隨著信息技術(shù)的發(fā)展,各種各樣的信息充斥到人們的生活中,視頻數(shù)據(jù)也是其中之一,人們?cè)谙硎芎Ａ恳曨l帶給人們各種便利的同時(shí)也面臨著如何管理視頻數(shù)據(jù)的問(wèn)題。視頻檢索、標(biāo)注、索引、摘要等后續(xù)工作迫切需要對(duì)視頻內(nèi)容的分析,視頻邊界檢測(cè)和關(guān)鍵幀提取正是這些后續(xù)工作完成的基礎(chǔ)和關(guān)鍵。本課題將視頻鏡頭邊界檢測(cè)和關(guān)鍵幀提取兩項(xiàng)技術(shù)作為研究重點(diǎn),針對(duì)目前鏡頭邊界檢測(cè)算法和關(guān)鍵幀提取算法中存在的問(wèn)題進(jìn)行研究,設(shè)計(jì)并制作了實(shí)驗(yàn)系統(tǒng)平臺(tái),主要研究?jī)?nèi)容如下:1.針對(duì)目前視頻鏡頭邊界檢測(cè)算法中易造成錯(cuò)檢和漏檢、人工確定閾值具有不確定性及漸變鏡頭相鄰幀之間特征變化較小難以檢測(cè)到的情況,提出了一種融合RGB顏色直方圖特征與方向梯度直方圖（HOG）特征的自適應(yīng)閾值多步比較方案鏡頭邊界檢測(cè)算法,通過(guò)計(jì)算多個(gè)步驟的幀間差異,生成一個(gè)多步幀差模式距離圖,分析不同鏡頭在模式距離圖中的變化來(lái)確定突變鏡頭和漸變鏡頭。又采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)視頻幀提取特征,并用該算法與單一特征算法及其他文獻(xiàn)算法做比較。2.針對(duì)目前視頻關(guān)鍵幀提取算法中由于前景目標(biāo)過(guò)小、背景占據(jù)主導(dǎo)地位所造成的關(guān)鍵幀提取過(guò)程中出現(xiàn)的漏選問(wèn)題以及運(yùn)動(dòng)類視頻中運(yùn)動(dòng)目標(biāo)特... 

【文章來(lái)源】：山東理工大學(xué)山東省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

關(guān)鍵幀示例圖

山東理工大學(xué)碩士學(xué)位論文第三章自適應(yīng)閾值鏡頭邊界檢測(cè)算法18圖3.6多尺度圓形LBP算子圖Fig.3.6Multi-scalecircularLBPoperatorgraph圖3.6中左側(cè)的圖中P4，R1.0，中間圖中P8，R1.0，右側(cè)圖中P12，R1.5。Maenpaa等人通過(guò)對(duì)LBP算子進(jìn)行擴(kuò)展進(jìn)而提出旋轉(zhuǎn)不變LBP算子，其有效改善了原始LBP算子中對(duì)同一圖像的旋轉(zhuǎn)圖像得到不同的LBP值的問(wèn)題。旋轉(zhuǎn)不變LBP算子原理主要是通過(guò)不斷旋轉(zhuǎn)圓形鄰域從而得到若干初始定義的LBP值，并在這若干個(gè)初始定義值中尋找最小值作為該領(lǐng)域的LBP值。旋轉(zhuǎn)不變LBP示意圖如圖3.7所示。旋轉(zhuǎn)圖3.7旋轉(zhuǎn)不變LBP示意圖Fig.3.7otationinvariantLBPschematicdiagram在圖3.7中原始LBP圖中得到的LBP值轉(zhuǎn)化為二進(jìn)制編碼對(duì)其進(jìn)行循環(huán)移位可以得到8種移位結(jié)果，其中黑色的圓點(diǎn)表示0，白色的圓點(diǎn)表示1，即原始LBP圖中得到的LBP值轉(zhuǎn)化為二進(jìn)制編碼為（11100001），得到的8種移位結(jié)果中從左到右的二進(jìn)制編碼依次為（11110000）、（01111000）、（00111100）、（00011110）、（00001111）、（10000111）、（11000011）。轉(zhuǎn)化為對(duì)應(yīng)的十進(jìn)制LBP數(shù)值依次為：240、120、60、30、15、135、195。根據(jù)旋轉(zhuǎn)不變LBP算子的原理取最小值15作為該鄰域的LBP值。3.1.4本文特征提取方法1.RGB顏色直方圖特征

( , ) ( 1, ) ( 1, )( , ) ( , 1) ( , 1)xyG x y H x y H x yG x y H x y H x y (3.21) 式中 ( , )xG x y 、 ( , )yG x y 、H(x, y) 分別表示輸入圖像中像素點(diǎn) (x, y) 處的水平方向梯度，垂直方向梯度和像素值。像素點(diǎn)(x, y) 處的梯度幅值和梯度方向分別： 2 2( , ) ( , ) ( , )x yG x y G x y G x y (3.22) 1( , )( , ) tan( )( , )yxG x yx yG x y (3.23) 對(duì)于彩色圖像而言，由于其具有多個(gè)通道，在每個(gè)通道上獲得相應(yīng)的值并選擇其梯度最大的通道作為梯度向量。提取本實(shí)驗(yàn)數(shù)據(jù)集 RAI 的第一段視頻中發(fā)生突變的第 00717 幀和第 00718 幀的 HOG 特征如圖 3.8 所示：


本文編號(hào)：3132700