在互联网技术和多媒体信息急速发展的今天,多媒体数据,尤其是视频数据已经成为人们日常生活中获取信息的一种最重要的途径。但是,要从海量视频数据中高效、快速地提取到用户所需的信息,这已经成为了一门科学性的难题。在视频检索领域多年的研究表明:科学、合理地使用关键帧提取技术可以降低在视频检索过程中产生的数据量,节省视频处理的时间,从而提高工作效率。 镜头边界检测是关键帧提取的前提条件和基础步骤,设计一种有效、合理的镜头边界检测方法对关键帧提取有着重要的影响。在前人已有的基础上,本文提出一种改进的镜头边界检测算法:先通过镜头预处理,然后计算互信息熵动态差值,最后利用相邻帧亮度直方图的方差可以有效地检测出突变、渐变的镜头帧。实验证明:本文改进的镜头边界检测算法降低了镜头边界检测过程中的计算量,从而减少算法的时间开销。 在本文中,关键帧提取是研究的重点内容。通过研究现有的关键帧提取算法,我们发现:关键帧提取的速度和时间往往随着视频数据量的增加而显著上升,这并不能满足当前人们对视频检索的需求。基于当前关键帧提取算法存在的不足,本文提出了一种互信息熵和 SUSAN 测度的关键帧提取算法。该算法首先利用镜头边界检测方法,检测出视频中的镜头边界,把视频基于镜头的变化划分为视频片段。然后采用互信息 熵和 SUSAN 算子的双重特征量提取视频片段中的候选关键帧。最后采用边缘匹配算法消除候选关键帧中的冗余帧,从而提取出代表视频主要内容的关键帧集合。为了减少关键帧提取过程的时间开销,本文方法采用 CUDA 并行模型构架,在特征提取、边缘检测、消除冗余等过程中利用并行机制。最后,通过实验验证了本文关键帧提取算法的有效性。
展开▼