基于视频信息新闻结构分析和口播镜头检测

《基于视频信息新闻结构分析和口播镜头检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、四川大学硕士学位论文基于视频信息的新闻结构分析和口播镜头检测检测技术与自动化装置专业研究生韩东指导老师黄山随着人们在多媒体信息制造，存储与传播方面取得的重大技术进步，多媒体信息和数字视频已经成为日常生活中不可或缺的一部分。爆炸式增长的多媒体信息资源迫切需求自动多媒体信息分析、处理和归类技术。在这样的背景下，多媒体信息处理和检索技术成为近年来各研究机构关注的重点问题。限于技术的局限性和有限的处理速度，建立一种通用的视频分析／处理框架是不大可能的。在宏观上看，目前国内外的研究主要集中在新闻、电影、电视剧、体育等几类视频素材的分析上．本文提出了一种新的通用镜头边界检测及关键帧提取算法

2、，以及针对新闻中固定不变的一类镜头——口播镜头的识别算法。算法基于非压缩域处理，达到了较好的检测效果和运算速度，充分满足应用的需求。本文提出的镜头边界检测算法融合了视频颜色的信息和运动的信息，用主色直方图描述颜色的变化，用图像块运动度描述运动的强弱，并将二者结合起来划分镜头边界。关键帧是描述镜头内容的一种有效手段，传统的关键帧提取方法基于镜头内所有帧聚类，不利于处理流式的视频信息。因此本文提出一种基于子镜头的非监督聚类算法，算法能适用于流式视频处理并不失其合理性。口播镜头检测是新闻视频处理的一种重要的手段，不少文献都提出了自己的做法。本文提出的算法充分分析了口播镜头的规律性特征

3、，采取了多规则融合的检测办法。算法运用了大量口播镜头规则。因此有效的减少了计算量。在P42．66GHz，512M的WindowsXP的平台上运行本文口播镜头检测算法达到J'94．7％的查全率和94．7％的查准率，处理速度为144帧／秒。关键词：新闻视频分析镜头分割关键帧口播镜头检测四川大学硕士学位论文Video—BasedNewsStructureAnalysisandAnchorpersonShotDetectiontechnologiesandMeasuringInstrumentsGraduateHartDongSupervisorHuangShanWiththegrea

4、tprogressesinthemanufacture，storageandprevalenceofmulti-mediainformation，multi-mediaanddigitalvideobecomesanindispensablepartofourdailylife．Explosiveincreaseofmulti-mediaresourcesrequiresforautomaticanalyzing，processingandclassifyingmulti-mediatechnologieseagerly．Therefore，multi—mediaprocess

5、ingandindexingtechniquesbecomeoneofthemajortopicsinmanyresearchinstitutions．Limitedbythetechnologyitselfandprocessingspeed，itseen[1jsimpossibletoconstructagenericvideoanalysis／processingframework．Recentresearchesaremainlyfocusedonacertainvideotypessucha8news，film，TVshows，sportsvideo，etc．This

6、paperproposesanovelshotboundarydetectionandkey-frameextractionalgorithm，andaanchorpersondetectiontechniquea8well．Bothofthemarebasedonuncompresseddomainprocessingandpromisingdetectionresultsandcomputationspeedhasbeenarchived．Theproposedshotboundarydetectionalgorithmcombinesbothchromeandmotion

7、infoofvideo．Weutilizemaincolorhistogramtofigureoutthechromaticvarianceofcolor，andblockmotionmetricofmotion．Finalresultisgainedbythecombinationofboth．Key-frameplaysaneffectiveroleindepictingshotcontent．Traditionalkey-frameextractiontechniquesaremain