对于压缩视频文件例如MPEG-2格式的文件，可以不进行解码或者只进行半解码，直接使用压缩视频数据特征统计结果进行视频镜头边缘检测。它具有以下特点：(1)无需解码直接进行分段，降低了解码的复杂性并节省了存储空间；(2)由于压缩视频的低数据率，使得运算速度可以大大提高。(3)视频数据在压缩的过程中，编码器已经对帧序列进行了大量的分析和计算，比如帧间的运动补偿就需要进行宏块的划分、宏块的匹配和运动矢量的计算等，如果能充分地利用这些经编码器分析计算所得出的信息如运动矢量、DCT系数、DC系数、宏块等，就能够大大减少视频分析和处理的计算量 。基于压缩视频的镜头分割算法，虽然并不像那些基于解压缩视频的算法那么简单和普遍，但因其本身的众多优势目前越来越受到广大研究人员的青睐，可以预见的是，不久的将来，这类高效的分割算法必定会受到多媒体检索领域的重视。
2一种适合于足球视频的自适应阈值镜头分割方法
前面介绍的镜头边缘检测算法的实质是：如何找到一种或几种良好视频图像特征，通过判断相邻图像帧之间的特征是否发生剧烈变化，来完成视频镜头边缘检测任务。本文利用自适应阈值思想，综合图像间颜色直方图差法和主色比例差法，给出一种自适应阈值镜头分割高效算法。自适应原则体现在:能够跟随视频流播放实时调整帧差阈值,更加科学地进行镜头分割。本算法以足球视频为素材进行试验，大体分为三个步骤：
Step1.计算相邻图像帧主色比例并作差。
Step2.计算相邻图像帧的颜色直方图并作差。
Step3.帧间差自适应阈值的确定。
2.1主色提取
HSI颜色模型中三个分量是独立变化的，且符合人眼的主观特性，所以选用HSI模型以更好体现颜色分布局部性，本文采用基于HSI颜色空间的主色提取算法 对图像帧进行主色提取。
颜色是一幅图像中的重要信息，主色在颜色信息中占主要地位。足球比赛中，比赛场景分为两类：一类是包含足球场地，另一类不包含足球场地。前者图像帧大多数以绿色为主；后者大多情况不以某种颜色为主而是多种颜色普遍分布。本节的目的是分析这两类场景图像帧并提取主色。
为了量化的需要，HSI颜色空间三分量值须保证在[0,1]之间。在满足主色提取精度的前提下，我们设定量化阶数为100，也就是统计三分量在0～100范围内的颜色直方图。通过计算各个分量的直方图，找出峰值颜色 ，然而由于场地颜色会随着场馆、天气、灯光等因素的不同而有所改变，直接用峰值来表示主色不是很准确，为此提出用包含峰值颜色的一定区间的颜色的均值来表示图像帧主色，以保证可靠性和准确性。主色提取的计算公式如下：
 (1.2)
 (1.3)
 (1.4)
 (1.5)
 (1.6)
其中， ＝0.01表示量化系数。下面以色调直方图为例，标注主色颜色区间的计算过程如图1所示， 0为颜色峰值 的像素数，颜色区间的上下界 由式（1.2）到（1.6）确定，经过多次试验， 取0.2较为合适。主色由式（1.6）计算，即颜色峰值的左右颜色直方图下降到倍 的区间范围内所有颜色的均值。
图1主色颜色区间标注直方图
2.2帧间主色像素比例差
提取完图像帧主色并统计主色像素数目，接着比较相邻两帧图像主色像素占整幅图像像素总数的比例值，大于阈值 的图像帧即是可能的镜头边界帧。相关计算公式见式(1.7)，图2为原图，图3为主色提取后效果。
第i帧和第i-k帧之间帧间主色像素比例差定义为：
 (1.7)
其中 表示第i帧主色像素占图像帧总像素个数的比例。
图2主色提取前原图
图3主色提取后效果图
2.3图像帧的颜色直方图差
本文计算帧间颜色直方图差是以RGB颜色空间为平台，相应的计算过程见公式(1.8)。
 (1.8)
 为第f帧归一化的颜色分量m的颜色直方图,m代表颜色分量,0,……,N代表分量颜色数。
2.4帧间差阈值的确定
图4图像帧间差
由图4可知，选用单阈值作为固定阈值，缺乏智能性，造成使用上的局限性，所以本文采用自适应阈值方法，能够实时科学地更新阈值，快速而有效地实现了对镜头边缘的检测。基本思路是：伴随视频流的播放，逐个计算相邻帧颜色直方图差并求数帧帧间差平均值，比较当前相邻帧帧差与平均值，如果相邻帧差大于平均值，则当前帧即为镜头边界帧，然后检测下一个镜头。否则，继续计算下个相邻帧帧差并与平均值进行比较，直到检测到镜头边界帧。为了提高算法的精确度，通常选取一个阈值系数 乘以帧差平均值作为自适应阈值，一般为1.6～2.0。 2/3 首页 上一页 1 2 3 下一页 尾页 |
