CN106326910A - 一种视频镜头的分类标注方法及装置 - Google Patents
一种视频镜头的分类标注方法及装置 Download PDFInfo
- Publication number
- CN106326910A CN106326910A CN201510392136.6A CN201510392136A CN106326910A CN 106326910 A CN106326910 A CN 106326910A CN 201510392136 A CN201510392136 A CN 201510392136A CN 106326910 A CN106326910 A CN 106326910A
- Authority
- CN
- China
- Prior art keywords
- vector
- cumulant
- motion vector
- camera lens
- lens
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种视频镜头的分类标注方法及装置，用以达到对视频镜头的内容进行分类标注的目的。所述方法包括：从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。通过所述方法对视频镜头的内容进行分类标注，省事省力,大大降低了人工成本。
Description
技术领域
本发明涉及通信领域，特别涉及一种视频镜头的分类标注方法及装置。
背景技术
随着人们生活水平的提高，体育运动成为了生活中不可缺少的一部分。体育运动不但能够提高生命活力，促进心理健康，也促进了个性的完善与发展；在各项体育运动中，篮球运动深受欢迎，它涵盖了跑、跳、投等多种身体运动形式，且运动强度较大，因此能全面、有效、综合地促进身体素质和人体机能的全面发展，为人的一切活动打下坚实的身体基础，从而提高生活的质量；另外篮球活动的形式多样，具有更强的参与性、趣味性、应变性、娱乐性和竞技性等，能满足不同人群的多种需求；与此同时，更多的体育爱好者喜欢观看篮球比赛，运动员随时可能在比赛中发挥出超常水平，使比赛充满了不确定性，每一个精彩瞬间都能让篮球爱好者激动不已，因此精彩体育镜头经常需要轮回播放。
但是这个播放的前提是镜头的体育赛事类型已经知道了，因此镜头本身属于什么体育赛事，需要做出判断，目前为止都是人工判断，费时费力，成本较高。
发明内容
本发明提供一种视频镜头的分类标注方法及装置，用以达到对视频镜头的内容进行分类标注的目的。
本发明提供一种视频镜头的分类标注方法，包括：
从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；
将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；
如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。
本发明实施例的有益效果包括：从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类；通过所述方法对视频镜头的内容进行分类标注，省事省力,大大降低了人工成本。
在一个实施例中，用人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的各帧图像的三维运动向量，在三维的每个维度上分别进行累积得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；
将所述一个预设镜头的三维运动向量累积量加入到模板库。
该实施例中，用人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的各帧图像的三维运动向量，在三维的每个维度上分别进行累积得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；将所述一个预设镜头的三维运动向量累积量加入到模板库；将模板库作为对比库，对视频镜头的内容进行分类标注，进一步提高了标注效率，节省了人工成本。
在一个实施例中，所述三维运动向量包括:水平转动向量，垂直转动向量，焦距轴移动向量。
该实施例中，所述三维运动向量包括:水平转动向量，垂直转动向量，焦距轴移动向量；进一步对三维运动向量进行了优化。
在一个实施例中，所述在三维的每个维度上分别进行累积，包括：
将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量。
该实施例中，将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量；进一步对三维运动向量累积量进行了优化。
在一个实施例中，所述获得当前视频的一个当前镜头的三维运动向量累积量，包括：
将当前视频根据颜色切分成不同的镜头，针对一个当前镜头，得到三维运动向量累积量。
该实施例中，首先将当前视频切分成不同镜头，在当前镜头得到三维运动向量累积量。
本发明提供一种视频镜头的分类标注装置，包括：
提取模块，用于从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；
匹配模块，将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；
如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。
本发明实施例的有益效果包括：从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类；通过所述方法对视频镜头的内容进行分类标注，省事省力,大大降低了人工成本。
在一个实施例中，所述装置，包括：
预设模块，用于将人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的每一帧图像的三维运动向量，在三维的每个维度上分别进行求和得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；
将所述一个预设镜头的三维运动向量累积量加入到模板库。
在一个实施例中，所述三维运动向量，包括:水平转动向量，垂直转动向量，焦距轴移动向量。
在一个实施例中，所述预设模块，包括：累积子模块，用于将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量。
在一个实施例中，所述装置，包括：切分模块，用于将当前视频根据颜色切分成不同的镜头，针对一个当前镜头，得到三维运动向量累积量。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明一示例性实施例示出的一种视频镜头的分类标注方法流程图；
图2为本发明一示例性实施例示出的一种视频镜头的分类标注方法流程图；
图3为本发明一示例性实施例示出的一种视频镜头的分类标注方法流程图；
图4为本发明一示例性实施例示出的一种视频镜头的分类标注装置框图；
图5为本发明一示例性实施例示出的一种视频镜头的分类标注装置框图；
图6为本发明一示例性实施例示出的一种视频镜头的分类标注装置框图；
图7为本发明一示例性实施例示出的一种视频镜头的分类标注装置框图；
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1，本发明提供一种视频镜头的分类标注方法，包括步骤101-103：
步骤101，从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；
步骤102，将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；
步骤103，如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。
本发明实施例的有益效果包括：从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类；通过所述方法对视频镜头的内容进行分类标注，省事省力,大大降低了人工成本。
在一个实施例中，如图2，所述方法进一步包括，步骤100，用人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的各帧图像的三维运动向量，在三维的每个维度上分别进行累积得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；
将所述一个预设镜头的三维运动向量累积量加入到模板库。
该实施例中，用人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的各帧图像的三维运动向量，在三维的每个维度上分别进行累积得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；将所述一个预设镜头的三维运动向量累积量加入到模板库；将模板库作为对比库，对视频镜头的内容进行分类标注，进一步提高了标注效率，节省了人工成本。
在一个实施例中，所述三维运动向量包括:水平转动向量，垂直转动向量，焦距轴移动向量。
该实施例中，所述三维运动向量包括:水平转动向量，垂直转动向量，焦距轴移动向量；进一步对三维运动向量进行了优化。
在一个实施例中，所述在三维的每个维度上分别进行累积，包括：
将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量。
该实施例中，将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量；进一步对三维运动向量累积量进行了优化。
在一个实施例中，如图3，步骤101，所述获得当前视频的一个当前镜头的三维运动向量累积量，包括：
步骤301，将当前视频根据颜色切分成不同的镜头，针对一个当前镜头，得到三维运动向量累积量。
该实施例中，首先将当前视频切分成不同镜头，在当前镜头得到三维运动向量累积量。
如图4，本发明提供一种视频镜头的分类标注装置，包括：
提取模块401，用于从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；
匹配模块402，将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；
如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。
本发明实施例的有益效果包括：从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类；通过所述方法对视频镜头的内容进行分类标注，省事省力,大大降低了人工成本。
在一个实施例中，如图5，所述装置，包括：
预设模块400，用于将人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的每一帧图像的三维运动向量，在三维的每个维度上分别进行求和得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；
将所述一个预设镜头的三维运动向量累积量加入到模板库。
在一个实施例中，所述三维运动向量，包括:水平转动向量，垂直转动向量，焦距轴移动向量。
在一个实施例中，如图6，所述预设模块400，包括：累积子模块601，用于将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量。
在一个实施例中，如图7，所述装置，包括：切分模块403，用于将当前视频根据颜色切分成不同的镜头，针对一个当前镜头，得到三维运动向量累积量。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种视频镜头的分类标注方法，其特征在于，包括：
从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；
将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；
如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。
2.如权利要求1所述的方法，其特征在于，包括:
用人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的各帧图像的三维运动向量，在三维的每个维度上分别进行累积得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；
将所述一个预设镜头的三维运动向量累积量加入到模板库。
3.如权利要求2所述的方法，其特征在于，所述三维运动向量包括:水平转动向量，垂直转动向量，焦距轴移动向量。
4.如权利要求3所述的方法，其特征在于，所述在三维的每个维度上分别进行累积，包括：
将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量。
5.如权利要求1所述的方法，其特征在于，所述获得当前视频的一个当前镜头的三维运动向量累积量，包括：
将当前视频根据颜色切分成不同的镜头，针对一个当前镜头，得到三维运动向量累积量。
6.一种视频镜头的分类标注装置，其特征在于，包括：
提取模块，用于从测试库中提取待测试视频作为当前视频，获得当前视频的一个当前镜头的三维运动向量累积量；
匹配模块，将所述一个当前镜头的三维运动向量累积量，与预设的模板库中的一个预设镜头三维运动向量累积量进行匹配，得出匹配值，所述一个预设镜头的内容属于节目类型中的A类；
如果所述匹配值大于预设阈值，则认为所述当前镜头的内容属于节目类型中的A类；否则认为所述当前镜头的内容不属于节目类型中的A类。
7.如权利要求6所述的装置，其特征在于，所述装置，包括：
预设模块，用于将人工标注的视频,训练得到模板库：针对一个预设镜头的每一帧图像，选择一个特定窗口，提取出所述特定窗口内三维运动向量，然后将所述一个预设镜头的每一帧图像的三维运动向量，在三维的每个维度上分别进行求和得到一个预设镜头三维运动向量累积量，所述特定窗口的窗口内是精彩镜头，窗口外是与精彩镜头无关内容；
将所述一个预设镜头的三维运动向量累积量加入到模板库。
8.如权利要求7所述的装置，其特征在于，所述三维运动向量，包括:水平转动向量，垂直转动向量，焦距轴移动向量。
9.如权利要求8所述的装置，其特征在于，所述预设模块，包括：累积子模块，用于将所述一个预设镜头的各帧图像的水平转动向量在水平方向上进行求和得到水平转动向量累积量，将所述一个预设镜头的各帧图像的垂直转动向量在垂直方向上进行求和得到垂直转动向量累积量，将所述一个预设镜头的各帧图像的焦距轴转动向量在焦距轴方向上进行求和得到水平转动向量累积量。
10.如权利要求6所述的装置，其特征在于，所述装置，包括：切分模块，用于将当前视频根据颜色切分成不同的镜头，针对一个当前镜头，得到三维运动向量累积量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510392136.6A CN106326910A (zh) | 2015-07-06 | 2015-07-06 | 一种视频镜头的分类标注方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510392136.6A CN106326910A (zh) | 2015-07-06 | 2015-07-06 | 一种视频镜头的分类标注方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106326910A true CN106326910A (zh) | 2017-01-11 |
Family
ID=57727462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510392136.6A Pending CN106326910A (zh) | 2015-07-06 | 2015-07-06 | 一种视频镜头的分类标注方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106326910A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491930A (zh) * | 2018-03-23 | 2018-09-04 | 腾讯科技（深圳）有限公司 | 一种样本数据的处理方法以及数据处理装置 |
| CN110163115A (zh) * | 2019-04-26 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种视频处理方法、装置和计算机可读存储介质 |
| CN113255628A (zh) * | 2021-07-15 | 2021-08-13 | 成都索贝数码科技股份有限公司 | 一种针对新闻场景的景别识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101018347A (zh) * | 2006-02-09 | 2007-08-15 | 智辉研发股份有限公司 | 用以检测媒体数据流中精彩片段的装置以及相关方法 |
| CN101127866A (zh) * | 2007-08-10 | 2008-02-20 | 西安交通大学 | 一种检测足球比赛视频精彩片段的方法 |
| CN102930553A (zh) * | 2011-08-10 | 2013-02-13 | 中国移动通信集团上海有限公司 | 不良视频内容识别方法及装置 |
-
2015
- 2015-07-06 CN CN201510392136.6A patent/CN106326910A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101018347A (zh) * | 2006-02-09 | 2007-08-15 | 智辉研发股份有限公司 | 用以检测媒体数据流中精彩片段的装置以及相关方法 |
| CN101127866A (zh) * | 2007-08-10 | 2008-02-20 | 西安交通大学 | 一种检测足球比赛视频精彩片段的方法 |
| CN102930553A (zh) * | 2011-08-10 | 2013-02-13 | 中国移动通信集团上海有限公司 | 不良视频内容识别方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 李秀强: "视频镜头边界检测与体育视频分类算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491930A (zh) * | 2018-03-23 | 2018-09-04 | 腾讯科技（深圳）有限公司 | 一种样本数据的处理方法以及数据处理装置 |
| CN108491930B (zh) * | 2018-03-23 | 2022-04-15 | 腾讯科技（深圳）有限公司 | 一种样本数据的处理方法以及数据处理装置 |
| CN110163115A (zh) * | 2019-04-26 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种视频处理方法、装置和计算机可读存储介质 |
| CN110163115B (zh) * | 2019-04-26 | 2023-10-13 | 腾讯科技（深圳）有限公司 | 一种视频处理方法、装置和计算机可读存储介质 |
| CN113255628A (zh) * | 2021-07-15 | 2021-08-13 | 成都索贝数码科技股份有限公司 | 一种针对新闻场景的景别识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180227482A1 (en) | Scene-aware selection of filters and effects for visual digital media content | |
| CN110929596A (zh) | 一种基于智能手机和人工智能的投篮训练系统与方法 | |
| KR102106135B1 (ko) | 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법 | |
| CN105654471A (zh) | 应用于互联网视频直播的增强现实ar系统及方法 | |
| Rudoy et al. | Viewpoint selection for human actions | |
| Karaman et al. | Human daily activities indexing in videos from wearable cameras for monitoring of patients with dementia diseases | |
| CN101639354A (zh) | 对象跟踪的设备和方法 | |
| CN110827312B (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
| Rallis et al. | Extraction of key postures from 3D human motion data for choreography summarization | |
| CN103942843A (zh) | 一种基于视频的航道船舶三维模型动态呈现方法 | |
| GB2523330A (en) | Method, apparatus and computer program product for segmentation of objects in media content | |
| CN106326910A (zh) | 一种视频镜头的分类标注方法及装置 | |
| CN113191222B (zh) | 水下鱼类目标检测方法及装置 | |
| CN103413323A (zh) | 基于部件级表观模型的物体跟踪方法 | |
| CN111462162A (zh) | 一种特定类别图片的前景分割算法 | |
| Fani et al. | Swim stroke analytic: Front crawl pulling pose classification | |
| CN108122249A (zh) | 一种基于gan网络深度学习模型的光流估计方法 | |
| CN105930789A (zh) | 基于对数欧式空间词袋模型的人体行为识别 | |
| CN106339655A (zh) | 一种视频镜头标注方法及装置 | |
| CN106599779A (zh) | 一种人耳识别方法 | |
| CN104050676B (zh) | 一种基于Logistic回归模型的逆光图像检测方法及装置 | |
| CN103218826B (zh) | 基于Kinect的抛体检测、三维定位与轨迹预测方法 | |
| CN104978558A (zh) | 目标的识别方法及装置 | |
| CN104318228A (zh) | 一种实现头戴式摄录设备获取最佳视野的方法 | |
| CN107251542A (zh) | 用于在数据集产生期间的观察指导的可视化 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |
|
| RJ01 | Rejection of invention patent application after publication |