anjinnian的博客

突变镜头检测算法具有很强的鲁棒性,对任意视频都能取得很 高的准确率和查全率;渐变镜头检测算法并非只针对某种特定的渐变类型有效,对 于各种渐变类型都有较好的检测性能;场景分割算法也取得了较好的效果,但由于 涉及到聚类阈值的选取,因此自适应程度不高,需要进行进一步的研究和改进。

文首先对视频关键帧抽取的相关知识做了概要介绍。在这个基础上，本文 提出了一种新的视频关键帧抽取方法。本方法首先计算视频相邻帧之间的相对熵 （ Relative Entropy ,简称 RE ）或相对熵的平方根（ Square Root of Relative Entropy , 简称 SRRE ）来表示视频相邻帧之间的差异值，然后通过统计学中的离群值检测 算法——极值学生化离差（ Extreme Studentized Deviate ，简称 ESD ）检测法寻找 离群值，再通过多项式回归的方式进行修正，寻找最优分割阈值定位镜头边界， 实现视频序列的自适应镜头分割。为了进一步分析视频每个镜头的内容信息，在 此基础上本文根据镜头内容变化的剧烈程度将镜头进行细分为不同类型的子镜 头，并在每个子镜头内部抽取关键帧。另外，本文还提出一种采用层次策略的视 频关键帧的多尺度摘要方案。通过大量视频数据的实验测试，将本文中提出的方 法的关键帧结果与其它方法的关键帧结果进行对比，本文方法无论是在客观评价 还是在主观评价方面都优于对比的方法，而且本文方法基本达到了普适性和实时 性的效果。

利用卷积神经网络对视频进行分析描述，基于深度学习的视频分析系统的主要功能模块的实现和实验数据 结果。通过对这些结果分析，系统满足实际需求，具有较强的工程价值和实用价值。