CN108966042A - 一种基于最短路径的视频摘要生成方法及装置 - Google Patents

一种基于最短路径的视频摘要生成方法及装置 Download PDF

Info

Publication number
CN108966042A
CN108966042A CN201811052010.4A CN201811052010A CN108966042A CN 108966042 A CN108966042 A CN 108966042A CN 201811052010 A CN201811052010 A CN 201811052010A CN 108966042 A CN108966042 A CN 108966042A
Authority
CN
China
Prior art keywords
video
information
segmenting
shortest path
vertex
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.)
Granted
Application number
CN201811052010.4A
Other languages
English (en)
Other versions
CN108966042B (zh
Inventor
赵烨
葛钊
刘学亮
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201811052010.4A priority Critical patent/CN108966042B/zh
Publication of CN108966042A publication Critical patent/CN108966042A/zh
Application granted granted Critical
Publication of CN108966042B publication Critical patent/CN108966042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

本发明公开了一种基于最短路径的视频摘要生成方法及装置。该方法包括：获取待处理视频的视频帧信息；对所述视频帧信息进行采样，获取所述视频帧信息的采样信息；根据所述采样信息确定所述待处理视频的分段位置，在所述分段位置处对所述待处理视频进行分段，得到分段视频；对所述分段视频中的视频帧进行聚类，获取候选关键帧；构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。本发明具有图模型简单，计算量少，视频摘要获取效率高的优点。

Description

一种基于最短路径的视频摘要生成方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于最短路径的视频摘要生成方法及装置。
背景技术
视频摘要又称视频浓缩，是对视频内容的一个简单概括。无论是日常生活还是专业需要往往需要对海量视频数据进行快速浏览和检索，而对视频生成摘要来展示视频的关键内容可以大大提高视频的浏览、检索效率。
静态视频摘要是视频摘要的一种形式，也称之为视频概要，是以一系列从原始视频流中抽取出来的静态语义单元来表现视频的内容，静态语义单元是诸如关键帧、标题、幻灯片等可以概括表示视频镜头内容的静态特征信息。比较典型的有基于聚类的方法，如DeAvila等人提出的VSUMM（Video SUMMarization）方法、Angadi等人采用FCM（Fuzzy CMeans Clustering）算法。也有基于图模型的方法，例如，Mundur 等人首先对视频采样，提取采样视频帧的颜色特征，然后将每一个采样视频帧看作德劳内( Delaunay) 图的顶点并构建德劳内图，通过移除德劳内图中的部分边进行聚类，最后选取距离聚类中心最近的一帧作为关键帧等。
这些传统的基于聚类方法和图模型的的方法都已验证有着一定的有效性，然而其实都有各自的缺陷。例如聚类方法中往往要对初始聚类中心设定，关键帧数目确定，阈值选择稳定性等问题进行综合考虑，虽然无需提前设定聚类中心和关键帧数目，但是其有着计算复杂度大，合并点或分裂点难以选择的缺点；此外，关键帧提取一定程度上受到主观因素影响。而基于图模型的方法在实际情况中，一个视频的视频帧的数量往往是相当大的，同时还需要考虑所有的帧图片间的关系，图模型会变得相当复杂，计算量也会加大。
为此，我们提出一种基于最短路径的视频摘要生成方法及装置来解决上述问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于最短路径的视频摘要生成方法及装置。
为了实现上述目的，本发明采用了如下技术方案：
一种基于最短路径的视频摘要生成方法，所述方法包括：
获取待处理视频的视频帧信息；
对所述视频帧信息进行等间隔采样，获取所述视频帧信息的采样信息；
根据所述采样信息确定所述待处理视频的分段位置，在所述分段位置处对所述待处理视频进行分段，得到分段视频；
对所述分段视频中的视频帧进行聚类，获取候选关键帧；
以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。
对所述视频帧信息进行采样，获取所述视频帧信息的采样信息，具体包括：
根据所述采样信息确定所述待处理视频的分段位置，具体包括：
计算所述采样信息的前向位置信息、后向位置信息和运动信息，根据所述前向位置信息、所述后向位置信息和所述运动信息建立所述采样信息的目标函数，对所述采样信息的目标函数进行优化，使所述采样信息的目标函数算法收敛，根据所述采样信息的目标函数算法收敛确定所述待处理视频的分段位置。
对所述分段视频的视频帧进行聚类，获取候选关键帧，具体包括：
提取所述分段视频的视频帧特征信息，计算所述分段视频的视频帧特征信息熵，根据所述分段视频的视频帧特征信息熵进行聚类，从所述聚类中提取所述分段视频的所述候选关键帧。
所述分段视频的视频帧特征信息熵进行聚类，其特征在于：
将任意两个所述分段视频的视频帧特征信息熵小于第一阈值的所述分段视频的视频帧聚为一类。
以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，约束条件具体包括：
两个所述顶点对应的两个所述分段视频的分段时间相邻；
或者相邻两个所述顶点的相似度量小于第二阈值；
或者任意两个所述顶点的相似度度量小于第二阈值。
一种基于最短路径的视频摘要生成装置，包括：
获取模块，用于获取待处理视频的视频帧信息；
采样模块，用于对所述视频帧信息进行等间隔采样，获取所述视频帧信息的采样信息；
分段模块，用于根据所述采样信息确定所述待处理视频的分段位置，在所述分段位置处对所述待处理视频进行分段，得到分段视频；
聚类模块，用于对所述分段视频中的视频帧进行聚类，获取候选关键帧；
生成模块，用于以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。
所述分段模块具体包括：
第一计算单元，用于计算所述采样信息的前向位置信息、后向位置信息和运动信息，根据所述前向位置信息、所述后向位置信息和所述运动信息建立所述采样信息的目标函数，对所述采样信息的目标函数进行优化，使所述采样信息的目标函数算法收敛，根据所述采样信息的目标函数算法收敛确定所述待处理视频的分段位置。
所述聚类模块具体包括：
第二计算单元，用于提取所述分段视频的视频帧特征信息，计算所述分段视频的视频帧特征信息熵，根据所述分段视频的视频帧特征信息熵进行聚类；
提取单元，用于从所述聚类中提取所述分段视频的所述候选关键帧。
所述聚类模块具体包括：
所述第二计算单元将任意两个所述分段视频的视频帧特征信息熵小于第一阈值的所述分段视频的视频帧聚为一类。
所述生成模块的约束条件具体包括：
两个所述顶点对应的两个所述分段视频的分段时间相邻；
或者相邻两个所述顶点的相似度量小于第二阈值；
或者任意两个所述顶点的相似度度量小于第二阈值。
本发明实施例提供的技术方案的有益效果为：
通过对待处理视频的视频帧信息进行均匀采样，然后根据采样信息获取分段视频，将待处理视频分为多个具有代表性的视频段，可以提高分段效率，分段更科学，使后续视频摘要的生成有效性更高；
通过获取分段视频的候选关键帧，并将该候选关键帧作为顶点构造有向图，然后通过最短路径算法得到关键帧，有选择的构造有向图计算简单，不用选择合并点和分裂点，将关键帧提取问题转化为最短路径求解问题，计算量大大减少，图模型得到简化，提高了视频摘要获取的效率。
附图说明
图1示出了本发明实施例1中基于最短路径的视频摘要生成方法的具体流程图；
图2示出了本发明实施例2中基于最短路径的视频摘要生成方法的具体流程图；
图3示出了本发明实施例3中基于最短路径的视频摘要生成装置的具体结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例1
本实施例提供一种基于最短路径的视频摘要生成方法，用于视频摘要生成装置中。如图1所示，该视频摘要生成方法包括以下步骤：
步骤101：获取待处理视频的视频帧信息。
本实施例中，待处理视频可以为存储在本视频摘要存储装置的视频，可以为通过网络或外接设备实时传输到本视频摘要存储装置的视频，也可以为本视频摘要存储装置在一段视频中提取的视频段。
步骤102：对该视频帧信息进行采样，获取该视频帧信息的采样信息。
本实施例中，对该视频帧信息进行采样的采样方式为等间隔采样。
计算采样信息的前向位置信息、后向位置信息和运动信息，根据前向位置信息、后向位置信息和运动信息建立采样信息的目标函数，对采样信息的目标函数进行优化，使采样信息的目标函数算法收敛，根据采样信息的目标函数算法收敛确定待处理视频的分段位置。
步骤103：根据采样信息确定所述待处理视频的分段位置，在分段位置处对所述待处理视频进行分段，得到分段视频。
步骤104：对分段视频中的视频帧进行聚类，获取候选关键帧。
步骤105：以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。
本实施例通过对待处理视频的视频帧信息进行均匀采样，然后根据采样信息获取分段视频，将待处理视频分为多个具有代表性的视频段，可以提高分段效率，分段更科学，使后续视频摘要的生成有效性更高；通过获取分段视频的候选关键帧，并将该候选关键帧作为顶点构造有向图，然后通过最短路径算法得到关键帧，有选择的构造有向图计算简单，不用选择合并点和分裂点，将关键帧提取问题转化为最短路径求解问题，计算量大大减少，图模型得到简化，提高了视频摘要获取的效率。
实施例2
本实施例提供一种基于最短路径的视频摘要生成方法，用于视频摘要生成装置中。如图2所示，该视频摘要生成方法包括以下步骤：
步骤201：获取待处理视频的视频帧信息。
步骤202：对该视频帧信息进行采样，获取该视频帧信息的采样信息。
步骤203：根据采样信息确定所述待处理视频的分段位置，在分段位置处对所述待处理视频进行分段，得到分段视频。
步骤201,、步骤202和步骤203与上述实施例一完全相同，在此不再赘述。
步骤204：将分段视频的视频帧特征信息熵作为分段视频的视频帧特征信息。
其中，对于灰度视频帧而言，分段视频的视频帧特征信息熵可以为一维熵，也可以为二维熵；
当该分段视频的视频帧特征信息熵为一维熵时，利用公式
（：视频帧中灰度值为i的像素在视频帧出现的概率）；
当该分段视频的视频帧特征信息熵为二维熵时，利用公式
（i表示像素的灰度值，j表示邻域灰度均值，为二元组出现的频数，为视频帧的尺度）
（二元组在视频帧中出现的频率）
对于彩色视频帧而言，
R信道：
（：视频帧中R灰度值为i的像素在R分量中出现的概率）
G信道：
（：视频帧中G灰度值为i的像素在G分量中出现的概率）
B信道：
（：视频帧中B灰度值为i的像素在B分量中出现的概率）
彩色视频帧特征信息熵：
步骤205：根据分段视频的视频帧特征信息熵进行聚类，从聚类中提取分段视频的候选关键帧。
其中，可以将任意两个分段视频的视频帧特征信息熵小于第一阈值的分段视频的视频帧聚为一类，也可以计算任意两个分段视频的视频帧特征信息熵差值，将该差值小于第一阈值的分段视频的视频帧聚为一类。
第一阈值可以为一个可人工设定的值或数组，也可以为经过计算自动确定的值或数组。
步骤206：根据有向图约束条件构建有向图。
其中，以每个分段视频的所述候选关键帧为顶点，当任意两个顶点满足约束条件时，以相似度作为连接顶点的边构建有向图。
该约束可以为两个顶点对应的两个分段视频的分段时间相邻；可以为相邻两个所述顶点的相似度量小于第二阈值；也可以为任意两个所述顶点的相似度度量小于第二阈值。
步骤207：使用最短路径算法得到最短路径。
其中，该最短路径算法为可以根据有向图求得最短路径的算法，包括但不限于Dijkstra算法。
步骤208：将最短路径的候选关键帧去冗余得到关键帧，根据关键帧生成视频摘要。
实施例3
本实施例提供一种基于最短路径的视频摘要生成装置。如图3所示，该视频摘要生成装置包括：
301获取模块，用于获取待处理视频的视频帧信息；
302采样模块，用于对视频帧信息进行采样，获取视频帧信息的采样信息；
303分段模块，用于根据采样信息确定待处理视频的分段位置，在分段位置处对待处理视频进行分段，得到分段视频；
304聚类模块，用于对分段视频中的视频帧进行聚类，获取候选关键帧；
305生成模块，用于以每个分段视频的候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。
其中，302采样模块具体包括：等间隔采样单元，用于对所述视频帧信息进行采样的采样方式为等间隔采样。
303分段模块具体包括：第一计算单元，用于计算所述采样信息的前向位置信息、后向位置信息和运动信息，根据所述前向位置信息、所述后向位置信息和所述运动信息建立所述采样信息的目标函数，对所述采样信息的目标函数进行优化，使所述采样信息的目标函数算法收敛，根据所述采样信息的目标函数算法收敛确定所述待处理视频的分段位置。
304聚类模块具体包括：
第二计算单元，用于提取所述分段视频的视频帧特征信息，计算所述分段视频的视频帧特征信息熵，根据所述分段视频的视频帧特征信息熵进行聚类；
提取单元，用于从所述聚类中提取所述分段视频的所述候选关键帧。
305生成模块的约束条件具体包括：
两个所述顶点对应的两个所述分段视频的分段时间相邻；
或者相邻两个所述顶点的相似度量小于第二阈值；
或者任意两个所述顶点的相似度度量小于第二阈值。
本实施例中获取模块获取待处理视频以及待处理视频的视频帧信息，采样模块对视频帧信息进行采样，获取所述视频帧信息的采样信息，分段模块根据采样信息确定待处理视频的分段位置，在分段位置处对待处理视频进行分段，得到分段视频，聚类模块对分段视频中的视频帧进行聚类，获取候选关键帧，生成模块建立有向图，然后根据最短路径算法获取关键帧，生成视频摘要，从而简化图模型，减少了计算量，视频摘要获取效率得到极大地提高，给用户带去极佳的使用体验。
本发明实施例还提供了一种非暂态计算机存，储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行实施例1-3中任一项所述的视频摘要生成方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（HardDisk Drive，HDD）或固态硬盘（Solid-State Drive，SSD）等；所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（ROM）或随机存储记忆体（RAM）等。
以上所述，仅为本发明较佳的一部分具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以组合、等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于最短路径的视频摘要生成方法，其特征在于，所述方法包括：
获取待处理视频的视频帧信息；
对所述视频帧信息进行等间隔采样，获取所述视频帧信息的采样信息；
根据所述采样信息确定所述待处理视频的分段位置，在所述分段位置处对所述待处理视频进行分段，得到分段视频；
对所述分段视频中的视频帧进行聚类，获取候选关键帧；
以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。
2.根据权利要求1所述的一种基于最短路径的视频摘要生成方法，其特征在于，根据所述采样信息确定所述待处理视频的分段位置，具体包括：
计算所述采样信息的前向位置信息、后向位置信息和运动信息，根据所述前向位置信息、所述后向位置信息和所述运动信息建立所述采样信息的目标函数，对所述采样信息的目标函数进行优化，使所述采样信息的目标函数算法收敛，根据所述采样信息的目标函数算法收敛确定所述待处理视频的分段位置。
3.根据权利要求1所述的一种基于最短路径的视频摘要生成方法，其特征在于，对所述分段视频的视频帧进行聚类，获取候选关键帧，具体包括：
提取所述分段视频的视频帧特征信息，计算所述分段视频的视频帧特征信息熵，根据所述分段视频的视频帧特征信息熵进行聚类，从所述聚类中提取所述分段视频的所述候选关键帧。
4.根据权利要求3所述的根据所述分段视频的视频帧特征信息熵进行聚类，其特征在于：
将任意两个所述分段视频的视频帧特征信息熵小于第一阈值的所述分段视频的视频帧聚为一类。
5.根据权利要求1所述的一种基于最短路径的视频摘要生成方法，其特征在于，以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，约束条件具体包括：
两个所述顶点对应的两个所述分段视频的分段时间相邻；
或者相邻两个所述顶点的相似度量小于第二阈值；
或者任意两个所述顶点的相似度度量小于第二阈值。
6.一种基于最短路径的视频摘要生成装置，其特征在于，包括：
获取模块，用于获取待处理视频的视频帧信息；
采样模块，用于对所述视频帧信息进行等间隔采样，获取所述视频帧信息的采样信息；
分段模块，用于根据所述采样信息确定所述待处理视频的分段位置，在所述分段位置处对所述待处理视频进行分段，得到分段视频；
聚类模块，用于对所述分段视频中的视频帧进行聚类，获取候选关键帧；
生成模块，用于以每个所述分段视频的所述候选关键帧为顶点，当任意两个所述顶点满足约束条件时，以相似度作为连接顶点的边构建有向图，结合所述有向图与最短路径算法计算得到最短路径，将所述最短路径的所述候选关键帧去冗余得到关键帧，根据所述关键帧生成视频摘要。
7.根据权利要求6所述的一种基于最短路径的视频摘要生成装置，其特征在于，所述分段模块具体包括：
第一计算单元，用于计算所述采样信息的前向位置信息、后向位置信息和运动信息，根据所述前向位置信息、所述后向位置信息和所述运动信息建立所述采样信息的目标函数，对所述采样信息的目标函数进行优化，使所述采样信息的目标函数算法收敛，根据所述采样信息的目标函数算法收敛确定所述待处理视频的分段位置。
8.根据权利要求6所述的一种基于最短路径的视频摘要生成装置，其特征在于，所述聚类模块具体包括：
第二计算单元，用于提取所述分段视频的视频帧特征信息，计算所述分段视频的视频帧特征信息熵，根据所述分段视频的视频帧特征信息熵进行聚类；
提取单元，用于从所述聚类中提取所述分段视频的所述候选关键帧。
9.根据权利要求8所述的聚类模块，其特征在于：
所述第二计算单元将任意两个所述分段视频的视频帧特征信息熵小于第一阈值的所述分段视频的视频帧聚为一类。
10.根据权利要求6所述的一种基于最短路径的视频摘要生成装置，其特征在于，所述生成模块的约束条件具体包括：
两个所述顶点对应的两个所述分段视频的分段时间相邻；
或者相邻两个所述顶点的相似度量小于第二阈值；
或者任意两个所述顶点的相似度度量小于第二阈值。
CN201811052010.4A 2018-09-10 2018-09-10 一种基于最短路径的视频摘要生成方法及装置 Active CN108966042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811052010.4A CN108966042B (zh) 2018-09-10 2018-09-10 一种基于最短路径的视频摘要生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811052010.4A CN108966042B (zh) 2018-09-10 2018-09-10 一种基于最短路径的视频摘要生成方法及装置

Publications (2)

Publication Number Publication Date
CN108966042A true CN108966042A (zh) 2018-12-07
CN108966042B CN108966042B (zh) 2020-12-18

Family

ID=64476402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811052010.4A Active CN108966042B (zh) 2018-09-10 2018-09-10 一种基于最短路径的视频摘要生成方法及装置

Country Status (1)

Country Link
CN (1) CN108966042B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674673A (zh) * 2019-07-31 2020-01-10 国家计算机网络与信息安全管理中心 一种关键视频帧抽取方法、装置和存储介质
CN111601181A (zh) * 2020-04-27 2020-08-28 北京首版科技有限公司 生成视频指纹数据的方法及装置
CN114245232A (zh) * 2021-12-14 2022-03-25 推想医疗科技股份有限公司 一种视频摘要生成方法、装置、存储介质及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1465191A (zh) * 2001-04-27 2003-12-31 三菱电机株式会社 采用运动描述符归纳视频的方法
US20050180730A1 (en) * 2004-02-18 2005-08-18 Samsung Electronics Co., Ltd. Method, medium, and apparatus for summarizing a plurality of frames
US20070214418A1 (en) * 2006-03-10 2007-09-13 National Cheng Kung University Video summarization system and the method thereof
CN101464893A (zh) * 2008-12-31 2009-06-24 清华大学 一种提取视频摘要的方法及装置
CN101483763A (zh) * 2008-12-16 2009-07-15 南京大学 一种面向社会治安监控的数字影像处理方法及其装置
CN103210651A (zh) * 2010-11-15 2013-07-17 华为技术有限公司 用于视频概要的方法和系统
CN105139421A (zh) * 2015-08-14 2015-12-09 西安西拓电气股份有限公司 电力系统基于互信息量的视频关键帧提取方法
US20180082127A1 (en) * 2014-12-19 2018-03-22 Amazon Technologies, Inc. Video segmentation techniques

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1465191A (zh) * 2001-04-27 2003-12-31 三菱电机株式会社 采用运动描述符归纳视频的方法
US20050180730A1 (en) * 2004-02-18 2005-08-18 Samsung Electronics Co., Ltd. Method, medium, and apparatus for summarizing a plurality of frames
US20070214418A1 (en) * 2006-03-10 2007-09-13 National Cheng Kung University Video summarization system and the method thereof
CN101483763A (zh) * 2008-12-16 2009-07-15 南京大学 一种面向社会治安监控的数字影像处理方法及其装置
CN101464893A (zh) * 2008-12-31 2009-06-24 清华大学 一种提取视频摘要的方法及装置
CN103210651A (zh) * 2010-11-15 2013-07-17 华为技术有限公司 用于视频概要的方法和系统
US20180082127A1 (en) * 2014-12-19 2018-03-22 Amazon Technologies, Inc. Video segmentation techniques
CN105139421A (zh) * 2015-08-14 2015-12-09 西安西拓电气股份有限公司 电力系统基于互信息量的视频关键帧提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
S.V. PORTER，ET AL.: "A Shortest Path Representation for Video Summarisation", 《IEEE》 *
SANJAY K. KUANAR，ET AL.: "Video key frame extraction through dynamic Delaunay clustering with a structural constraint", 《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》 *
孙中华: "基于内容的视频结构分析与摘要方法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674673A (zh) * 2019-07-31 2020-01-10 国家计算机网络与信息安全管理中心 一种关键视频帧抽取方法、装置和存储介质
CN111601181A (zh) * 2020-04-27 2020-08-28 北京首版科技有限公司 生成视频指纹数据的方法及装置
CN114245232A (zh) * 2021-12-14 2022-03-25 推想医疗科技股份有限公司 一种视频摘要生成方法、装置、存储介质及电子设备
CN114245232B (zh) * 2021-12-14 2023-10-31 推想医疗科技股份有限公司 一种视频摘要生成方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN108966042B (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
Rochan et al. Video summarization by learning from unpaired data
Wäldchen et al. Plant species identification using computer vision techniques: a systematic literature review
Gastal et al. Shared sampling for real‐time alpha matting
CN112597985B (zh) 一种基于多尺度特征融合的人群计数方法
CN105144141B (zh) 用于使用距离关联性散列法对媒体数据库定址的系统和方法
TWI435234B (zh) Plant disease identification method, system and record media
CN111881913A (zh) 图像识别方法及装置、存储介质和处理器
CN109151501A (zh) 一种视频关键帧提取方法、装置、终端设备及存储介质
US20080310731A1 (en) Methods and Apparatus for Providing a Scalable Identification of Digital Video Sequences
Zhang et al. Pan: Persistent appearance network with an efficient motion cue for fast action recognition
CN111327945A (zh) 用于分割视频的方法和装置
CN108966042A (zh) 一种基于最短路径的视频摘要生成方法及装置
WO2021129145A1 (zh) 一种图像特征点过滤方法以及终端
CN108197265A (zh) 一种基于短视频搜索完整视频的方法及系统
CN102395984A (zh) 用于视频内容分析的关键帧提取
CN111651636A (zh) 视频相似片段搜索方法及装置
CN113784171B (zh) 视频数据处理方法、装置、计算机系统及可读存储介质
CN109410238A (zh) 一种基于PointNet++网络的枸杞识别计数方法
CN107229710A (zh) 一种基于局部特征描述符的视频分析方法
CN103631932A (zh) 一种对重复视频进行检测的方法
CN101872415A (zh) 适用于iptv的视频拷贝检测方法
Xie et al. Bag-of-words feature representation for blind image quality assessment with local quantized pattern
CN107609105A (zh) 大数据加速结构的构建方法
Zhao et al. Efficient image decolorization with a multimodal contrast-preserving measure
CN110188625B (zh) 一种基于多特征融合的视频精细结构化方法

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
GR01 Patent grant
GR01 Patent grant