[发明专利]一种基于双重检测模型的镜头边界检测方法

说明书

技术领域

本发明属于视频内容分析领域，具体涉及一种基于双重检测模型的镜头边界检测方法。

背景技术

随着多媒体技术的不断发展，人们接触到的视频数据以前所未有的速度增长，因此，面对海量的视频信息，如何方便、快捷、准确地检索到所需要的信息，一直是人们关注的热点。采用人工视频分类方法太耗时且易受人为因素的影响，在各种视频分析方法中，首要任务是镜头分割。镜头分割是其他视频分析方法的基础。在此基础上，可以进一步开展视频关键帧提取和基于内容的视频检索技术的研究。

在视频分析领域，国内外学者对镜头边界检测做了大量的研究工作。主要包括以下方法：基于像素、基于直方图、基于边缘特征和基于模型等，这些算法都有一定的局限性。比如，基于像素的方法计算简单且易于实现，但是对噪声和镜头或物体运动非常敏感。大部分算法只针对镜头边界的一次检测，这样导致准确率不高。

发明内容

本发明针对现有技术的不足，本文提供一种结合非均匀分块、自适应二分查找和加速稳健特征（SURF）算法的具有双重检测机制的视频镜头分割算法。

本发明方法具体包括以下步骤：

（1）用基于HSV空间上的自适应二分查找算法进行镜头边界初检；

（2）采用SURF算法对镜头边界进行复检；

（3）滑动窗口完成镜头分割。

本发明的有益效果：

第一，针对大部分镜头边界检测算法只针对镜头边界的一次检测导致准确率不高的特点，本发明采用了结合非均匀分块、自适应二分查找和加速稳健特征（SURF）算法的具有双重检测机制的视频镜头分割算法，可以有效地提高算法的准确率。

第二，虽然复检功能会使算法复杂度稍微提高，但是初检功能上本发明采用了滑动窗口机制可以有效地降低算法复杂度。所以，总体上来看，本发明在提高检测准确率的基础上，也保证了算法的复杂度并不高。

附图说明

图1为本发明方法流程图；

图2为非均匀分块图；

图3为SURF算法复检流程图。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，本发明检测镜头边界方法，包括以下步骤：

1、读取并解码一个视频窗口，将窗口平均分为2个子窗口，最中间一帧同时属于左子窗口和右子窗口，各设置为8帧。

2、计算每个子窗口的首、尾两帧之间的差异，分别记为                                               和。计算过程为按图2所示对每个视频帧进行非均匀分块，分别计算3种分块基于HSV空间模型的色调、饱和度和亮度的差值，再计算基于HSV空间模型的总的色调、饱和度和亮度的差值。总的色调、饱和度和亮度的差值分别记为，计算公式如下：

 (1)

       (2)

       (3)

其中，m为分块编号，m=1，2，3；i，j为帧序号；W、H分别为帧的宽度和高度；分别表示第i、j帧在第m分块的色调、饱和度和亮度的差值；为分块的加权系数；

将总的色调、饱和度和亮度的差值相乘得两幅图片的帧间差，记为；计算公式如下：

                (4)

3、用自适应二分查找算法进行镜头边界初检：

                                 (5)

                                         (6)

                                             (7)

                                             (8)

式中，为镜头边界初检的参数；为镜头渐变检测的参数；

如果和满足式(5)或者(6)，那么对应的左子窗口或者右子窗口中可能存在镜头突变边界，继续对相应的子窗口进行二分查找直到窗口大小为2；

如果和满足式(7)或者(8)，那么可能存在渐变镜头边界，结束二分查找；

如果和均不满足式(5)、(6)、(7)、(8)，则该窗口不存在镜头边界，结束二分查找。

4、如图3所示，如果初检结果认为可能存在镜头边界，则提取镜头边界首尾两帧各自的SURF特征点，记其数量分别为和；

                                       (9)