法，包括以下步骤：?（1）以X＝{x1,x2,...,xm}表示整个视频，其中m为视频的帧数，每个视频帧的维数为n，根据下面的方法构造权重矩阵Ws：?这里的φ(xi,xj)是视频帧xi和xj的相关系数，k?NN表示通过k近邻方法选取的与指定视频帧相关系数最大的k个对应视频帧；?（2）构建另外两个权重矩阵，WN和WP：?给出一个查询视频帧，视频中和查询视频帧相关的视频帧集合为F+，不相关的视频帧集合为F?；?（3）将整个视频映射到d(d＜＜n)维低维度空间中：?其中，LS＝DS?WS，LN＝DN?WN，LP＝DP?WP，λ是常数，上标T表示转置，求出的d个最大特征值对...

【技术特征摘要】

【专利技术属性】
技术研发人员：孙建德，邢芝会，解江川，
申请(专利权)人：山东大学，
类型：发明
国别省市：