视频镜头检测是基于视频内容检索的基础,具有非常重要的意义。从内容上看,镜头有两种变化形式:突变和渐变,渐变相对于突变来说,持续时间长、变化缓慢,检测难度相对较大。在阅读了大量的文献和研究了主流的视频镜头检测技术后,该文针对镜头边界检测算法中存在的查全率和查准率不高的问题,提出了一种基于SIFT(Scale Invariant Feature Transformation,尺度不变特征变换)特征的视频镜头边界检测算法。论文的主要研究内容和贡献包括:(1)针对SIFT算法中的特征点描述子维数较高、耗时较长的问题进行了改进。该文在SIFT算法的基础上重新划分特征点领域,将特征点描述子维数降低50%,通过降低特征点描述子的维数,进一步提高了算法的精度,实验结果表明,改进后的算法平均每一秒完成特征点提取的视频帧数为31.8431,与文献[33]相比平均每一秒的特征点提取效率提高了20.48%,改进后的SIFT算法的特征提取效率有明显提高,可以满足实时性的要求。(2)将SIFT算法运用到视频镜头检测中,提出一种基于SIFT特征点的视频镜头边界检测算法。由于SIFT特征是从图像中提取的具有克服偏移、旋转、仿射、光照等影响的局部特征,具有一定的稳定性,该文将SIFT算法作为图像匹配的基础,进行视频镜头边界检测。实验结果表明,该镜头边界检测方法的查全率、查准率为100%和97.50%,比文献[14]查全率和查准率分别高出7.4%和8.8%,实验结果说明该镜头边界检测方法能有效抵抗镜头缩放变化、视角变化的影响,具有较强的抗干扰能力。(3)提出一种新的镜头边界判别方法,根据视频帧序列相邻连续帧图像上匹配的特征点数目,计算出连续帧的相似度,绘制帧间相似性曲线,通过曲线的水平变化判断视频内容是否发生变化,以此来检测镜头是否发生突变和渐变。经实验证明,镜头检测结果显示查全率、查准率为97.30%和96.03%。在新闻和电影视频的镜头边界检测结果中显示,该算法查全率和查准率与文献[11]、文献[12]、文献[13]相比均有较大提高,表明了该算法在镜头边界检测中的有效性。