影視視頻場(chǎng)景結(jié)構(gòu)解析及識(shí)別技術(shù)研究.pdf

1、數(shù)字多媒體資源日益成為人們?nèi)粘Ｎ幕钪械闹匾M成部分，對(duì)大量的影視視頻進(jìn)行場(chǎng)景結(jié)構(gòu)分析和場(chǎng)景識(shí)別是基于場(chǎng)景語(yǔ)義的視頻內(nèi)容檢索的基礎(chǔ)。場(chǎng)景邊界檢測(cè)可以將影視視頻分割為以場(chǎng)景語(yǔ)義為單元的視頻片段，而對(duì)視頻場(chǎng)景片段進(jìn)行場(chǎng)景標(biāo)簽的自動(dòng)標(biāo)注可以得到視頻片段的場(chǎng)景語(yǔ)義內(nèi)容。
　　針對(duì)基于場(chǎng)景相似圖的視頻場(chǎng)景邊界檢測(cè)算法計(jì)算量大的問(wèn)題，采用基于滑動(dòng)鏡頭窗的相似鏡頭聚類算法，對(duì)滿足時(shí)間局部性的鏡頭進(jìn)行聚類，并根據(jù)影視視頻的場(chǎng)景發(fā)展模式，對(duì)同場(chǎng)景

2、內(nèi)的交錯(cuò)鏡頭類和相似的相鄰鏡頭類進(jìn)行合并，從而得到視頻的場(chǎng)景結(jié)構(gòu)單元。同時(shí)，針對(duì)只使用鏡頭視覺(jué)特征進(jìn)行相似度計(jì)算容易造成運(yùn)動(dòng)場(chǎng)景過(guò)分割的問(wèn)題，同時(shí)對(duì)鏡頭提取運(yùn)動(dòng)信息，使用鏡頭內(nèi)視頻幀間的視覺(jué)變化來(lái)衡量鏡頭運(yùn)動(dòng)量，并使用視覺(jué)相似度和運(yùn)動(dòng)信息的加權(quán)之和進(jìn)行鏡頭相似度計(jì)算，由于考慮了鏡頭內(nèi)的運(yùn)動(dòng)情況，可以有效解決打斗、追逐等運(yùn)動(dòng)場(chǎng)景的過(guò)分割問(wèn)題。
　　傳統(tǒng)的基于底層特征的圖像和視頻表示方法，往往包含的語(yǔ)義信息有限，在處理高層語(yǔ)義任務(wù)時(shí)局

3、限性較大。圖像中包含的物體是一種很重要的視覺(jué)語(yǔ)義元素，使用Object Bank特征進(jìn)行圖像表示，在圖像場(chǎng)景識(shí)別等視覺(jué)語(yǔ)義處理任務(wù)中取得了很好的效果，本文將Object Bank方法擴(kuò)展到視頻中，使用一組在影視視頻常見場(chǎng)景中的代表性物體的識(shí)別器的識(shí)別結(jié)果對(duì)視頻片段進(jìn)行表示。首先對(duì)視頻場(chǎng)景片段關(guān)鍵幀提取物體識(shí)別的統(tǒng)計(jì)信息，并將視頻場(chǎng)景關(guān)鍵幀集合的最大池化和平均池化結(jié)果作為視頻場(chǎng)景片段的Object Bank特征，使用SVM分類器進(jìn)行視頻場(chǎng)