论文部分内容阅读
随着光电技术、计算机技术、网络技术和信息技术的迅速发展,海量多媒体信息的浏览和检索成为多媒体信息研究的热点。集图像、声音、文本于一体的视频信息是应用最多的一种多媒体信息,也是多媒体信息研究的重点之一。 在国内外众多研究者的努力下,以数字图像处理、数字视频处理为核心的视频检索技术取得了长足的进展。但是,高效、实用的视频检索技术研究和系统开发仍是人们面临的一项难题。 本文在回顾总结视频检索背景和相关工作的基础上,研究了视频检索中的视频镜头分割和视频结构索引两项关键技术,设计并实现了基于内容的视频检索系统。具体内容包括: 1.提出了一种新的镜头分割算法:基于机器学习的压缩域镜头分割。在视频数据中,编码生成的运动矢量、残差能量等差分预测信息可以很好的体现视频图像特征变化。结合MPEG编码的多尺度帧结构特性和差分预测特征,本文提出了压缩域中一种新的镜头分割算法,该方法的基本思路是:应用机器学习的方法在MPEG编码帧的多个尺度上学习差分预测特征的变化规律,以此为模板检测视频序列中的镜头边界,实现镜头边界的快速准确检测。实验表明,该方法在确保检测精度的情况下大大提高了检测效率。 2.进一步完善视频结构索引的机制:为了能够快速随机地访问视频数据,就需要为视频的结构信息建立索引。利用视频数据的编码结构信息和内容结构信息,文中实现了基于数据库的视频结构索引。基于数据库的视频结构索引解决了实时视频浏览和检索的问题。 3.视频检索系统的设计与实现:视频检索系统的实现是一项细致、复杂而又庞大的工程,其间涉及到许多关键技术,比如视频流的解析、视频信息的建模表示、浏览检索机制的建立等。视频信息的建模表示指视频数据的结构和内容信息的挖掘与描述,比如镜头分割、视频索引、视频图像的特征提取、字符检测识别、人脸检测识别、语音识别等。通过积累实验室多年来的研究成果和开发技术,本文设计并实现了一个功能全面、性能高效的