基于内容的视频检索若干技术研究

论文摘要

随着视频数据的飞速膨胀,如何在海量的数据中快速检索到所需要的信息显得至关重要。传统的基于文本标注的检索方法不仅难以完整的描述视频数据丰富多变的内容,而且手工生成的索引费时费力,没有统一标准。于是,基于内容的视频检索（Content-Based Video Retrieval,简称CBVR）技术引起了人们的广泛关注。本文在介绍了基于内容的视频检索技术的基础上,主要对以下几方面进行了研究和探讨。（1）镜头边界检测。镜头边界检测是视频处理的第一步,本文在研究了现有镜头边界检测方法的基础上,提出了一种随镜头内容变化自动调整阈值的自适应双阈值镜头检测算法。该算法采用了非均匀分块加权的颜色直方图为特征进行帧间差计算,既考虑了图像的全局信息,又加入了位置信息。并且在初步检测到镜头边界时进行了二次验证,有效地减少了由闪光灯等因素带来的镜头误检。最后,通过实验结果的比较,验证了本算法的有效性。（2）关键帧提取。动态帧平均算法提取关键帧,既确保了所提取的关键帧具有很好的平均意义,还能够适应内容变化较大的镜头,灵活控制关键帧选取数目。但不足的是该算法的计算量相对较大。本文针对计算繁琐的缺点对该算法中逐帧求帧间差与阈值比较来检测子镜头边界的算法做了改进,提出了一种快速检测子镜头边界的方法,改善了关键帧提取的效率（3）相似性度量。基于镜头的检索是视频检索的重要内容。而镜头的相似性往往通过关键帧的相似性进行度量。本文提出了一种基于非均匀块加权的HSV直方图的关键帧相似度量方法,并在此基础上给出了镜头相似性度量算法。通过实验结果证明,该算法具有较好的有效性。（4）系统的设计与实现。针对上述研究的内容,以Visual C++6.0和SQL2005为开发工具,设计了一个基于内容的视频检索系统,并实现了基于样本镜头的检索。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 国内外的研究现状及存在的问题
• 1.2.1 研究现状
• 1.2.2 存在的问题
• 1.3 主要内容及论文组织
• 2 视频检索技术综述
• 2.1 视频数据的特点
• 2.2 视频结构化
• 2.3 视频检索系统的结构图及关键技术
• 3 视频镜头的边界检测
• 3.1 镜头转换的基本概念及分类
• 3.2 传统镜头边界检测算法的研究
• 3.2.1 基于模板匹配的算法
• 3.2.2 基于颜色直方图的算法
• 3.2.3 基于边缘的算法
• 3.2.4 基于运动分析的算法
• 3.2.5 基于压缩视频的算法
• 3.2.6 存在的问题
• 3.3 一种改进的镜头边界检测算法
• 3.3.1 颜色模型及其选择
• 3.3.2 特征提取
• 3.3.3 改进的镜头边界检测算法
• 3.3.4 镜头边界检测算法的基本流程图
• 3.3.5 实验结果与分析
• 3.4 本章小结
• 4 关键帧选取和相似性度量
• 4.1 关键帧的选取原则
• 4.2 常见关键帧选取算法
• 4.2.1 基于特定帧的算法
• 4.2.2 基于帧平均的算法
• 4.2.3 基于运动分析的算法
• 4.2.4 基于聚类的算法
• 4.2.5 基于图论的算法
• 4.3 一种改进的关键帧选取算法
• 4.3.1 子镜头的定义
• 4.3.2 传统子镜头边界检测算法
• 4.3.3 改进的子镜头边界检测算法
• 4.3.4 算法性能评价
• 4.3.5 关键帧提取算法的改进
• 4.3.6 关键帧提取算法的流程图
• 4.3.7 实验结果与分析
• 4.4 关键帧特征提取
• 4.5 相似性度量
• 4.5.1 相似性度量的定义
• 4.5.2 相似性度量算法
• 4.5.3 一种基于镜头的相似性度量算法
• 4.5.4 实验结果与分析
• 4.6 本章小结
• 5 检索系统设计与实现
• 5.1 总体框架
• 5.2 视频分析处理模块
• 5.3 数据库模块
• 5.4 镜头检索模块
• 5.5 关键帧浏览模块
• 5.6 本章小结
• 6 总结和展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献