[发明专利]一种基于超图的视频镜头边界检测方法

摘要

一种基于超图的视频镜头边界检测方法提取视频特征；构建k近邻超图模型；寻找视频镜头边界，包括根据k近邻超图模型设定得分向量的最小得分阈值；令查询顶点的标签向量为1，其他顶点的标签向量设置为0；计算各顶点得分向量，并且记录得分向量大于最小得分阈值中的连续顶点位置，并随机选取一半以内的顶点记为集合，且令标签向量为1；根据标签向量，再次计算各顶点得分向量；从令查询顶点的标签向量为1，其他顶点的标签向量设置为0重复进行；确定视频镜头边界及类型；再从令查询顶点的标签向量为1，其他顶点的标签向量设置为0重复进行，直到所有视频镜头边界确定完毕。本发明通过超图模型对视频帧的检索，将超图模型用于视频镜头边界的检测领域。

主权项

一种基于超图的视频镜头边界检测方法，其特征在于，包括如下步骤：1)提取视频特征；2)构建k近邻超图模型：H(v,e)=1,ifv∈e0,ifv∉e---(1)]]>其中，v代表超图的顶点，e代表超图的超边，H(v,e)为关联矩阵；3)寻找视频镜头边界，包括：(1)首先根据k近邻超图模型，计算给定一个查询顶点时，其他顶点相对于该顶点的得分向量：f＝(1‑γ)(I‑γΘ)‑1y     (2)其中，γ为常量系数；I为单位矩阵；y为超图n个顶点的标签向量，维度是n×1维，f为相对于查询点的得分向量，维度是n×1维；Θ为n×n的拉普拉斯矩阵，Θ＝Dv‑1/2HWDe‑1HTDv‑1/2，其中，W为权重矩阵，是以边的权重w(e)为对角线构成超边的权重矩阵：w(e)=Σvi,vj∈e||vi-vj||2---(3)]]>Dv为顶点的度矩阵，是以顶点的度d(v)为对角线构成顶点的度矩阵：d(v)＝∑e∈Ew(e)·H(v,e)     (4)De为超边的度矩阵，是以边的度d(e)为对角线构成超边的度矩阵：d(e)＝∑v∈eH(v,e)     (5)(2)设定得分向量f的最小得分阈值δ；(3)令查询顶点的标签向量y(j)＝1，其他顶点的标签向量设置为0；(4)计算各顶点得分向量f，并且记录包含第j个位置在内的f>δ的连续顶点位置，并从所述的连续顶点位置中随机选取一半以内的顶点作为反馈点，记为集合F′k，且令标签向量y(F′k)＝1，k为集合的标号；(5)根据标签向量y(F′k)＝1，再次计算各顶点得分向量f，并且记录包含集合F′k的f>δ的连续顶点位置，记为集合Fk，此时Fk代表包含第j个位置的同一镜头内的所有帧；(6)令j＝Fk(last)+1，k＝k+1，设置标签向量y(j)＝1，计算各顶点得分向量f，并且记录包含第j个位置在内的f>δ的连续顶点位置，并从所述的连续顶点位置中随机选取一半以内的顶点作为反馈点，记为集合F′k+1，且令标签向量y(F′k+1)＝1，根据标签向量y(F′k+1)＝1，再次计算各顶点得分向量f，并且记录包含集合F′k+1的f>δ的连续顶点位置，得到集合Fk+1，其中，Fk(last)为集合Fk的最后一个顶点；(7)确定视频镜头边界及类型，包括：取集合Fk与集合Fk+1的交集F△，即F△＝Fk∩Fk+1，若那么确定在第Fk(last)和Fk+1(first)点处为一个镜头边界，且该镜头边界为突变镜头，即第Fk(last)和Fk+1(first)点分别为突变镜头的上下边界；若那么可以确定在第F△(first)和F△(last)点处为一个镜头边界，且该镜头边界为渐变镜头，即第F△(first)和F△(last)点分别为渐变镜头的上下边界，其中，Fk+1(first)为集合Fk+1的第一个顶点，F△(first)为集合F△的第一个顶点，F△(last)为集合F△的最后一个顶点；(8)令Fk＝Fk+1，返回第(6)步，直到所有视频镜头边界确定完毕。