CN108830146A - 一种基于滑动窗口的非压缩域镜头边界检测方法 - Google Patents
一种基于滑动窗口的非压缩域镜头边界检测方法 Download PDFInfo
- Publication number
- CN108830146A CN108830146A CN201810421094.8A CN201810421094A CN108830146A CN 108830146 A CN108830146 A CN 108830146A CN 201810421094 A CN201810421094 A CN 201810421094A CN 108830146 A CN108830146 A CN 108830146A
- Authority
- CN
- China
- Prior art keywords
- frame
- sliding window
- difference
- histogram
- frames
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000010008 shearing Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于滑动窗口的非压缩域镜头边界检测方法,该方法首先读入一段视频流,将每帧图像分为r块,分别计算每连续两帧的分块直方图差D(i,i+1)和像素帧差直方图方差V(i,i+1);接着设置一个大小为2W的滑动窗口,计算出分块直方图差法的阈值Th和像素帧差直方图方差法的阈值Tv,将D(i,i+1)大于Th的帧加入集合A,将V(i,i+1)小于Tv的帧加入集合B;然后计算出加权直方图差法的阈值Ty,若加权直方图差Y(i,i+1)的值大于Ty,则将此帧加入集合C,判断集合C1=C‑A∩B中是否存在连续帧,若存在,则该处为渐变镜头边界;最后对集合A‑(A∩B)和B‑(A∩B)集合中的元素分别进行二次检测,得出最终切变镜头边界。本发明可以有效地提高镜头边界检出率和精确度。
Description
技术领域
本发明涉及一种基于滑动窗口的非压缩域镜头边界检测方法,属于视频内容分析、镜头边界检测等交叉技术领域。
背景技术
近年来,视频内容分析是计算机视觉领域中的一个重要研究课题,具有重要的理论意义与实际应用价值,而镜头边界检测是其中不可或缺的一部分。
视频序列中,镜头的边界分为两大类:切变(Abrupt Transition)和渐变(GradualTransition)。切变是指变化突然发生在连续的两帧之间,而渐变是指变化发生在连续的多帧之间。渐变比较复杂,包括淡入淡出、溶解、擦除等。
镜头边界检测的基本思想是通过比较视频序列的帧间差异来寻找镜头边界变化的规律。首先提取视频帧的特征,这些特征必须能够较好地突出镜头边界与非边界的差异;然后利用这些特征量构造评判准则,并将评判准则结果与事先设定的阈值相比较,从而判定是否发生镜头变化。因此,寻找效果理想的视频帧特征和评判准则十分重要。在阈值选取方面,主要存在固定阈值和自适应阈值两种。固定阈值实现简单,但是无法适应视频类型和内容的变化。为了消除主观误差,一些自适应阈值方法随之产生,如Youn S等提出根据已逝时间和已检测镜头边界动态选取阈值的方法;Sze K等提出利用最大熵阈值来确定镜头边界检测中最优阈值的方法等。
目前,镜头切变已取得了不错的效果,这是因为切变时镜头之间没有过渡,由一个镜头瞬间直接转换到另一个镜头,表现出十分突出的非相似性特征;而镜头渐变则发生在一个时间段内,每帧的特征都不明显,很难根据某个时刻的特征值是否超过阈值进行镜头渐变检测。
由上可见,如何选取有效的视频特征、评价准则,以及如何选取自适应阈值是镜头边界检测中的重点和难点。
发明内容
技术问题:发明所要解决的技术问题是非压缩域视频中的镜头边界检测,以有效地提高对视频中镜头分割的准确度。
技术方案:本发明的一种基于滑动窗口的非压缩域镜头边界检测方法包括以下步骤:
步骤1)输入1个视频,所述视频源是未经过压缩的视频序列文件,将每帧图像均匀地划分为大小相同r块,计算每连续两帧的分块直方图差D(i,i+1)和像素差异直方图方差V(i,i+1),i=1,2...(n-1);所述i表示帧的编号,n表示该视频源的总帧数;
步骤2)设置一个大小为2W的滑动窗口,其中,2W为滑动窗口所占图像总帧数;在该滑动窗口中,计算分块直方图差的均值D和像素帧差直方图方差的均值V;分别设置分块直方图差法的阈值Th=thD,像素差异直方图方差法的阈值Tv=tvV;所述th表示分块直方图差法阈值的比例系数,tv表示像素差异直方图方差法阈值的比例系数;
步骤3)在步骤2)所述的滑动窗口内,比较连续两帧间的分块直方图差D(i,i+1),若D(i,i+1)大于阈值Th,则将第i帧加入集合A;比较连续两帧间的像素帧差直方图方差V(i,i+1),若V(i,i+1)小于阈值Tv,则将第i帧加入集合B,取A∩B为滑动窗口2W中的切变镜头边界,将该结果加入最终切变镜头集合F;
步骤4)计算出步骤2)所述滑动窗口内像素帧差直方图方差V(i,i+1)与1差值最小的帧i0,根据i0计算出加权直方图差法阈值Ty;若连续两帧间的加权直方图差Y(i,i+1)的值大于Ty,则将第i帧加入集合C;从集合C中筛选掉步骤3)切变检测中得到的集合,得到剩余的集合C1=C-A∩B,对集合C1进行判断,若存在连续帧,则判断该处为渐变镜头边界,将此连续帧集合加入最终渐变镜头集合G;
步骤5)对于集合A-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R1,其中,2R1为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半,用步骤3)所述的像素帧差直方图方差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;对于集合B-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R2,其中,2R2为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半,用步骤3)所述的分块直方图差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F。
其中所述步骤1)具体如下:
步骤11)将输入的视频序列的每帧图像均匀地划分为大小相同r块,计算每连续两帧的分块直方图差将计算结果存入集合D'={D(1,2),D(2,3),D(3,4),...,D(n-1,n)};其中,i表示帧的编号,n表示该视频源的总帧数,r为该帧的分块数,k表示该帧内分块的编号,DB(i,i+1,k)为第i帧和第i+1帧图像的第k个对应块匹配的差异值,其中,Hi,k(j)是第i帧的第k块的归一化分块直方图在灰度级j上的值,c是灰度级的数量,Max(DB(i,i+1,k))是所有对应块匹配DB(i,i+1,k)中最大的差异值;
步骤12)计算每连续两帧的像素差异直方图方差 将计算结果存入集合V'={V(1,2),V(2,3),V(3,4),...V(n-1,n)};其中,是DHi,i+1(j)的平均值,其中,i表示帧的编号,n表示该视频源的总帧数,j表示差异直方图的级别编号,DHi,i+1(j)是第i帧和第i+1帧图像的归一化像素差异直方图在差异级别j上的值,d是差异直方图的级别数量。
所述步骤2)具体如下:
步骤21)建立长度为2W的滑动窗口,其中,2W为滑动窗口所占图像总帧数;计算该滑动窗口内分块直方图差的均值所述i表示帧的编号,D(i,i+1)为步骤11)计算所得的第i帧与第i+1帧的分块直方图差;计算该滑动窗口内像素差异直方图方差的均值所述i表示帧的编号,V(i,i+1)为步骤12)计算所得的第i帧与第i+1帧的像素差异直方图方差;
步骤22)分别设置分块直方图差法的阈值Th=thD,像素差异直方图方差法的阈值Tv=tvV;所述th表示分块直方图差法阈值的比例系数,tv表示像素差异直方图方差法阈值的比例系数。
所述步骤3)具体如下:
步骤31)在步骤21)所述滑动窗口内,取集合D'中
{D(im,im+1),D(im+1,im+2),...,D(im+2W-1,im+2W)}部分,若两帧间的分块直方图差D(im,im+1)大于阈值Th,则将第im帧加入集合A;其中,im=1,2,...,n-2W,im表示该滑动窗口内第一个帧的编号;
步骤32)在步骤21)所述滑动窗口内,取集合V'中
{V(im,im+1),V(im+1,im+2),...,V(im+2W-1,im+2W)}部分,若两帧间的像素帧差直方图方差V(im,im+1)小于阈值Tv,则将第im帧加入集合B;其中,im=1,2,...,n-2W,im表示该滑动窗口内第一个帧的编号;
步骤33)取集合A∩B为步骤21)所述滑动窗口中的切变镜头边界集,将该结果加入最终切变镜头集合F。
所述步骤4)具体如下:
步骤41)在步骤21)所述滑动窗口内,计算每连续两帧的加权直方图差
Y(im,im+1)=D(im,im+1)×(1-V(im,im+1)),其中,im=1,2,...,n-2W,im表示该滑动窗口内第一个帧的编号;计算出滑动窗口内|V(im,im+1)-1|最接近0的帧 即为该帧的编号,利用该帧计算出加权直方图差法的阈值若Y(im,im+1)的值大于阈值Ty,则将第im帧加入集合C;
步骤42)从集合C中筛选掉步骤3)切变检测中得到的集合A∩B,得到剩余的集合C1=C-A∩B,对集合C1进行判断,若存在连续帧,则判断该处为渐变镜头边界,将此连续帧集合加入最终渐变镜头集合G。
所述步骤5)具体如下:
步骤51)对于集合A-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R1,其中,2R1为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半;用步骤32)所述像素帧差直方图方差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;
步骤52)对于集合B-(A∩B)中的元素,以该元素为中心设置一个滑动窗,大小为2R2,其中,2R2为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半;用步骤31)所述分块直方图差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;
步骤53)输出最终切变镜头集合F和最终渐变镜头集合G。
所述步骤11)中,r取9。
所述步骤21)中,W取150。
所述步骤22)中,th和tv取3和
有益效果:本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明计算出每连续两帧的分块直方图差和像素帧差直方图方差,使用滑动窗口算法来处理帧间比较值,并设置具有可变的自适应检测阈值。在切变检测时交替进行二次检测,提高准确度;在渐变检测时只需对切变检测中的评判准则稍作改动,便可进行渐变检测,降低了检测难度和复杂度。通过这些方法的应用能够对视频中的镜头边界进行检测,具有良好的准确性和有效性,具体来说:
(1)本发明通过使用分块直方图差算法和像素帧差直方图方差算法,可以有效地利用图像的颜色特征和空间特征,最优化选取的阈值。
(2)本发明提取的是每帧的直方图,视频帧的直方图保留了自身的绝对信息,同时保持了视频帧间的独立性,对闪光、运动干扰等具有较强的抵御能力。
(3)本发明在切变检测时交替进行二次检测,能提高准确度,有效避免漏检。
(4)本发明在渐变检测时只需对切变检测中的评判准则稍作改动,便可进行渐变检测,降低了检测难度和复杂度。
附图说明
图1是基于滑动窗口的非压缩域镜头边界检测方法流程。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
在具体实施中,图1是基于滑动窗口的非压缩域镜头边界检测的方法流程。
首先读入一段视频流,共有约2000帧图像,图像大小均为352*288,24位真彩色。将每帧图像分为9块,计算每连续两帧的分块直方图差其中,将计算结果存入集合D'={D(1,2),D(2,3),D(3,4),...,D(1999,2000)};计算每连续两帧的像素差异直方图方差其中,DHi,i+1(j)是第i帧和第i+1帧图像的归一化像素差异直方图在差异级别j上的值,将计算结果存入集合V'={V(1,2),V(2,3),V(3,4),...V(1999,2000)}。
接着设置一个大小为300的滑动窗口来处理连续帧间的比较值,在滑动窗口中,计算该滑动窗口内分块直方图差的均值计算该滑动窗口内像素差异直方图方差的均值分别设置阈值Th=3D,
在上述滑动窗口内,取集合D'中{D(im,im+1),D(im+1,im+2),...,D(im+299,im+300)}部分,若两帧间的分块直方图差D(im,im+1)大于Th,则将第im帧加入集合A;取集合V'中{V(im,im+1),V(im+1,im+2),...,V(im+299,im+300)}部分,若两帧间的像素帧差直方图方差V(im,im+1)小于Tv,则将第im帧加入集合B;其中,im=1,2,...,1700,im表示该滑动窗口内第一个帧的编号;取集合A∩B为该滑动窗口中的切变镜头边界集,将该结果加入最终切变镜头集合F。
接着在上述滑动窗口内,计算每连续两帧的加权直方图差
Y(im,im+1)=D(im,im+1)×(1-V(im,im+1)),其中,im=1,2,...,1700,im表示该滑动窗口内第一个帧的编号;计算出滑动窗口内|V(im,im+1)-1|最接近0的帧 即为该帧的编号,利用该帧计算出阈值若Y(im,im+1)的值大于阈值Ty,则将第im帧加入集合C;从集合C中筛选掉切变检测中得到的集合A∩B,得到剩余的集合C1=C-A∩B,对集合C1进行判断,若存在连续帧,则判断该处为渐变镜头边界,将此连续帧集合加入最终渐变镜头集合G。
然后对于集合A-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R1,其中,2R1为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半;用像素帧差直方图方差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;对于集合B-(A∩B)中的元素,以该元素为中心设置一个滑动窗,大小为2R2,其中,2R2为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半;用分块直方图差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F。
最后输出最终切变镜头集合F和最终渐变镜头集合G。
Claims (9)
1.一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,包括以下步骤:
步骤1)输入1个视频,所述视频源是未经过压缩的视频序列文件,将每帧图像均匀地划分为大小相同r块,计算每连续两帧的分块直方图差D(i,i+1)和像素差异直方图方差V(i,i+1),i=1,2...(n-1);所述i表示帧的编号,n表示该视频源的总帧数;
步骤2)设置一个大小为2W的滑动窗口,其中,2W为滑动窗口所占图像总帧数;在该滑动窗口中,计算分块直方图差的均值D和像素帧差直方图方差的均值V;分别设置分块直方图差法的阈值Th=thD,像素差异直方图方差法的阈值Tv=tvV;所述th表示分块直方图差法阈值的比例系数,tv表示像素差异直方图方差法阈值的比例系数;
步骤3)在步骤2)所述的滑动窗口内,比较连续两帧间的分块直方图差D(i,i+1),若D(i,i+1)大于阈值Th,则将第i帧加入集合A;比较连续两帧间的像素帧差直方图方差V(i,i+1),若V(i,i+1)小于阈值Tv,则将第i帧加入集合B,取A∩B为滑动窗口2W中的切变镜头边界,将该结果加入最终切变镜头集合F;
步骤4)计算出步骤2)所述滑动窗口内像素帧差直方图方差V(i,i+1)与1差值最小的帧i0,根据i0计算出加权直方图差法阈值Ty;若连续两帧间的加权直方图差Y(i,i+1)的值大于Ty,则将第i帧加入集合C;从集合C中筛选掉步骤3)切变检测中得到的集合,得到剩余的集合C1=C-A∩B,对集合C1进行判断,若存在连续帧,则判断该处为渐变镜头边界,将此连续帧集合加入最终渐变镜头集合G;
步骤5)对于集合A-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R1,其中,2R1为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半,用步骤3)所述的像素帧差直方图方差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;对于集合B-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R2,其中,2R2为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半,用步骤3)所述的分块直方图差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F。
2.根据权利要求1所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤1)具体如下:
步骤11)将输入的视频序列的每帧图像均匀地划分为大小相同r块,计算每连续两帧的分块直方图差将计算结果存入集合D'={D(1,2),D(2,3),D(3,4),...,D(n-1,n)};其中,i表示帧的编号,n表示该视频源的总帧数,r为该帧的分块数,k表示该帧内分块的编号,DB(i,i+1,k)为第i帧和第i+1帧图像的第k个对应块匹配的差异值,其中,Hi,k(j)是第i帧的第k块的归一化分块直方图在灰度级j上的值,c是灰度级的数量,Max(DB(i,i+1,k))是所有对应块匹配DB(i,i+1,k)中最大的差异值;
步骤12)计算每连续两帧的像素差异直方图方差i=1,2...(n-1),将计算结果存入集合V'={V(1,2),V(2,3),V(3,4),...V(n-1,n)};其中,是DHi,i+1(j)的平均值,其中,i表示帧的编号,n表示该视频源的总帧数,j表示差异直方图的级别编号,DHi,i+1(j)是第i帧和第i+1帧图像的归一化像素差异直方图在差异级别j上的值,d是差异直方图的级别数量。
3.根据权利要求1所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤2)具体如下:
步骤21)建立长度为2W的滑动窗口,其中,2W为滑动窗口所占图像总帧数;计算该滑动窗口内分块直方图差的均值所述i表示帧的编号,D(i,i+1)为步骤11)计算所得的第i帧与第i+1帧的分块直方图差;计算该滑动窗口内像素差异直方图方差的均值所述i表示帧的编号,V(i,i+1)为步骤12)计算所得的第i帧与第i+1帧的像素差异直方图方差;
步骤22)分别设置分块直方图差法的阈值Th=thD,像素差异直方图方差法的阈值Tv=tvV;所述th表示分块直方图差法阈值的比例系数,tv表示像素差异直方图方差法阈值的比例系数。
4.根据权利要求1所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤3)具体如下:
步骤31)在步骤21)所述滑动窗口内,取集合D'中
{D(im,im+1),D(im+1,im+2),...,D(im+2W-1,im+2W)}部分,若两帧间的分块直方图差D(im,im+1)大于阈值Th,则将第im帧加入集合A;其中,im=1,2,...,n-2W,im表示该滑动窗口内第一个帧的编号;
步骤32)在步骤21)所述滑动窗口内,取集合V'中
{V(im,im+1),V(im+1,im+2),...,V(im+2W-1,im+2W)}部分,若两帧间的像素帧差直方图方差V(im,im+1)小于阈值Tv,则将第im帧加入集合B;其中,im=1,2,...,n-2W,im表示该滑动窗口内第一个帧的编号;
步骤33)取集合A∩B为步骤21)所述滑动窗口中的切变镜头边界集,将该结果加入最终切变镜头集合F。
5.根据权利要求1所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤4)具体如下:
步骤41)在步骤21)所述滑动窗口内,计算每连续两帧的加权直方图差
Y(im,im+1)=D(im,im+1)×(1-V(im,im+1)),其中,im=1,2,...,n-2W,im表示该滑动窗口内第一个帧的编号;计算出滑动窗口内|V(im,im+1)-1|最接近0的帧 即为该帧的编号,利用该帧计算出加权直方图差法的阈值若Y(im,im+1)的值大于阈值Ty,则将第im帧加入集合C;
步骤42)从集合C中筛选掉步骤3)切变检测中得到的集合A∩B,得到剩余的集合C1=C-A∩B,对集合C1进行判断,若存在连续帧,则判断该处为渐变镜头边界,将此连续帧集合加入最终渐变镜头集合G。
6.根据权利要求1所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤5)具体如下:
步骤51)对于集合A-(A∩B)中的帧元素,以该元素为中心设置一个滑动窗,大小为2R1,其中,2R1为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半;用步骤32)所述像素帧差直方图方差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;
步骤52)对于集合B-(A∩B)中的元素,以该元素为中心设置一个滑动窗,大小为2R2,其中,2R2为该滑动窗口所占图像总帧数,即以该元素为中心前后两个镜头帧数之和的一半;用步骤31)所述分块直方图差法进行二次检测,若满足切变条件,则将该帧加入最终切变镜头集合F;
步骤53)输出最终切变镜头集合F和最终渐变镜头集合G。
7.根据权利要求2所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤11)中,r取9。
8.根据权利要求3所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤21)中,W取150。
9.根据权利要求3所述的一种基于滑动窗口的非压缩域镜头边界检测方法,其特征在于,所述步骤22)中,th和tv取3和
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810421094.8A CN108830146A (zh) | 2018-05-04 | 2018-05-04 | 一种基于滑动窗口的非压缩域镜头边界检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810421094.8A CN108830146A (zh) | 2018-05-04 | 2018-05-04 | 一种基于滑动窗口的非压缩域镜头边界检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108830146A true CN108830146A (zh) | 2018-11-16 |
Family
ID=64147401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810421094.8A Pending CN108830146A (zh) | 2018-05-04 | 2018-05-04 | 一种基于滑动窗口的非压缩域镜头边界检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830146A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597574A (zh) * | 2018-11-27 | 2019-04-09 | 深圳市酷开网络科技有限公司 | 分布式数据存储方法、服务器及可读存储介质 |
CN111062926A (zh) * | 2019-12-18 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN116249018A (zh) * | 2023-05-11 | 2023-06-09 | 深圳比特微电子科技有限公司 | 图像的动态范围压缩方法、装置、电子设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800095A (zh) * | 2012-07-17 | 2012-11-28 | 南京特雷多信息科技有限公司 | 一种镜头边界检测方法 |
-
2018
- 2018-05-04 CN CN201810421094.8A patent/CN108830146A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800095A (zh) * | 2012-07-17 | 2012-11-28 | 南京特雷多信息科技有限公司 | 一种镜头边界检测方法 |
Non-Patent Citations (2)
Title |
---|
成勇 等: "一种自动选取阈值的视频镜头边界检测算法", 《电子学报》 * |
黄茜 等: "基于灰度和直方图的阈值自适应镜头边界检测", 《科学技术与工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597574A (zh) * | 2018-11-27 | 2019-04-09 | 深圳市酷开网络科技有限公司 | 分布式数据存储方法、服务器及可读存储介质 |
CN109597574B (zh) * | 2018-11-27 | 2021-09-24 | 深圳市酷开网络科技股份有限公司 | 分布式数据存储方法、服务器及可读存储介质 |
CN111062926A (zh) * | 2019-12-18 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN111062926B (zh) * | 2019-12-18 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN116249018A (zh) * | 2023-05-11 | 2023-06-09 | 深圳比特微电子科技有限公司 | 图像的动态范围压缩方法、装置、电子设备和存储介质 |
CN116249018B (zh) * | 2023-05-11 | 2023-09-08 | 深圳比特微电子科技有限公司 | 图像的动态范围压缩方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509917B (zh) | 基于镜头类相关性分析的视频场景分割方法和装置 | |
CN109584204B (zh) | 一种图像噪声强度估计方法、存储介质、处理及识别装置 | |
US8218831B2 (en) | Combined face detection and background registration | |
US6535254B1 (en) | Method and device for noise reduction | |
CN108830146A (zh) | 一种基于滑动窗口的非压缩域镜头边界检测方法 | |
CN113034384A (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
CN106210448B (zh) | 一种视频图像抖动消除处理方法 | |
CN115908154B (zh) | 基于图像处理的视频后期颗粒噪声去除方法 | |
CN112561951B (zh) | 一种基于帧差绝对误差和sad的运动和亮度检测方法 | |
CN111183630B (zh) | 一种智能终端的照片处理方法及处理装置 | |
JP2009512246A (ja) | 画像のショットタイプを決定する方法及び装置 | |
CN101543075A (zh) | 视频序列中渐变的检测 | |
CN114463218B (zh) | 一种基于事件数据驱动的视频去模糊方法 | |
CN108257165A (zh) | 图像立体匹配方法、双目视觉设备 | |
CN118055235B (zh) | 一种基于图像分析的视频智能压缩方法 | |
KR100949403B1 (ko) | 화상 노이즈 저감 방법 및 장치 | |
CN111583357A (zh) | 一种基于matlab系统的物体运动图像捕捉合成方法 | |
CN117561540A (zh) | 使用帧序列执行计算机视觉任务的系统和方法 | |
CN101141655A (zh) | 影像信号像素点色彩值调整方法 | |
KR100963701B1 (ko) | 영상 식별 장치 | |
EP2223284A1 (en) | Image filtering | |
Jin et al. | Single image de-haze based on a new dark channel estimation method | |
CN113298723A (zh) | 视频处理方法、装置、电子设备及计算机存储介质 | |
JP2859345B2 (ja) | シーン変化検出方法 | |
CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |