[发明专利]基于流形学习的镜头分割方法

摘要

本发明提出了一种基于流形学习的镜头分割方法。该方法利用流形降维对视频中的每个帧进行降维，求出每两帧的相关系数，利用其构成一个权重矩阵；再从视频中任选一个查询帧，求出视频中和查询帧相关的和不相关的视频帧集合，根据这两个视频帧集合生成相应的权重矩阵；从而根据这三个权重矩阵，得到流形降维的变换矩阵，将视频帧序列中的每个视频帧通过所得的变换矩阵即得到原视频的低维特征。最后，通过对这些低维特征之间欧氏距离比较对视频进行镜头分割。实验结果表明，本发明中提出的方法可以很好地实现视频镜头分割。

主权项

1.一种基于流形学习的镜头分割方法，包括以下步骤： （1）以X＝{x₁,x₂,...,x_m}表示整个视频，其中m为视频的帧数，每个视频帧的维数为n，根据下面的方法构造权重矩阵W^s： 这里的φ(x_i,x_j)是视频帧x_i和x_j的相关系数，k-NN表示通过k近邻方法选取的与指定视频帧相关系数最大的k个对应视频帧； （2）构建另外两个权重矩阵，W^N和W^P： 给出一个查询视频帧，视频中和查询视频帧相关的视频帧集合为F⁺，不相关的视频帧集合为F^-； （3）将整个视频映射到d(d＜＜n)维低维度空间中： 其中，L^S＝D^S-W^S，L^N＝D^N-W^N，L^P＝D^P-W^P，λ是常数，上标T表示转置，求出的d个最大特征值对应的特征向量V＝[v₁,v₂,..,v_d]即为将高维数据映射到低维空间的线性变换矩阵，其中每一个视频帧的低维特征表示为z_i＝V^Tx_i；（4）从视频帧序列中选取一帧作为参照帧，计算其他视频帧和参照帧之间的欧氏距离，如果相邻帧间的差异大于阈值，则认为参考帧与相比较的视频帧属于不同的镜头，反之，则认为它们属于同一个镜头。