CN101610348A - 检测多种电影模式的方法及装置 - Google Patents

Abstract

针对现有电影模式检测方法具有的不能应用同一检测方法判断多种电影模式的问题，本发明提供了一种检测多种电影模式的方法及装置。检测多种电影模式的方法，包括全局帧运动检测步骤，根据全局帧运动检测值将视频序列处理的场归类于以下节拍类：高节拍或低节拍；还包括节拍分析步骤，即将所述视频序列若干顺序的场的节拍类序列与若干已知电影模式视频序列顺序场的节拍类序列对比得出所述视频序列的基于全局帧运动检测的电影模式检测结果。本发明可以针对多种已知的电影模式视频序列进行准确地判断。

Description

检测多种电影模式的方法及装置

技术领域

本发明属于一种视频图像检测技术，特别是一种视频序列的电影模式检测技术。

背景技术

电影是一种可以在电视机上观看的重要的视频源，常见电影的帧率通常是每秒24帧。为了适应电视播放的帧率，电影通常会做一些预处理。例如，为了能在NTSC制式的电视上播放24帧的电影，通常采用32-pulldown方法。

以下简单介绍一下32pull-down的具体实现方法。对于一个电影序列F(0)，F(1)，...，F(n)，.... ，首先将序列中的每一帧F(i)分成两场，顶场记为TF(i)，底场记为BF(i)。则经过32-pulldown的电影序列(发射端的操作，同时也是接收端接收到的序列)为TF(0)，BF(0)，TF(0)，BF(1)，TF(1)，BF(2)，TF(2)，BF(2)，TF(3)，BF(3)，...相邻两帧，一帧拆成3场，一帧拆成2场，从而实现了24帧到60场的转化(32pull-down名字的由来)

常见的电影模式有32-pulldown电影，22-pulldown电影。也存在其他的电影模式，例如2224，2332，55等pulldown电影。他们具体的实现方法和32-pulldown类似，名字表明相邻的帧被拆分的场数。

与非电影视频源不同的，电影是帧数据，同一帧的两个场是同一时刻成像的，而非电影视频源是场数据，相邻两场一定是在两个不同时刻成像的。

以上两个特征(场重复性，帧数据性)是电影模式检测的基础。

电影模式检测的目标就是检测在给定的视频序列中，是否存在电影。如果是电影，那么它的pull-down模式是什么，是32pull-down，还是22pull-down。

电影模式检测常用的两种检测方法：

1、基于全局场运动方法

检测相邻场的全局运动。由于电影是帧数据，对于同一帧拆成的场，他们之间一定是不存在运动的，运动只能存在于不同帧拆成的场之间，如果以数字0表示两场之间不存在运动，1表示两场之间存在运动，那么32-pulldown电影序列应该呈现10100为周期的变化。

2、基于全局帧运动方法

检测隔场的全局运动。由于32电影每隔4场插入一场，隔场检测的32-pulldown电影应该呈现11110为周期的变化。以上同样以0表示两场之间不存在运动，1表示两场之间存在运动。相对全局场运动检测方法，全局帧运动检测方法无法完成22-pulldown电影的检测。

在应用中，电影模式检测是去隔行技术必要组成部分。对于电影视频序列，最优的去隔行解决方案就是前后场交织(weave)方法，具体的电影模式类型决定了每一场交织(weave)的方向：是和前一场交织，还是和后一场交织。因此必须对电影模式类型要有准确的判断，才可以保证后续去隔行处理结果是正确的。

几个与电影模式检测相关的概念，都以32pull-down为例进行说明：

节拍(cadence)：对于32pull-down电影，32场交替这种模式是以5场为周期重复出现，通常称32为这种电影模式的节拍。

场节拍：如果用全局场运动方法检测电影模式，32-pulldown电影模式呈现10100的变化，10100称为32-pulldown电影场节拍。

帧节拍：如果用全局帧运动方法检测电影模式，32-pulldown电影模式呈现11110的变化，11110称为32-pulldown电影帧节拍。

高节拍、低节拍：场节拍或者帧节拍中有两种节拍类型，0代表为低节拍，1代表高节拍。

相位(phase)：电影模式的节拍是按一定周期重复出现的，相位描述的是一个周期内的相对位置。例如一个32-pulldown电影，一个周期内有5个不同的位置，分别是位置0，1，2，3和4，则称为相位0，1，2，3和4。

常用的电影模式检测方法一般都针对特定节拍的电影模式进行判断，例如只能识别出32电影模式或22电影模式，不能应用同一检测方法判断多种电影模式，对于不能判断出来的电影模式视频序列就会采用非电影模式视频的去隔行技术，不可避免的引入了闪烁现象，从而降低了图像显示质量。

发明内容

针对现有电影模式检测方法具有的不能应用同一检测方法判断多种电影模式的问题，本发明提供了一种检测多种电影模式的方法，可以针对多种已知的电影模式视频序列进行准确的判断。本发明的另一目的是提供检测多种电影模式的装置。

本发明的技术方案如下：

检测多种电影模式的方法，包括全局帧运动检测步骤，根据全局帧运动检测值将视频序列中的场归类于以下节拍类：高节拍或低节拍；还包括节拍分析步骤，即将所述视频序列若干顺序的场的节拍类序列与若干已知电影模式视频序列顺序场的节拍类序列对比得出所述视频序列的基于全局帧运动检测的电影模式检测结果。

所述检测多种电影模式的方法还包括如下步骤：全局场运动检测和基于该运动检测结果得到基于全局场运动检测的电影模式检测结果；根据所述两个电影模式检测结果进行如下判断，得到最终的电影模式检测结果：如果两种电影模式检测结果之一为非电影模式，另一个电影模式检测结果为电影模式，则基于全局场运动检测的电影模式检测结果为最终检测结果；如果两种电影模式检测结果均为电影模式，以基于全局帧运动检测的电影模式检测结果为最终检测结果。

所述基于全局场运动检测结果进行的电影模式检测为22pull-down电影模式检测。

所述全局帧运动检测的方法包括如下步骤：

A、计算当前场像素的亮度值与前序相隔一场的场中对应像素亮度值的差分；

B、累加场内全部像素上述差分，累加后的结果为全局帧运动检测值gm_frame；

所述将待处理视频序列中的场归类的方法包括如下步骤：

(1)、分别获取高节拍类和低节拍类的第一个值：在获得顺序15个场的gm_frame值后进行如下计算，SeqMax[i]＝max(gm_frame[i:i+6])，1≤i≤8，i是下标，为自然数，gm_frame[i:i+6]表示第i个到第(i+6)个共7个gm_frame值；

SeqMax_Min＝min(SeqMax[1:8])，SeqMax[1:8]表示SeqMax[1][U1]到SeqMax[8]共8个值；

高节拍类的第一个值ch(0)＝(mean(SeqMax[5:8])+SeqMax_Min)/2，SeqMax[5:8]表示SeqMax[5]到SeqMax[8]四个值；

低节拍类的第一个值cl(0)＝min(gm_frame[0:14])，gm_frame[0:14]为第0个到第14个共15个gm_frame值；

(2)当获得的低节拍类全局帧运动检测值个数小于等于n时，n为预置的值，采用下述步骤确定全局帧运动检测值的节拍类：

mean_l＝mean(cl[0:N₁-1])，其中N₁是当前获得的低节拍类的值的个数，cl[0:N₁-1]表示cl(0)到cl(N₁-1)共N₁个值；

mean_h＝mean(ch[0:N₂-1])，其中N₂是当前获得的高节拍类的值的个数，ch[0:N₂-1]表示ch(0)到ch(N₂-1)共N₂个值；

如果当前全局帧运动检测值gm_frame(m)符合下列条件：

gm_frame(m)＞mean_l+K₁×(mean_h-mean_l)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₁为预定值，0≤K₁≤1；

(3)当获得的低节拍类全局帧运动检测值个数大于n时，采用下述步骤确定全局帧运动检测值的节拍类：

计算获得的最近的N个低节拍类的值的均值m(N)和标准差Sigma(N)；

如果当前全局帧运动检测值gm_frame(x)符合下列条件：gm_frame(x)＞m(N)+K₂×Sigma(N)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₂是一个大于3的值。

根据所述视频序列若干场的节拍类得出视频序列的电影模式检测结果的方法包括如下步骤：

列出已知电影模式具有的视频序列节拍类的排列顺序；顺序选取处理的视频序列的节拍类排列片断，将所述片断与所述列出的已知电影模式具有的视频序列节拍类排列顺序对比，获得处理的视频序列电影模式类型。

检测多种电影模式的装置，包括全局帧运动检测模块，全局帧运动检测模块得到所处理图像的全局帧运动检测结果，还包括与全局帧运动检测模块顺序连接的节拍分类模块、节拍分析模块；节拍分类模块根据全局帧运动检测模块输出的所述检测结果将视频序列中处理的场归类于以下节拍类：高节拍或低节拍；节拍分析模块根据所述视频序列若干顺序的场的节拍类序列得出视频序列的电影模式结果。

检测多种电影模式的装置还包括全局场运动检测模块及与全局场运动检测模块连接的电影模式检测模块；全局场运动检测模块得到全局场运动检测结果，电影模式检测模块能够根据全局场运动检测模块的检测结果判断出视频序列电影模式类型；还包括综合判断模块，综合判断模块与电影模式检测模块和节拍分析模块连接，电影模式检测模块和节拍分析模块的结果输出给综合判断模块，综合判断模块执行以下操作：如果电影模式检测模块结果和节拍分析模块结果之一判断当前处理的视频序列为非电影模式，另一个结果为电影模式，则电影模式的结果为最终检测结果；如果电影模式检测模块结果和节拍分析模块结果均为电影模式，则节拍分析模块结果为最终检测结果。

所述全局帧运动检测模块执行下述步骤：

A、计算当前场像素的亮度值与前序相隔一场的场中对应像素亮度值的差分；

B、累加场内全部像素上述差分，累加后的结果为全局帧运动检测值gm_frame；

所述将待处理视频序列当前场归类的方法包括如下步骤：

(1)、分别获取高节拍类和低节拍类的第一个值：在获得顺序15个场的gm_frame值后进行如下计算，SeqMax[i]＝max(gm_frame[i:i+6])，1≤i≤8，i是下标，为自然数，gm_frame[i:i+6]表示第i个到第(i+6)个共7个gm_frame值；

SeqMax_Min＝min(SeqMax[1:8])，SeqMax[1:8]表示SeqMax[1][U2]到SeqMax[8]共8个值；

高节拍类的第一个值ch(0)＝(mean(SeqMax[5:8])+SeqMax_Min)/2，SeqMax[5:8]表示SeqMax[5]到SeqMax[8]四个值；

低节拍类的第一个值cl(0)＝min(gm_frame[0:14])，gm_frame[0:14]为第0个到第14个共15个gm_frame值；

(2)当获得的低节拍类全局帧运动检测值个数小于等于n时，n为预置的值，采用下述步骤确定全局帧运动检测值的节拍类：

mean_l＝mean(cl[0:N₁-1])，其中N₁是当前获得的低节拍类的值的个数，cl[0:N₁-1]表示cl(0)到cl(N₁-1)共N₁个值；

mean_h＝mean(ch[0:N₂-1])，其中N₂是当前获得的高节拍类的值的个数，ch[0:N₂-1]表示ch(0)到ch(N₂-1)共N₂个值；

如果当前全局帧运动检测值gm_frame(m)符合下列条件：

gm_frame(m)＞mean_l+K₁×(mean_h-mean_l)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₁为预定值，0≤K₁≤1；

(3)当获得的低节拍类全局帧运动检测值个数大于n时，采用下述步骤确定全局帧运动检测值的节拍类：

计算获得的最近的N个低节拍类的值的均值m(N)和标准差Sigma(N)；

如果当前全局帧运动检测值gm_frame(x)符合下列条件：gm_frame(x)＞m(N)+K₂×Sigma(N)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₂是一个大于3的值。

本发明的技术效果：

采用本发明的技术方案可以根据视频序列节拍类的顺序对照多种电影模式类型的节拍类顺序，从而得到电影模式检测结果，即视频序列是否是电影模式，如果是电影模式具体电影模式类型是哪一种。由于本发明采用对照多种电影模式节拍类序列进行判断，因此可以判断出电影模式属于哪一种具体的类型，不必局限于仅能对某一种电影模式类型的判断，解决了现有技术不能应用同一检测方法判断多种电影模式的问题，使得本发明的技术方案更具有通用性。

目前，针对全局帧运动检测结果进行的电影模式检测还不能准确判断出22pull-down电影模式类型，而针对全局场运动检测结果进行的电影模式检测可以准确判断出22pull-down电影模式类型，因此结合这两种电影模式检测方式，则可以检测出所有已知的电影模式类型，进一步完善了本发明的技术方案。

附图说明

图1为本发明检测多种电影模式的方法一个实施例的流程图；

图2为本发明检测多种电影模式的方法另一个实施例的流程图；

图3为本发明检测多种电影模式装置的一个实施例的原理图；

图4为本发明检测多种电影模式装置的另一个实施例的原理图。

具体实施方式

在本部分结合附图对本发明的技术方案进行详细说明。

图1显示了检测多种电影模式方法的一个实施例的流程，视频序列输入后，对该视频序列进行全局帧运动检测。下面对各个步骤进行说明。

(1)全局帧运动检测

全局帧运动检测可以采用任何已知的方法。本实施例的方法包括以下步骤：

首先，对视频图像中每个像素，计算该像素的帧运动值motion_frame：当前场当前像素亮度值y(i，j，n)与隔场相同位置像素亮度值y(i，j，n-2)之间差的绝对值，motion_frame(i，j，n)＝|y(i，j，n)-y(i，j，n-2)|。其中(i，j，n)表示坐标位置，与特性值符号结合使用，表示第n场i行j列位置像素具有的特性值。

其次，累加一场中所有像素的帧运动值得到该场的全局帧运动检测值gm_frame(n)，gm_frame(n)表示第n场的全局帧运动检测值。

$\mathrm{gm}\_\mathrm{frame}\left(n\right)=\underset{i,j}{\mathrm{\Σ}}\mathrm{motion}\_\mathrm{frame}(i,j,n)$

将该值作为“获取视频序列的节拍序列步骤”的输入。

(2)获取视频序列的节拍序列

本步骤的目的是将视频序列中检测的场归于0或1类。0表示低节拍，1表示高节拍。顺序若干场的节拍构成了所述的节拍序列。本步骤采用高斯分类方法，具体步骤如下。

高斯分类需要有两组寄存器，一组记录高节拍的全局帧运动值，一组记录低节拍的全局帧运动值。在本分明是两组寄存器的长度定义为32。

高斯分类方法实现分为三个阶段，首先是初始化阶段，然后是线性分类阶段，最后是高斯分类阶段。

2.1初始化阶段

此时，高节拍和低节拍寄存器内还没有存入高节拍类的值和低节拍类的值，需要确定低节拍寄存器的第一个值，和高节拍寄存器的第一个值。我们这里采用的方法需要记录历史上的15个全局帧运动值gm_frame，分别用gm_frame(i)表示，i为标记序号，为0、1到14的自然数。具体实现分以下几个步骤：

2.1.1膨胀操作

SeqMax[i]＝max(gm_frame[i:i+6])，1≤i≤8，i是下标，为自然数，gm_frame[i:i+6]表示第i个到第(i+6)个共7个gm_frame值。

2.1.2腐蚀操作

SeqMax_Min＝min(SeqMax[1:8])，SeqMax[1:8]表示[U3]SeqMax[1]到SeqMax[8]共8个值。

2.1.3高节拍的第一个值定义为

ch(0)＝(mean(SeqMax[5:8])+SeqMax_Min)/2，SeqMax[5:8]表示SeqMax[5]到SeqMax[8]四个值。mean(SeqMax[5:8])表示这四个值的均值。

2.1.4低节拍得第一值定义为

cl(0)＝min(gm_frame[0:14])，gm_frame[0:14]为第0个到第14个共15个gm_frame值。min(gm_frame[0:14])表示这15个值的最小值。

2.2线性分类阶段

此时，低节拍寄存器已经存储的全局帧运动值个数少于一定数量时(例如小于8个时)，如果用高斯分类，计算的标准差就不是很准确。作为到高斯分类的过渡，本阶段采用了线性分类方法，具体的实现分为三步：

2.2.1求出低节拍寄存器的全局帧运动的均值

mean_l＝mean(cl[0:N₁-1])，其中N₁是当前获得的低节拍类的值的个数，cl[0:N₁-1]表示cl(0)到cl(N₁-1)共N₁个值。mean(cl[0:N₁-1])表示这N₁个值的均值。

2.2.2求出高节拍寄存器的全局帧运动的均值

mean_h＝mean(ch[0:N₂-1])，其中N₂是当前获得的高节拍类全局帧运动检测值的个数，ch[0:N₂-1]表示ch(0)到ch(N₂-1)共N₂个值。mean(ch[0:N₂-1])表示这N₂个值得均值。

2.2.3分类

如果当前的全局帧运动值gm_frame(m)满足：

gm_frame(m)＞mean_l+K₁×(mean_h-mean_l)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₁为预定值，0≤K₁≤1，本实施例中K₁取值为0.5。

2.3高斯分类阶段

当获得的低节拍类的值个数大于8时，采用高斯分类方法进行分类，具体的实现分成以下两步骤：

2.3.1计算低节拍寄存器中最近得到的N个低节拍类的值的均值m(N)和标准差Sigma(N)。具体可采用以下公式：

$m\left(N\right)=\frac{1}{N}\underset{k=i-N+1}{\overset{i}{\mathrm{\Σ}}}\mathrm{cl}\left(k\right)$

$\mathrm{Sigma}\left(N\right)={\left(\frac{1}{N}\left(\underset{k=i-N+1}{\overset{i}{\mathrm{\Σ}}}{(\mathrm{cl}\left(k\right)-m\left(N\right))}^2\right)\right)}^{\frac{1}{2}}$

其中，cl(k)代表到目前为止得到的第k个低节拍类的值。在本实施中N为16。

2.3.2分类

如果当前全局帧运动检测值gm_frame(x)符合下列条件：gm_frame(x)＞m(N)+K₂×Sigma(N)，则当前全局帧运动检测值为高节拍类，否则为低节拍类，其中K₂是一个大于3的值，在本实施例中K₂取值为4。

至此，可以得到顺序场的节拍类序列。

(3)节拍分析

首先需要列出多种已知电影模式所有可能的节拍类序列(除22pull-down电影模式的节拍序列)，如表1所示。

然后利用前一步骤得到的节拍类序列与表1中所列的节拍类序列对照，就可以得到视频序列属于哪种电影模式类型，或者不属于任何一种电影模式类型。节拍序列可以先选取顺序5个场的节拍类与表1进行对比，如果没有可以匹配的结果，再选则10个场的节拍类于表1进行对比，直到找到可以匹配的电影模式类型或得出找不到电影模式类型的结论，这样就可以通过本方法检测出多种电影模式类型的视频序列。

表1

电影模式类型	相位	节拍序列
			32电影	0	11110
32电影	1	11101
			32电影	2	11011
32电影	3	10111
			32电影	4	01111
2332电影	0	1111011011
			2332电影	1	1110110111
2332电影	2	1101101111
			2332电影	3	1011011111
2332电影	4	0110111111
			2332电影	5	1101111110
2332电影	6	1011111101
			2332电影	7	0111111011
2332电影	8	1111110110
			2332电影	9	1111101101
2224电影	0	1111111100
			2224电影	1	1111111001

2224电影	2	1111110011
			2224电影	3	1111100111
2224电影	4	1111001111
			2224电影	5	1110011111
2224电影	6	1100111111
			2224电影	7	1001111111
2224电影	8	0011111111
			2224电影	9	0111111110
32322电影	0	110111101111
			32322电影	1	101111011111
32322电影	2	011110111111
			32322电影	3	111101111110
32322电影	4	111011111101
			32322电影	5	110111111011
32322电影	6	101111110111
			32322电影	7	011111101111
32322电影	8	111111011110
			32322电影	9	111110111101
32322电影	10	111101111011
			32322电影	11	111011110111
55电影	0	11000
			55电影	1	10001
55电影	2	00011
			55电影	3	00110
55电影	4	01100
			64电影	0	1100001100
64电影	1	1000011001
			64电影	2	0000110011
64电影	3	0001100110
			64电影	4	0011001100
64电影	5	0110011000
			64电影	6	1100110000
64电影	7	1001100001
			64电影	8	0011000011
64电影	9	0110000110
			87电影	0	110000001100000
87电影	1	100000011000001

87电影	2	000000110000011
			87电影	3	000001100000110
87电影	4	000011000001100
			87电影	5	000110000011000
87电影	6	001100000110000
			87电影	7	011000001100000
87电影	8	110000011000000
			87电影	9	100000110000001
87电影	10	000001100000011
			87电影	11	000011000000110
87电影	12	000110000001100
			87电影	13	001100000011000
87电影	14	011000000110000

图2显示了检测多种电影模式的方法的另一个实施例。在图1所示方法步骤的基础上，增加了图2中右侧部分的步骤，即基于全局场运动检测结果进行22pull-down电影模式检测的步骤。增加这一步骤的作用在于针对全局帧运动检测结果进行的电影模式检测还不能准确判断出22pull-down电影模式类型，而针对全局场运动检测结果进行的电影模式检测可以准确判断出22pull-down电影模式类型，因此结合这两种电影模式检测方式，则可以检测出所有已知的电影模式类型，进一步完善了本发明的技术方案。对该步骤的说明如下。

1、全局场运动检测可以采用任何已知的方法，本实施例采用以下步骤：

首先计算视频图像中每个像素的场运动值。假设pc是当前像素的亮度值，该像素在前一场对应位置上一行同一列的像素亮度值记位pa，下一行同一列的像素亮度值记为pb。由于相邻两场分别为奇、偶场，上述pa和pb为两场合并后所述当前像素上一行同一列像素亮度值和下一行同一列像素亮度值。当前像素的场运动值可以通过以下步骤得到：

计算当前像素亮度值pc与pa的绝对差异diff1：diff1＝|pc-pa|；

计算当前像素亮度值pc与pb的绝对差异diff2：diff2＝|pc-pb|；

找出两者中比较小的差异diffMin：diffMin＝min(diff1，diff2)

则场运动值为motion_field：

motion_field＝diffMin＞abs(pa-pc)？diffMin：0，本式含义为：motion_field＝diffMin，如果diffMin＞|pa-pc|，则diffMin＝0，即motion_field＝0。累加一场中所有像素的帧运动值得到该场的全局场运动值gm_field(n)：

$\mathrm{gm}\_\mathrm{field}\left(n\right)=\underset{i,j}{\mathrm{\Σ}}\mathrm{motion}\_\mathrm{field}(i,j,n).$

2、22pull-down电影模式检测

22pull-down电影模式检测可以采用任何已知的方法进行。

3、综合

根据基于全局帧运动检测的电影模式检测结果和基于全局场运动检测的电影模式检测结果进行如下判断，得到最终的电影模式检测结果：如果两种电影模式检测结果之一为非电影模式，另一个电影模式检测结果为电影模式，则电影模式的结果为最终检测结果；如果两种电影模式检测结果均为电影模式，以基于全局帧运动检测的电影模式检测结果为最终检测结果。

图3显示了本发明检测多种电影模式的装置一个实施例的原理。

本实施例检测多种电影模式的装置包括全局帧运动检测模块，与全局帧运动检测模块顺序连接的节拍分类模块、节拍分析模块。全局帧运动检测模块检测全局帧运动值，具体实现方法可以是任何已知的全局帧运动检测方法，如具体实施部分对图1描述的全局帧运动检测部分所介绍的方法。

节拍分类模块根据节拍分类模块输出的检测结果将视频序列处理的场归类于以下节拍类：高节拍或低节拍。该模块采用的方法如图1描述中“(2)获取视频序列的节拍序列”部分所述方法步骤。

节拍分析模块根据所述视频序列若干顺序的场的节拍类得出视频序列的电影模式结果。该模块采用方法如图1描述中“(3)节拍分析”部分所述方法步骤。

图4显示了检测多种电影模式的装置的另一个实施例的原理。在图3所示的检测多种电影模式的装置的基础上，增加了全局场运动检测模块、与全局场运动检测模块连接的电影模式检测模块和综合判断模块。综合判断模块与电影模式检测模块和节拍分析模块连接。

全局场运动检测模块得到全局场运动检测结果。本模块采用方法如图2描述中“全局场运动检测”部分所述方法步骤。

电影模式检测模块能够检测出视频序列电影模式类型，具体的是检测出视频序列是否是22pull-down电影模式。本模块采用方法如图2描述中“22pull-down电影模式检测”部分所述方法步骤。

电影模式检测模块和节拍分析模块的结果输出给综合判断模块，综合判断模块执行以下操作：如果电影模式检测模块结果和节拍分析模块结果之一判断视频序列为非电影模式，另一个结果为电影模式，则电影模式的结果为最终检测结果；如果电影模式检测模块结果和节拍分析模块结果均为电影模式，则节拍分析模块结果为最终检测结果。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明，但不以任何方式限制本发明。因此，尽管本说明书参照附图和实施方式对本发明已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明进行修改或者等同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发明专利的保护范围当中。

Claims (8)

1、检测多种电影模式的方法，包括全局帧运动检测步骤，其特征在于根据全局帧运动检测值将视频序列中的场归类于以下节拍类：高节拍或低节拍；还包括节拍分析步骤，即将所述视频序列若干顺序的场的节拍类序列与若干已知电影模式视频序列顺序场的节拍类序列对比得出所述视频序列的基于全局帧运动检测的电影模式检测结果。

2、根据权利要求1所述检测多种电影模式的方法，其特征在于还包括如下步骤：全局场运动检测和基于该运动检测结果得到基于全局场运动检测的电影模式检测结果；根据所述两个电影模式检测结果进行如下判断，得到最终的电影模式检测结果：如果两种电影模式检测结果之一为非电影模式，另一个电影模式检测结果为电影模式，则基于全局场运动检测的电影模式检测结果为最终检测结果；如果两种电影模式检测结果均为电影模式，以基于全局帧运动检测的电影模式检测结果为最终检测结果。

3、根据权利要求2所述检测多种电影模式的方法，其特征在于所述基于全局场运动检测结果进行的电影模式检测为22pull-down电影模式检测。

4、根据权利要求1至3之一所述检测多种电影模式的方法，其特征在于所述全局帧运动检测的方法包括如下步骤：

A、计算当前场像素的亮度值与前序相隔一场的场中对应像素亮度值的差分；

B、累加场内全部像素上述差分，累加后的结果为全局帧运动检测值gm_frame；

所述将待处理视频序列中的场归类的方法包括如下步骤：

(1)、分别获取高节拍类和低节拍类的第一个值：在获得顺序15个场的gm_frame值后进行如下计算，SeqMax[i]＝max(gm_frame[i:i+6])，1≤i≤8，i是下标，为自然数，gm_frame[i:i+6]表示第i个到第(i+6)个共7个gm_frame值；

SeqMax_Min＝min(SeqMax[1:8])，SeqMax[1:8]表示SeqMax[1]到SeqMax[8]共8个值；

高节拍类的第一个值ch(0)＝(mean(SeqMax[5:8])+SeqMax_Min)/2，SeqMax[5:8]表示SeqMax[5]到SeqMax[8]四个值；

低节拍类的第一个值cl(0)＝min(gm_frame[0:14])，gm_frame[0:14]为第0个到第14个共15个gm_frame值；

(2)当获得的低节拍类全局帧运动检测值个数小于等于n时，n为预置的值，采用下述步骤确定全局帧运动检测值的节拍类：

mean_l＝mean(cl[0:N₁-1])，其中N₁是当前获得的低节拍类的值的个数，cl[0:N₁-1]表示cl(0)到cl(N₁-1)共N₁个值；

mean_h＝mean(ch[0:N₂-1])，其中N₂是当前获得的高节拍类的值的个数，ch[0:N₂-1]表示ch(0)到ch(N₂-1)共N₂个值；

如果当前全局帧运动检测值gm_frame(m)符合下列条件：

gm_frame(m)＞mean_l+K₁×(mean_h-mean_l)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₁为预定值，0≤K₁≤1；

(3)当获得的低节拍类全局帧运动检测值个数大于n时，采用下述步骤确定全局帧运动检测值的节拍类：

计算获得的最近的N个低节拍类的值的均值m(N)和标准差Sigma(N)；

如果当前全局帧运动检测值gm_frame(x)符合下列条件：gm_frame(x)＞m(N)+K₂×Sigma(N)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₂是一个大于3的值。

5、根据权利要求1所述的检测多种电影模式的方法，其特征在于根据所述视频序列若干场的节拍类得出视频序列的电影模式检测结果的方法包括如下步骤：

列出已知电影模式具有的视频序列节拍类的排列顺序；顺序选取处理的视频序列的节拍类排列片断，将所述片断与所述列出的已知电影模式具有的视频序列节拍类排列顺序对比，获得处理的视频序列电影模式类型。

6、检测多种电影模式的装置，包括全局帧运动检测模块，全局帧运动检测模块得到所处理图像的全局帧运动检测结果，其特征在于还包括与全局帧运动检测模块顺序连接的节拍分类模块、节拍分析模块；节拍分类模块根据全局帧运动检测模块输出的所述检测结果将视频序列中处理的场归类于以下节拍类：高节拍或低节拍；节拍分析模块根据所述视频序列若干顺序的场的节拍类序列得出视频序列的电影模式结果。

7、根据权利要求6所述的检测多种电影模式的装置，其特征在于还包括全局场运动检测模块及与全局场运动检测模块连接的电影模式检测模块；全局场运动检测模块得到全局场运动检测结果，电影模式检测模块能够根据全局场运动检测模块的检测结果判断出视频序列电影模式类型；还包括综合判断模块，综合判断模块与电影模式检测模块和节拍分析模块连接，电影模式检测模块和节拍分析模块的结果输出给综合判断模块，综合判断模块执行以下操作：如果电影模式检测模块结果和节拍分析模块结果之一判断当前处理的视频序列为非电影模式，另一个结果为电影模式，则电影模式的结果为最终检测结果；如果电影模式检测模块结果和节拍分析模块结果均为电影模式，则节拍分析模块结果为最终检测结果。

8、根据权利要求7所述的检测多种电影模式的装置，其特征在于所述全局帧运动检测模块执行下述步骤：

A、计算当前场像素的亮度值与前序相隔一场的场中对应像素亮度值的差分；

B、累加场内全部像素上述差分，累加后的结果为全局帧运动检测值gm_frame；

所述将待处理视频序列当前场归类的方法包括如下步骤：

(1)、分别获取高节拍类和低节拍类的第一个值：在获得顺序15个场的gm_frame值后进行如下计算，SeqMax[i]＝max(gm_frame[i:i+6])，1≤i≤8，i是下标，为自然数，gm_frame[i:i+6]表示第i个到第(i+6)个共7个gm_frame值；

SeqMax_Min＝min(SeqMax[1:8])，SeqMax[1:8]表示SeqMax[1]到SeqMax[8]共8个值；

高节拍类的第一个值ch(0)＝(mean(SeqMax[5:8])+SeqMax_Min)/2，SeqMax[5:8]表示SeqMax[5]到SeqMax[8]四个值；

低节拍类的第一个值cl(0)＝min(gm_frame[0:14])，gm_frame[0:14]为第0个到第14个共15个gm_frame值；

(2)当获得的低节拍类全局帧运动检测值个数小于等于n时，n为预置的值，采用下述步骤确定全局帧运动检测值的节拍类：

mean_1＝mean(cl[0:N₁-1])，其中N₁是当前获得的低节拍类的值的个数，cl[0:N₁-1]表示cl(0)到cl(N₁-1)共N₁个值；

mean_h＝mean(ch[0:N₂-1])，其中N₂是当前获得的高节拍类的值的个数，ch[0:N₂-1]表示ch(0)到ch(N₂-1)共N₂个值；

如果当前全局帧运动检测值gm_frame(m)符合下列条件：

gm_frame(m)＞mean_l+K₁×(mean_h-mean_l)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₁为预定值，0≤K₁≤1；

(3)当获得的低节拍类全局帧运动检测值个数大于n时，采用下述步骤确定全局帧运动检测值的节拍类：

计算获得的最近的N个低节拍类的值的均值m(N)和标准差Sigma(N)；

如果当前全局帧运动检测值gm_frame(x)符合下列条件：gm_frame(x)＞m(N)+K₂×Sigma(N)，则当前全局帧运动检测值为高节拍类的值，否则为低节拍类的值，其中K₂是一个大于3的值。

Images