上述方法虽简单，但效果不稳定，也无法处理强度较高或是内容较多的镜头。
(2)基于图像信息分析的方法
基于图像信息分析的方法是根据帧的颜色、纹理等视觉信息的改变来提取关键帧。它的基本思想是：首先把镜头中的第一帧作为当前关键帧，按顺序将其后的帧与当前关键帧相比较，当某一帧与当前关键帧的差距超过设定的阈值，则某一帧成为新的关键帧，后面的帧再依次与新的关键帧比较，直至镜头的最后一帧。
上述方法提高了算法的灵活性，但在镜头运动时，容易选取过多的关键帧，造成关键帧数目的不稳定。
(3)基于聚类的方法
基于聚类的方法是指对于给定的一批样本，我们希望用某种方法将其合理分类，使得同一类的元素比较相似，不同类之间的元素差异较大。它的主要的思路是：首先初始化一个聚类中心。然后根据当前帧与中心的距离来判断是归入该类还是作为新的聚类中心，最后将各类中离聚类中心最近的帧作为关键帧。
上述方法提取的关键帧可以反映视频镜头的主要内容，但不能很好的保留镜头内原来图像帧的时间顺序，且其算法较复杂，实现起来不太容易。
3.3基于帧间似然比的关键帧提取算法
3.3.1 基于帧间似然比的关键帧提取算法实现
基于帧间似然比的关键帧提取利用的是y、cb、cr 3个颜色分量的均值和方差作为图像帧的特征参数计算其帧间似然比并进行关键帧的提取。
帧间似然比的计算方法如下：设相邻两帧为 和 ，用E 、E 、S 、S 表示相邻两帧在y颜色分量的均值和方差，两帧间y颜色分量的似然比计算公式如式（3.1）：
式(3.1)
同理，两帧间cr和cb颜色分量的似然比计算公式如所(3.2)和式(3.3)：
式(3.2)
式(3.3)
根据计算出的Y、Cr 、Cb 3个颜色分量的似然比得到帧间似然比的计算公式如式(3.4)：
D=(a + a + a )／3 式(3.4)
其中，a 、a 、a 为相应的权值。
基于帧间似然比的关键帧提取的算法描述如下：
设输入的视频序列由 , …, 构成，则其算法描述如下：
(1)首先选择第一帧 为关键帧，即当前关键帧 为 本文来自优$文)论'文`网，
毕业论文 www.youerw.com 加7位QQ324~9114找原文；
(2)依次抽取下面的帧 ，利用上面的式(3.1)至式(3.4)计算第 帧与当前关键帧 的帧间似然比Q；
(3)若Q>P(阈值P根据视频序列的长度及变化程度设定)，则 为新的当前关键帧，即 = ，执行第四步；否则转第二步；
(4)后面的帧再依次与新的当前关键帧相比，直至镜头的最后一帧，得到该视频的关键帧序列。
3.3.2 实验结果
为检验上述算法，文本选取了电影和体育两个类别的视频流进行了实验测试。图1是从篮球比赛部分视频片断提取出的关键帧，测试结果如表3所示。
上一页 [1] [2] [3] [4] [5]
基于内容的视频检索关键技术研究 第5页下载如图片无法显示或论文不完整，请联系qq752018766
