[发明专利]一种多媒体视频对象处理方法

说明书

技术领域

本发明涉及一种多媒体视频对象处理方法，尤其是涉及一种多媒体视频的视频智能化场景分割、无缝拼接和对象提取的方法。

背景技术

随着计算机和网络技术的发展，以媒体为代表的应用对人类社会产生的影响和作用越来越明显，极大地推动了诸多工业的相互渗透和飞速发展，逐步改变了整个人类社会的工作结构和生活方式，由此，对多媒体对象的处理也越来越受到重视。

多媒体信息的主要成分是视觉信息，具有直观、信息量大等特点。视觉信息是人类认知世界的重要功能手段，它包括静止图像、视频及图像序列、计算机图形和动画等等，更广义的视觉信息还可以包括文本信息等。在最初的工程应用中，比如卫星图像和医学图像中对象的识别和提取、工业加工过程的控制等等，人们针对不同的应用场景提出多种不同的对象分割和提取算法。但这些场合有一个共同的特点，都是基于静态图像领域。由于计算机多媒体技术和网络技术的持续发展，特别是一些特殊的视频处理应用场合的需要，使得动态图像视频领域的对象分割和提取变得极为迫切。通过对视频信息进行分析和处理，可以获得从单一的静态图像中不可能得到的信息。视频分析和处理在商业、军事、工业等领域有着十分广泛的应用，例如：在商业上，视频处理技术广泛应用于数字电视、多媒体、桌面视频图像、视频会议系统、可视电话和移动图像通信以及其他消费娱乐领域；在工业方面，视频处理技术用于工业过程控制、机器人视觉、自主运载器导航等；在军事上，用于对空监视中的多目标跟踪等；其他的应用领域包括重点部门的监视系统、智能化交通高速公路系统、港口交通控制、航空和飞行控制、远程多媒体教育系统等。

多媒体视频对象处理的主要任务包括对视频本身的处理，即按照一定的规则和方法，将一个完整的视频对象分割为若干个视频对象；或者是将若干个视频对象进行无缝拼接，成为一个完整的视频对象；另一方面，是对采集的视频对象进行分析、处理，并按照不同的应用要求提取其中的图像信息，并对这些信息进行进一步的处理，以获取用户最终需要的信息。

对于视频的分割，迄今为止已经提出了许多从视频流中检测场景变换的方法。目前，大量的视频数据是以压缩格式(如MPEG)存储的，早期的许多算法都是针对全解压的视频数据的，如像素对比较方法、模板比较方法、直方图比较方法等。但上述方法都需要对视频进行全部解压，计算复杂性高、速度慢，并且需要占用很大的存储空间。主要研究成果有：Pei等提出的基于MPEG编码视频流中P帧和B帧的预测方向来检测场景突变的方法；Lee等基于“B帧内双向预测的宏块(MB)个数越多，帧间的相关度越高，则镜头变换的可能性越小”这一思想提出的视频分割方法；Liu等提出了一种基于彩色信息和抽样检测的视频分割算法；Wang等提出了一种改进的基于统计模型的视频分割算法。

目前国外较多厂家在进行视频对象的无缝拼接的相关研究，国内主要有北京算通科技发展有限公司、北京汇视源科技有限公司等，许多大学或者研究所也都不同程度地涉及过多媒体视频对象无缝拼接这个方面。

从视频中的对感兴趣的图像进行分割和提取一直是数字图像处理的核心问题之一，也一直是一个研究热点。近年来，国内外对于视频序列中运动目标分割技术的研究取得了大量的成果，许多新的方法也相继出现。但分割算法的分类在不同文献中有着不同的分类标准，不同分类的分割方法中又可能发生重叠。主要的分割技术分为：基于运动的分割方法，主要利用视频序列的运动信息进行分割提取，如Meyer和Bouthem提出的区域跟踪算法在每一个区域内利用密度流场的仿射模型来进行运动分割和区域边界传播；基于时空信息的分割方法，常见的算法如空间分割获得初始模板，再时域跟踪；同时进行空间分割和时域分割的方法；交互式分割方法，主要采用人工交互的方式来确定分割对象的方法，通过此类分割方法，可以提高视频分割的精度。如Kruse等人提出了利用活动轮廓来进行视频对象分割，这种方法属于基于边界的交互式视频对象分割方法。

由此可见，多媒体视频对象处理的各个关键步骤积累了相当多的理论成果，也有相应的应用软件面世。目前已有的多媒体视频对象处理方法主要存在以下问题：(1)、许多视频分割方法需要对视频进行全部解压，计算复杂性高、速度慢，占用很大的存储空间；(2)、视频拼接耗费资源多、效率低、效果较差；(3)、视频中截取的图像准确度较低，截取速度较慢；(4)、自动化程度不够高，一定程度上还较依赖人机交互。

发明内容