基于聚类算法的多特征融合关键帧提取技术研究

摘要

关键帧提取技术是基于内容的视频检索核心技术之一,对于内容复杂、场景繁多、动作丰富的视频类型(如动画片、广告片、动作片),现有的关键帧提取方法性能并不理想。第一,关键帧集合代表性不够,不能有效代表原视频内容;第二,关键帧集合存在冗余,不够简洁。如果用这样的关键帧集合对原视频数据进行索引,那么视频检索的快速性和准确性将会受到很大的影响。
　　为应对上述亟待解决的难点,有必要对视频序列关键帧提取方法进行创新;另一方面,由于视频文件数据量庞大,为了增强实用性,有必要提高关键帧提取系统的离线计算效率。
　　本文针对内容复杂、场景繁多、动作丰富的视频类型,提出了一种新的基于聚类算法的多特征融合的关键帧提取方法。首先,将多种特征进行融合,再进行相似性度量可以更加完整全面的描述内容复杂的视频;其次利用聚类算法依据场景对视频序列进行聚类,免去了在场景繁多的情况下镜头检测分割的困难和繁杂;再次,依据运动量极小值标准来提取关键帧,能更准确的代表动作丰富的视频内容。同时本文对所采用的聚类算法进行了改进,提高了关键帧提取系统的离线计算效率。
　　本文最后设计并实现了关键帧提取系统,通过对不同方法的提取结果进行定量分析与对比,表明本文提出的方法具有较高的性能和准确度。本文的研究对于促进关键帧提取技术和基于内容的视频检索的发展应用具有理论及应用价值。

目录

封面

A Thesis Submitted in Partial of Fulfillment of the Requirements

声明

中文摘要

英文摘要

目录

1 绪论

1.1 选题背景和意义

1.2 国内外研究现状

1.3 本论文研究内容及组织

2 视频关键帧提取相关技术

2.1 CBVR系统介绍

2.2 视频帧特征提取

2.3 基于光流算法的运动量计算

2.4 关键帧提取的性能评价标准

3 AP聚类算法研究

3.1 聚类分析概述

3.2 AP聚类算法原理

3.3 AP聚类算法的流程

3.4 AP聚类算法的改进

4 关键帧提取原型系统设计与实现

4.1 系统体系结构设计与实现

4.2 模块设计与实现

4.3 不同关键帧提取方法的对比分析

5 总结与展望

5.1 总结

5.2 下一步研究方向

致谢

参考文献

附录 攻读硕士学位期间参与科研项目情况