CN110232357A - 一种视频镜头分割方法及系统 - Google Patents

一种视频镜头分割方法及系统 Download PDF

Info

Publication number
CN110232357A
CN110232357A CN201910519848.8A CN201910519848A CN110232357A CN 110232357 A CN110232357 A CN 110232357A CN 201910519848 A CN201910519848 A CN 201910519848A CN 110232357 A CN110232357 A CN 110232357A
Authority
CN
China
Prior art keywords
adjacent
field pictures
difference
image
color
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
CN201910519848.8A
Other languages
English (en)
Inventor
李海峰
马琳
娄久
邵晨智
薄洪健
丰上
陈婧
徐聪
李洪伟
房春英
王子豪
孙聪珊
丁施航
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.)
Shenzhen Academy of Aerospace Technology
Original Assignee
Shenzhen Academy of Aerospace 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 Shenzhen Academy of Aerospace Technology filed Critical Shenzhen Academy of Aerospace Technology
Priority to CN201910519848.8A priority Critical patent/CN110232357A/zh
Publication of CN110232357A publication Critical patent/CN110232357A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开一种视频镜头分割方法及系统，方法包括：获取视频中的所有图像并转化为HSV图像；将HSV图像进行分块；计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异；计算相邻两帧图像的分块在HSV通道上的平均颜色差异；计算相邻两帧图像的颜色直方图差异；判断相邻两帧图像的颜色直方图差异是否大于等于设定突变阈值，若相邻两帧图像的颜色直方图差异大于等于设定突变阈值则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割；若相邻两帧图像的颜色直方图差异大于等于设定渐变阈值时，则判定为渐变镜头，继续对剩余图像检测，直到视频中所有帧都检测完毕。本发明中的上述方法能够同时提高对突变镜头和渐变镜头检测的准确率。

Description

一种视频镜头分割方法及系统
技术领域
本发明涉及图像处理领域，特别是涉及一种视频镜头分割方法及系统
背景技术
镜头分割任务是将一部完整的视频划分成以镜头为单位的片段，主要有突变镜头和渐变镜头两种类型：突变镜头是指两个不连续帧之间没有明显的过渡；而渐变镜头指的是两个不连续帧之间有着淡入、淡出、溶解等过渡形式。常见的镜头分割方法主要是基于相邻两帧之间的差异值来进行判别。在此基础上演变出各种镜头分割方法，如利用多特征融合方法进行视频镜头分割、采用矩阵余弦相似度的方法、基于局部特征的帧过渡参数和帧估计错误、基于运动矢量等镜头分割算法、基于动态模式分解的镜头边界检测框架等方法。这些方法对于不同场景下的镜头切换具有较高的检测准确率，但是对于同一场景下的镜头切换检测效果较差。此外，上述方法对于渐变镜头的检测准确率也较低，因此需要提高镜头分割的准确率。镜头分割的优劣将直接影响视频检索系统的性能，因此如何提高镜头分割的准确率是视频分析领域亟待解决的难题之一。
而视觉作为多媒体视频的最重要通道之一，同时也是人类认知的主要方式。视觉系统对绝对亮度不敏感，而对色彩的反差敏感。视频观看者在认知图像的过程中，色彩作为一种重要的视觉线索，可以被观看者直接感知并传达重要的视频信息。根据视觉连续性原理，即视觉倾向于感知连续的形式而不是离散的碎片，人们利用相同的色彩使视觉认知连续的图像。当镜头发生切换时，视频帧的色彩分布具有较大差异，因此我们将色彩作为镜头分割判定的重要因素。
发明内容
本发明的目的是提供一种视频镜头分割方法及系统，同时提高对突变镜头和渐变镜头检测的准确率。
为实现上述目的，本发明提供了如下方案：
一种视频镜头分割方法，所述分割方法包括：
步骤1：获取视频中的所有图像；
步骤2：将所述视频中的所有图像转化为HSV图像；
步骤3：将所述HSV图像进行分块；
步骤4：计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异；
步骤5：基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异；
步骤6：基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异；
步骤7：判断相邻两帧图像的颜色直方图差异是否大于等于突变阈值，得到第一判断结果；
步骤8：若第一判断结果表示相邻两帧图像的颜色直方图差异大于等于突变阈值，则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割；
步骤9：若第一判断结果表示相邻两帧图像的颜色直方图差异小于突变阈值，则不存在图像分割，判定相邻两帧图像的颜色直方图差异是否大于等于设定的渐变阈值，得到第二判断结果；
步骤10：若第二判断结果表示相邻两帧图像的颜色直方图差异大于等于渐变阈值，则判定为渐变镜头，重复步骤4-步骤9，直到视频中所有的图像都比较完毕。
可选的，所述将所述HSV图像分块具体包括：
将所述HSV图像的四个边均按照1:4:1进行分割。
可选的，所述计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异具体采用以下公式：
其中k表示颜色中的像素值，范围是0-255，i和j分别表示图像的帧号，m表示分块号，Him(k)表示第i帧图像在第m块上颜色分布情况，Hjm(k)表示第j帧图像在第m块上颜色分布情况，dm(i,j)表示第m块颜色分布差异。
可选的，所述基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异具体采用以下公式：
其中，i和j分别表示图像的帧号，m表示分块号，dm(i,j)表示第m块颜色分布差异，H、S、V分别表示HSV空间中的色相、饱和度和亮度。
可选的，所述基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异具体采用以下公式：
其中，i和j分别表示图像的帧号，m表示分块号，Dm(i,j)表示相邻两帧图像的分块在HSV通道上的平均颜色差异，wm表示图像的认知权重矩阵。
可选的，所述突变阈值具体采用以下公式计算：
其中，N表示帧数，T(i,i+1)表示第i帧和第i+1帧的差异值，α为常数，取值为5～6；
所述渐变阈值具体采用以下公式：
其中，N表示帧数，α为常数，取值为5～6，其中Hi(k)表示第i帧图像颜色分布情况，Hi+1(k)表示第i+1帧图像颜色分布情况。
本发明另外提供一种视频镜头分割系统，所述分割系统包括：
获取模块，用于获取视频中的所有图像；
转换模块，用于将所述视频中的所有图像转化为HSV图像；
分块模块，用于将所述HSV图像进行分块；
第一计算模块，用于计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异；
第二计算模块，用于基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异；
第三计算模块，用于基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异；
第一判断模块，用于判断相邻两帧图像的颜色直方图差异是否大于等于突变阈值，得到第一判断结果；
分割模块，用于当第一判断结果表示相邻两帧图像的颜色直方图差异大于等于突变阈值，则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割；
第二判断模块，用于第一判断结果表示相邻两帧图像的颜色直方图差异小于突变阈值，则不存在图像分割，判定相邻两帧图像的颜色直方图差异是否大于等于设定的渐变阈值，得到第二判断结果；
循环模块，与所述第一计算模块连接，用于当判断结果表示相邻两帧图像的颜色直方图差异大于等于渐变阈值时，则判定为渐变镜头，重复第一计算模块至第二判断模块，直到视频中所有的图像都比较完毕。
可选的，所述将所述HSV图像分块具体包括：
将所述HSV图像的四个边均按照1:4:1进行分割。
可选的，所述计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异具体采用以下公式：
其中，k表示颜色中的像素值，范围是0-255，i和j分别表示图像的帧号，m表示分块号，Him(k)表示第i帧图像在第m块上颜色分布情况，dm(i,j)表示第m块颜色分布差异。
可选的，所述基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异具体采用以下公式：
其中，i和j分别表示图像的帧号，m表示分块号，dm(i,j)表示第m块颜色分布差异，H、S、V分别表示HSV空间中的色相、饱和度和亮度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明中的上述方法和系统通过对图像进行分块，对于图像中间的主体区域赋予较大的权重，其余背景区域赋予较小的权重，突出了图像的主要内容，降低了图像中背景带来的影响，使得不连续帧之间的差异增大，提高了镜头分割的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例视频镜头分割方法流程图；
图2为本发明实施例视频帧分块及权重分布示意图；
图3为本发明实施例视频镜头分割系统结构示意图。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种视频镜头分割方法及系统，同时提高对突变镜头和渐变镜头检测的准确率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例视频镜头分割方法流程图，如图1所示，所述分割方法包括：
步骤101：获取视频中的所有图像。
步骤102：将所述视频中的所有图像转化为HSV图像。
即，将视频中每帧的RGB图像转换为HSV图像。
步骤103：将所述HSV图像进行分块。
具体的，如图2所示，根据人类视觉认知区域分布特征，将图像的四个边均按照1:4:1进行分割，其中矩形框中的数字代表每个小矩形块的权重，为了突出图像的主要内容，降低图像中背景带来的影响，对于图像中间的主体区域赋予较大的权重，其余背景区域赋予较小的权重。
步骤104：计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异。
具体公式如下：
其中，i和j分别表示图像的帧号，m表示分块号，Him(k)表示第i帧图像在第m块上颜色分布情况，dm(i,j)表示第m块颜色分布差异。
步骤105：基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异。
具体公式如下：
其中，i和j分别表示图像的帧号，m表示分块号，dm(i,j)表示第m块颜色分布差异，H、S、V分别表示HSV空间中的色相、饱和度和亮度。
步骤106：基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异。
具体公式如下：
其中，i和j分别表示图像的帧号，m表示分块号，Dm(i,j)表示相邻两帧图像的分块在HSV通道上的平均颜色差异，wm表示图像的认知权重矩阵。
步骤107：判断相邻两帧图像的颜色直方图差异是否大于等于突变阈值，得到第一判断结果。
步骤108：若第一判断结果表示相邻两帧图像的颜色直方图差异大于等于突变阈值，则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割。
步骤109：若第一判断结果表示相邻两帧图像的颜色直方图差异小于突变阈值，则不存在图像分割，判定相邻两帧图像的颜色直方图差异是否大于等于设定的渐变阈值，得到第二判断结果。
步骤110：若第二判断结果表示相邻两帧图像的颜色直方图差异大于等于渐变阈值，则判定为渐变镜头，重复步骤4-步骤9，直到视频中所有的图像都比较完毕。
所述突变阈值具体采用以下公式计算：
其中，N表示帧数，T(i,i+1)表示第i帧和第i+1帧的差异值，α为常数，取值为5～6；
所述渐变阈值具体采用以下公式：
其中，N表示帧数，α为常数，取值为5～6，其中Hi(k)表示第i帧图像颜色分布情况，Hi+1(k)表示第i+1帧图像颜色分布情况。
具体的，对于阈值的选定，首先是计算出视频中所有相邻帧之间的差异值，然后求得这些差异值的均值，再将阈值设置为这个均值的α倍。
本发明所提出的方法在镜头分割检测指标：准确率Precision和查全率Recall上都好于传统颜色直方图法和基于多级彩色直方图差分的镜头边界检测方法。准确率是指正确检测到的镜头数占总的检测镜头的百分比，而查全率是指正确检测到的镜头数占实际存在的总镜头数的百分比，准确率P定义如下：
其中，TP表示正确检测到镜头边界的数目，FP表示检测出错的镜头边界的数目，TP+FP表示检测到的总的镜头数目。
查全率的定义如下：
其中，FN表示未检测到的镜头边界的数目，TP+FN表示实际存在的总的镜头数目。
另外，利用F1值进行综合计算算法的查全率和准确率，定义如下：
在检测突变镜头时，本文将传统颜色直方图方法、基于多级彩色直方图差分的镜头边界检测方法以及本文提出的基于视觉颜色分块直方图方法在TRECVID视频检测领域国际权威的数据集上进行了结果比较。
表1 anni005视频突变镜头检测实验结果
表2 BOR08视频突变镜头检测实验结果
表3 anni009视频突变镜头检测实验结果
从实验结果可以看出，在突变镜头检测时，对视频帧进行分块，并赋予主体区域较大的权重，使得不连续帧间的差异增大，提高了镜头分割的效果。特别是在分块前后，即传统颜色直方图法和本文方法实验结果的对比上，明显可以看出本文提出的分块颜色直方图的优越性。
图3为本发明实施例视频镜头分割系统结构示意图，所述分割系统包括：
获取模块201，用于获取视频中的所有图像；
转换模块202，用于将所述视频中的所有图像转化为HSV图像；
分块模块203，用于将所述HSV图像进行分块；
第一计算模块204，用于计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异；
第二计算模块205，用于基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异；
第三计算模块206，用于基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异；
第一判断模块207，用于判断相邻两帧图像的颜色直方图差异是否大于等于突变阈值，得到第一判断结果；
分割模块208，用于当第一判断结果表示相邻两帧图像的颜色直方图差异大于等于突变阈值，则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割；
第二判断模块209，用于第一判断结果表示相邻两帧图像的颜色直方图差异小于突变阈值，则不存在图像分割，判定相邻两帧图像的颜色直方图差异是否大于等于设定的渐变阈值，得到第二判断结果；
循环模块210，与所述第一计算模块连接，用于当判断结果表示相邻两帧图像的颜色直方图差异大于等于渐变阈值时，则判定为渐变镜头，重复第一计算模块至第二判断模块，直到视频中所有的图像都比较完毕。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种视频镜头分割方法，其特征在于，所述分割方法包括：
步骤1：获取视频中的所有图像；
步骤2：将所述视频中的所有图像转化为HSV图像；
步骤3：将所述HSV图像进行分块；
步骤4：计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异；
步骤5：基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异；
步骤6：基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异；
步骤7：判断相邻两帧图像的颜色直方图差异是否大于等于突变阈值，得到第一判断结果；
步骤8：若第一判断结果表示相邻两帧图像的颜色直方图差异大于等于突变阈值，则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割；
步骤9：若第一判断结果表示相邻两帧图像的颜色直方图差异小于突变阈值，则不存在图像分割，判定相邻两帧图像的颜色直方图差异是否大于等于设定的渐变阈值，得到第二判断结果；
步骤10：若第二判断结果表示相邻两帧图像的颜色直方图差异大于等于渐变阈值，则判定为渐变镜头，重复步骤4-步骤9，直到视频中所有的图像都比较完毕。
2.根据权利要求1所述的视频镜头分割方法，其特征在于，所述将所述HSV图像分块具体包括：
将所述HSV图像的四个边均按照1:4:1进行分割。
3.根据权利要求1所述的视频镜头分割方法，其特征在于，所述计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异具体采用以下公式：
其中k表示颜色中的像素值，范围是0-255，i和j分别表示图像的帧号，m表示分块号，Him(k)表示第i帧图像在第m块上颜色分布情况，Hjm(k)表示第j帧图像在第m块上颜色分布情况，dm(i,j)表示第m块颜色分布差异。
4.根据权利要求1所述的视频镜头分割方法，其特征在于，所述基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异具体采用以下公式：
其中，i和j分别表示图像的帧号，m表示分块号，dm(i,j)表示第m块颜色分布差异，H、S、V分别表示HSV空间中的色相、饱和度和亮度。
5.根据权利要求1所述的视频镜头分割方法，其特征在于，所述基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异具体采用以下公式：
其中，i和j分别表示图像的帧号，m表示分块号，Dm(i,j)表示相邻两帧图像的分块在HSV通道上的平均颜色差异，wm表示图像的认知权重矩阵。
6.根据权利要求1所述的视频镜头分割方法，其特征在于，所述突变阈值具体采用以下公式计算：
其中，N表示帧数，T(i,i+1)表示第i帧和第i+1帧的差异值，α为常数，取值为5～6；
所述渐变阈值具体采用以下公式：
其中，N表示帧数，α为常数，取值为5～6，其中Hi(k)表示第i帧图像颜色分布情况，Hi+1(k)表示第i+1帧图像颜色分布情况。
7.一种视频镜头分割系统，其特征在于，所述分割系统包括：
获取模块，用于获取视频中的所有图像；
转换模块，用于将所述视频中的所有图像转化为HSV图像；
分块模块，用于将所述HSV图像进行分块；
第一计算模块，用于计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异；
第二计算模块，用于基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异；
第三计算模块，用于基于所述相邻两帧图像的分块在HSV通道上的平均颜色差异计算相邻两帧图像的颜色直方图差异；
第一判断模块，用于判断相邻两帧图像的颜色直方图差异是否大于等于突变阈值，得到第一判断结果；
分割模块，用于当第一判断结果表示相邻两帧图像的颜色直方图差异大于等于突变阈值，则判定为突变镜头，对所述突变镜头的前一帧图像和后一帧图像进行分割；
第二判断模块，用于第一判断结果表示相邻两帧图像的颜色直方图差异小于突变阈值，则不存在图像分割，判定相邻两帧图像的颜色直方图差异是否大于等于设定的渐变阈值，得到第二判断结果；
循环模块，与所述第一计算模块连接，用于当判断结果表示相邻两帧图像的颜色直方图差异大于等于渐变阈值时，则判定为渐变镜头，重复第一计算模块至第二判断模块，直到视频中所有的图像都比较完毕。
8.根据权利要求7所述的视频镜头分割系统，其特征在于，所述将所述HSV图像分块具体包括：
将所述HSV图像的四个边均按照1:4:1进行分割。
9.根据权利要求7所述的视频镜头分割系统，其特征在于，所述计算相邻两帧图像的分块在HSV单个通道上的颜色直方图差异具体采用以下公式：
其中，k表示颜色中的像素值，范围是0-255，i和j分别表示图像的帧号，m表示分块号，Him(k)表示第i帧图像在第m块上颜色分布情况，dm(i,j)表示第m块颜色分布差异。
10.根据权利要求7所述的视频镜头分割系统，其特征在于，所述基于所述颜色直方图差异计算相邻两帧图像的分块在HSV通道上的平均颜色差异具体采用以下公式：
其中，i和j分别表示图像的帧号，m表示分块号，dm(i,j)表示第m块颜色分布差异，H、S、V分别表示HSV空间中的色相、饱和度和亮度。
CN201910519848.8A 2019-06-17 2019-06-17 一种视频镜头分割方法及系统 Pending CN110232357A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910519848.8A CN110232357A (zh) 2019-06-17 2019-06-17 一种视频镜头分割方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910519848.8A CN110232357A (zh) 2019-06-17 2019-06-17 一种视频镜头分割方法及系统

Publications (1)

Publication Number Publication Date
CN110232357A true CN110232357A (zh) 2019-09-13

Family

ID=67859902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910519848.8A Pending CN110232357A (zh) 2019-06-17 2019-06-17 一种视频镜头分割方法及系统

Country Status (1)

Country Link
CN (1) CN110232357A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111182367A (zh) * 2019-12-30 2020-05-19 苏宁云计算有限公司 一种视频的生成方法、装置及计算机系统
CN111988569A (zh) * 2020-08-24 2020-11-24 国网北京市电力公司 一种变电站工业视频监控画面着火现象监控方法及系统
CN112714336A (zh) * 2020-12-01 2021-04-27 万兴科技集团股份有限公司 视频分割方法和装置、电子设备、计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013444A (zh) * 2007-02-13 2007-08-08 华为技术有限公司 一种自适应生成足球视频摘要的方法和装置
CN102436483A (zh) * 2011-10-31 2012-05-02 北京交通大学 一种基于显式共享子空间的视频广告检测方法
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
CN104410867A (zh) * 2014-11-17 2015-03-11 北京京东尚科信息技术有限公司 改进的视频镜头检测方法
US20170323178A1 (en) * 2010-12-08 2017-11-09 Google Inc. Learning highlights using event detection
CN109151499A (zh) * 2018-09-26 2019-01-04 央视国际网络无锡有限公司 视频审核方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013444A (zh) * 2007-02-13 2007-08-08 华为技术有限公司 一种自适应生成足球视频摘要的方法和装置
US20170323178A1 (en) * 2010-12-08 2017-11-09 Google Inc. Learning highlights using event detection
CN102436483A (zh) * 2011-10-31 2012-05-02 北京交通大学 一种基于显式共享子空间的视频广告检测方法
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
CN104410867A (zh) * 2014-11-17 2015-03-11 北京京东尚科信息技术有限公司 改进的视频镜头检测方法
CN109151499A (zh) * 2018-09-26 2019-01-04 央视国际网络无锡有限公司 视频审核方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪翔等: ""基于颜色空间的自适应阈值镜头分割算法"", 《计算机技术与发展》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111182367A (zh) * 2019-12-30 2020-05-19 苏宁云计算有限公司 一种视频的生成方法、装置及计算机系统
CN111988569A (zh) * 2020-08-24 2020-11-24 国网北京市电力公司 一种变电站工业视频监控画面着火现象监控方法及系统
CN112714336A (zh) * 2020-12-01 2021-04-27 万兴科技集团股份有限公司 视频分割方法和装置、电子设备、计算机可读存储介质
CN112714336B (zh) * 2020-12-01 2022-12-02 万兴科技集团股份有限公司 视频分割方法和装置、电子设备、计算机可读存储介质

Similar Documents

Publication Publication Date Title
US6088137A (en) Specified image-area extracting method and device
US6542625B1 (en) Method of detecting a specific object in an image signal
KR100873638B1 (ko) 영상 처리 방법 및 장치
CN110232357A (zh) 一种视频镜头分割方法及系统
EP2537138B1 (en) Parameters interpolation for high dynamic range video tone mapping
RU2607774C2 (ru) Способ управления в системе захвата изображения, устройство управления и машиночитаемый носитель данных
US9167232B2 (en) System for converting 2D video into 3D video
WO2018099136A1 (zh) 一种低照度图像降噪方法、装置及存储介质
KR20110014067A (ko) 스테레오 컨텐트의 변환 방법 및 시스템
CN108012202B (zh) 视频浓缩方法、设备、计算机可读存储介质及计算机装置
US20140294287A1 (en) Low-complexity method of converting image/video into 3d from 2d
US10187649B2 (en) Systems and methods for hybrid video encoding
CN112561951B (zh) 一种基于帧差绝对误差和sad的运动和亮度检测方法
Le Meur et al. A spatio-temporal model of the selective human visual attention
CN105426816A (zh) 一种处理人脸图像的方法及装置
WO2012047229A1 (en) Combining multiple video streams
CN108460319B (zh) 异常人脸检测方法及装置
CN104282013B (zh) 一种用于前景目标检测的图像处理方法及装置
Zhang et al. A real-time time-consistent 2D-to-3D video conversion system using color histogram
JP2978039B2 (ja) 動画像のカット画面検出方法
KR20130001635A (ko) 깊이 맵 생성 방법 및 장치
CN111654747A (zh) 弹幕显示方法及装置
Gao et al. Single image haze removal algorithm using pixel-based airlight constraints
CN108074248B (zh) 一种基于图像内容的osd自动检测方法及装置
CN115830513A (zh) 一种图像场景变化确定的方法、装置、系统及存储介质

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

Application publication date: 20190913

RJ01 Rejection of invention patent application after publication