视频结构分析是指对非结构化的二维图像流进行处理,形成关于视频内容的结构化数据,它是基于内容的视频检索与浏览的基础及关键,主要有两方面问题:视频时域分割及关键帧提取。本文从视频内容不连续性度量、阈值选取两方面对现有视频时域分割方法进行了分类,并分析了它们的局限性。使用MPEG-7标准描述子作为特征进行视频内容不连续性度量及关键帧提取,在帧间差分布基础之上嵌入附加信息及先验信息来动态确定阈值进行视频时域分割。基于这个思路,本文主要工作如下: (1) 针对视频内容不连续性度量问题,采用MPEG-7标准“可扩展颜色描述子”作为特征,提高了系统的可互操作性,降低了对局部运动和光照变化的敏感性。 (2) 改进了现有的镜头突变检测机制,能过滤干扰因素的影响,提高了镜头突变检测的准确率。 (3) 借鉴目前基于统计特征的镜头边界检测的思想,提出了一种新的渐变检测方法。该方法可准确检测出渐变开始与渐变尾帧,同时对镜头切换类型自动分类。 (4) 采用MPEG-7运动活动性描述子实现关键帧提取,这种基于运动的方法所选取的关键帧比传统的基于颜色方法的更能反映镜头内的主要事件。 本文实现了视频结构分析系统的原型,并在多种类型的视频序列集合上进行了实验。实验结果表明:本文提出的视频时域分割算法具有可互操作性、鲁棒性;根据运动特征抽取的关键帧能更好地代表镜头内的主要事件。