论文部分内容阅读
为了从海量视频数据中快速提取感兴趣的信息，在研究、分析现有视频浓缩算法性能的基础上，提出了一种基于关键目标选择的视频浓缩方法。该方法用选择的代表性观测点组成的新的运动序列来代表目标原运动序列，从而消除了现有算法不能消除的内容上的冗余，进而提高视频浓缩效率；采用数据驱动方式进行关键观测点选择，通过把这一选择问题转换为最小描述长度（MDL）选取问题来实现自适应选择，从而克服现有算法在视频浓缩中因观测目标极多导致压缩效率下降和影响视觉效果的问题。通过在三个数据库上的试验，证明了该方法的有效性。