基于對象的監(jiān)控視頻關鍵幀提取技術.pdf

1、視頻關鍵幀提取技術解決的問題是如何使視頻數(shù)據(jù)被有效地表示和快速地訪問，它是利用對視頻內容的分析來提取視頻中的關鍵信息，從而降低視頻信息的冗余。視頻關鍵幀技術不僅可以提高視頻瀏覽的效率，也能夠提升視頻存儲的效率。靜態(tài)背景的監(jiān)控視頻一般由固定監(jiān)控設備所拍攝，并無明顯的結構特征，且無鏡頭切換，故含有大量的冗余內容。因此，本文針對監(jiān)控視頻，分別提出了基于對象關聯(lián)的關鍵幀提取算法和基于對象的濃縮關鍵幀提取算法。相比于現(xiàn)有的視頻關鍵幀提取算法，本文

2、的算法在監(jiān)控視頻上取得了更加有效的結果。
　　本文的主要工作及創(chuàng)新點如下:
　　(1)基于對象關聯(lián)的幀間距離度量方法。結合對象的類標簽，通過匹配不同視頻幀的對象集合，得到幀間的對象關聯(lián)信息。因此，幀間距離依賴于幀間的對象關聯(lián)信息。若幀間的對象集合匹配比例越高，則對象的關聯(lián)性越強，幀間距離越弱。反之，幀間的對象集合匹配比例越低，則對象的關聯(lián)性越弱，幀間距離越強。因此，基于對相關聯(lián)的關鍵幀提取方法考慮了幀間對象集合的關聯(lián)性，有助

3、于將原視頻頻劃分成包含獨立視覺事件的視頻子段，使最后的關鍵幀集合更能表達原始視頻的關鍵信息。
　　(2)結合人眼注意機制的關鍵幀選擇方法。視頻劃分過程主要完成將原始視頻劃分成包含獨立視覺事件的連續(xù)視頻幀，即視頻子段。針對每個視頻子段，本文提出了新的結合人眼注意機制的關鍵幀選擇顯著性函數(shù)，從每個視頻子段中選擇最有效的幀作為關鍵幀。傳統(tǒng)的特征中心(medoid)方法是從視頻子段中挑選特征中心對應的幀作為關鍵幀，中間幀(middle)方

4、法是從是從視頻子段中挑選中間幀作為關鍵幀。但是，幀表示與高層概念具有語義鴻溝，因此這些方法很難魯棒地從視頻子段中挑選出有效的關鍵幀。本文提出兩個標準:內容完整性和視覺關注性來衡量一個有效的關鍵幀。融合兩項標準，得到顯著性函數(shù)，最優(yōu)的關鍵幀對應的顯著性值最大。因此，基于顯著性函數(shù)的關鍵幀選擇方法能夠魯棒地從視頻子段中挑選出有效的關鍵幀。
　　(3)基于MRF的濃縮關鍵幀提取方法。針對濃縮視頻的偽碰撞、次序改變等問題，以及視頻關鍵幀的