CN103902603A - 一种基于子镜头的视频匹配方法 - Google Patents

一种基于子镜头的视频匹配方法 Download PDF

Info

Publication number
CN103902603A
CN103902603A CN201210581838.5A CN201210581838A CN103902603A CN 103902603 A CN103902603 A CN 103902603A CN 201210581838 A CN201210581838 A CN 201210581838A CN 103902603 A CN103902603 A CN 103902603A
Authority
CN
China
Prior art keywords
sub
camera lens
shot
extract
matching method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201210581838.5A
Other languages
English (en)
Inventor
屈景春
吴军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHONGQING KAIZE TECHNOLOGY Co Ltd
Original Assignee
CHONGQING KAIZE TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHONGQING KAIZE TECHNOLOGY Co Ltd filed Critical CHONGQING KAIZE TECHNOLOGY Co Ltd
Priority to CN201210581838.5A priority Critical patent/CN103902603A/zh
Publication of CN103902603A publication Critical patent/CN103902603A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于子镜头的视频匹配方法，具体步骤如下：步骤1：将一个镜头内部的内容分解为复数个子镜头；步骤2：对每个子镜头内每一帧图像进行特征抽取：（1）图像的统计特征；（2）局部区域的兴趣点描述子；步骤3：选择64维亮度直方图作为图像的统计特征；选择计算8*8=64维SIFT描述子作为兴趣点描述子；将每帧图像分为4×4=16个区域；步骤4：利用在线滑动窗口的方法提取子镜头。本发明的一种基于子镜头的视频匹配方法，采用了在线滑动窗口的方法提取子镜头，能够得到即时的子镜头结果，在效率和计算复杂度上的更大的优势。

Description

一种基于子镜头的视频匹配方法
技术领域
本发明涉及一种基于子镜头的视频匹配方法。
背景技术
目前现有的视频匹配方法一般基于两种粒度的匹配：以帧为单位的匹配和以镜头为单位的匹配。以帧作为为匹配和查询的基本单位，虽然精度高但索引量和计算量较大，因而降低了查询速度。而以镜头为基本单位，匹配结果容易受到镜头内容变化影响，虽然提高了查询速度但降低了匹配精度。
发明内容
本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种基于子镜头的视频匹配方法。
本发明解决其技术问题所采用的技术方案是：一种基于子镜头的视频匹配方法，具体步骤如下：
步骤1：将一个镜头内部的内容分解为复数个子镜头；
步骤2：对每个子镜头内每一帧图像进行特征抽取：（1）图像的统计特征；（2）局部区域的兴趣点描述子；
步骤3：选择64维亮度直方图作为图像的统计特征；选择计算8*8=64维SIFT描述子作为兴趣点描述子；将每帧图像分为4×4=16个区域；
步骤4：利用在线滑动窗口的方法提取子镜头，其具体算法步骤如下：
（1）利用子镜头依次进行输入视频V，提取当前帧图像T m ，提取帧特征F m ，当前活动子镜头的特征S n ；
（2）计算S n 和F m 之间的距离，                                                
Figure 2012105818385100002DEST_PATH_IMAGE001
，如果两者之间的距离小于预先设定的阈值，那么当前帧属于当前子镜头；反之，当前子镜头结束，当前处理的帧作为新的活动子镜头的开始。
本发明的有益效果是，本发明的一种基于子镜头的视频匹配方法，采用了在线滑动窗口的方法提取子镜头，能够得到即时的子镜头结果，在效率和计算复杂度上的更大的优势。 
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的子镜头分割流程图；
图2是本发明的算法的子镜头分割结果实例图。 
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示的一种基于子镜头的视频匹配方法，具体步骤如下：
步骤1：将一个镜头内部的内容分解为复数个子镜头；
步骤2：对每个子镜头内每一帧图像进行特征抽取：（1）图像的统计特征；（2）局部区域的兴趣点描述子；
步骤3：选择64维亮度直方图作为图像的统计特征；选择计算8*8=64维SIFT描述子作为兴趣点描述子；将每帧图像分为4×4=16个区域；
步骤4：利用在线滑动窗口的方法提取子镜头，其具体算法步骤如下：
（1）利用子镜头依次进行输入视频V，提取当前帧图像T m ，提取帧特征F m ，当前活动子镜头的特征S n ；
（2）计算S n 和F m 之间的距离， 
Figure 871452DEST_PATH_IMAGE001
。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (1)

1. 一种基于子镜头的视频匹配方法，其特征是具体步骤如下：
步骤1：将一个镜头内部的内容分解为复数个子镜头；
步骤2：对每个子镜头内每一帧图像进行特征抽取：（1）图像的统计特征；（2）局部区域的兴趣点描述子；
步骤3：选择64维亮度直方图作为图像的统计特征；选择计算8*8=64维SIFT描述子作为兴趣点描述子；将每帧图像分为4×4=16个区域；
步骤4：利用在线滑动窗口的方法提取子镜头，其具体算法步骤如下：
（1）利用子镜头依次进行输入视频V，提取当前帧图像T m ，提取帧特征F m ，当前活动子镜头的特征S n ；
（2）计算S n 和F m 之间的距离，                                                。
CN201210581838.5A 2012-12-28 2012-12-28 一种基于子镜头的视频匹配方法 Pending CN103902603A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210581838.5A CN103902603A (zh) 2012-12-28 2012-12-28 一种基于子镜头的视频匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210581838.5A CN103902603A (zh) 2012-12-28 2012-12-28 一种基于子镜头的视频匹配方法

Publications (1)

Publication Number Publication Date
CN103902603A true CN103902603A (zh) 2014-07-02

Family

ID=50993931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210581838.5A Pending CN103902603A (zh) 2012-12-28 2012-12-28 一种基于子镜头的视频匹配方法

Country Status (1)

Country Link
CN (1) CN103902603A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182391A (zh) * 2017-12-19 2018-06-19 中山大学 一种基于教育视频自动提取不重复的幻灯片方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102650993A (zh) * 2011-02-25 2012-08-29 北大方正集团有限公司 音视频文件的索引建立和检索方法、装置及系统
KR20120126953A (ko) * 2011-05-13 2012-11-21 한국과학기술원 강의 동영상과 강의노트 동기화를 통해 동영상 프레임을 슬라이드 주요 제목으로 색인하는 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102650993A (zh) * 2011-02-25 2012-08-29 北大方正集团有限公司 音视频文件的索引建立和检索方法、装置及系统
KR20120126953A (ko) * 2011-05-13 2012-11-21 한국과학기술원 강의 동영상과 강의노트 동기화를 통해 동영상 프레임을 슬라이드 주요 제목으로 색인하는 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李远宁等: ""基于"bag of words"的视频匹配方法"，", 《通信学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182391A (zh) * 2017-12-19 2018-06-19 中山大学 一种基于教育视频自动提取不重复的幻灯片方法

Similar Documents

Publication Publication Date Title
Zhang et al. Deeper and wider siamese networks for real-time visual tracking
CN102663382B (zh) 基于子网格特征自适应加权的视频图像文字识别方法
CN105069408A (zh) 一种复杂场景下基于人脸识别的视频人像跟踪方法
Li et al. Multi-scale cascade network for salient object detection
CN105528794A (zh) 基于混合高斯模型与超像素分割的运动目标检测方法
CN103929685A (zh) 一种视频摘要生成及索引方法
CN104732236B (zh) 一种基于分层处理的人群异常行为智能检测方法
CN103870834A (zh) 基于分层分割的滑动窗搜索方法
WO2017166597A1 (zh) 一种卡通视频识别方法、装置和电子设备
CN107609509A (zh) 一种基于运动显著性区域检测的动作识别方法
CN105139417A (zh) 视频监控下的多目标实时跟踪方法
CN103065325A (zh) 一种基于彩色颜色距离和图像分科聚合的目标跟踪方法
CN104680521A (zh) 一种改进的背景建模及前景检测方法
CN104504733A (zh) 一种基于运动目标检测的视频摘要方法和系统
CN102314681A (zh) 基于子镜头分割的自适应关键帧提取方法
CN103577804A (zh) 基于sift流和隐条件随机场的人群异常行为识别方法
Chen et al. Headnet: pedestrian head detection utilizing body in context
CN102708573B (zh) 复杂场景下的群体运动模式检测方法
CN102194270A (zh) 基于启发信息的行人流量统计方法
CN104008396A (zh) 基于人头部色彩和形状特征的进出口人流量统计方法
CN104331700B (zh) 基于轨迹能量扩散图的组行为识别方法
CN102938153A (zh) 基于约束谱聚类和马尔科夫随机场的视频图像分割方法
Lu et al. Context-constrained accurate contour extraction for occlusion edge detection
CN103902603A (zh) 一种基于子镜头的视频匹配方法
CN101276476A (zh) 对2d卡通动画的前景背景分离方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140702

WD01 Invention patent application deemed withdrawn after publication