论文部分内容阅读
在现代生活中,每天都有大量的视频数据不断涌现,人们怎样才能从数量众多、类型多样的视频数据中找出自己所需的视频片段已经成为一个新的问题。但是由于视频数据信息量大,内容复杂,且无组织结构,所以如何对视频进行处理,以方便人们从繁杂的视频中检索出自己所需要的片段已经成为当今社会的研究热点之一。针对这种情况,本文在对传统的视频检索算法进行深入研究的基础上,提出了一种基于N/2回退与时空切片相结合的镜头边界检测算法和一种基于吞噬聚类的关键帧提取算法。基于N/2回退与时空切片相结合的镜头边界检测算法直接比较相距为N的视频帧,得到帧间差异,并且本算法在利用颜色特征尺度不变性和旋转不变性的前提下,通过对时空切片的提取,又克服了颜色特征对空间位置不敏感的特点。通过matlab仿真传统的镜头边界检测算法与新提出的算法,结果表明,相对于传统算法,新算法的算法复杂度大大降低,镜头边界的查全率和查准率并没有受到很大影响。基于吞噬聚类的关键帧提取算法通过借鉴DBSCAN聚类算法,K-means均值聚类算法,蚁群聚类算法的思想,将视频帧看作吞噬个体,通过吞噬个体的互相吞噬,提取出视频镜头的关键帧。通过matlab仿真传统的关键帧提取算法与新提出的算法,结果表明,相对于传统算法,新算法的查全率和查准率都有了一定程度的提升,算法具有一定的应用价值。