基于内容的视频分析是目前国内外研究的热点,其应用前景非常巨大。因为这样用户就可以以更好的方式搜索互联网上的视频,即基于内容而不是基于文本描述,来满足他们准确找寻视频内容信息的需求。与此非常相似的另一种应用是互联网视频节目的监控,就是监控那些“涉黄”视频,以达到纯净网络环境的目的。为此,需要解决的一个问题是如何能在视频中找到感兴趣的目标,如人体。论文正是研究了这么一系列的有关技术,通过对已有方法进行分析和归类,从中心问题出发,选择正确方法,深入剖析,提出改进原因并分析了改进的合理性和优越性,最后进行了实际验证。主要改进的关键技术如下： 对关键帧提取算法,研究了一种基于镜头内容变化程度分配关键帧数量的算法,为了降低运算量,对衡量镜头内容变化程度的函数做了合理的改进,改进之后,运算速度成倍提高,提取结果的准确性却不受影响。 对于如何在序列帧里检测出运动目标,针对影视剧一般是在摄像机处于运动状态下拍摄的特点,分析了经典的背景匹配算法,对该算法涉及的筛选“匹配块”的函数,论文给出了与前人完全不同的,全新的函数,该函数算法复杂度低,但结果表明能满足有效筛选的目的。 光照会对目标跟踪造成很大的困难,但是影视剧中却使用大量的光影效果来渲染气氛。本文选用了一种“灰度-梯度方向角量化值直方图”来描述目标的特征模型,再用Mean shift算法应用到此特征空间上,就很好的克服了关照对跟踪的影响。论文在已有的算法基础上进行了完善,给出了一种简单、高效的目标初始化方法,使目标检测的结果自动输入到目标跟踪算法中,取代了一般采用手工输入的方法。 论文最后设计了一个人体识别实验平台,定义了主要的功能模块,并对改进的关键技术进行了验证,为以后的“违规视频监控”打下了基础。