一种基于3D残差网络的镜头边界检测方法

摘要

本发明提出一种基于3D残差网络的镜头边界检测方法,将镜头边界检测问题看作视频分类问题和切换点的查找问题。首先，基于目前所公开的DeepSBD数据集，使用3D卷积残差网络训练得到可用于视频分类的模型；使用该模型对需要检测镜头边界的视频进行预测，其中输入是视频中连续16帧为一组的视频，并且相邻组之间由8帧的重叠，从而得到每一组的预测类别。在预测结果的基础上通过计算第一帧与最后一帧的颜色直方图的卡方距离，使用卡阈值的方式减少误报，而后将含有相同标签且相邻或重叠片段进行合并；此外，为了得到硬切换的准确位置，计算该组内相邻帧的颜色直方图的差值以得到最大差值来确定硬切换的位置。