压缩域体育视频摘要技术分析

《压缩域体育视频摘要技术分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、揍要摘要多媒体信感分辑与检索是当§§信怠领域研究购热点之～。隧麓数字化技术的发展，数字多媒体捺添穗剐是撬颡产品越来越串寤。多媒体其泰蕊溜信憨鼹大、巍躐和球象深刻等优点，已经逐濒成为嬲络和个人电脑上嫩重要的信息载体，传统的基予文本的信息检索披零狠罐对多媒体信惠遥行有效靛绪褐纯分霉亍衽狡速裣索。多媒体信惠分析与检索逶蓬对多媒体从低层将缝到离屡语义进彳亍处理、分析的邀程获取其内容并根摆内容进李亍检索。由此霹冕，多媒体蕊惫分搽与梭素熊套重要豹壤论意义窝应羯狯蓬。髂弯繁瓣是鼹众簸喜欢憝视频之～，然褥观众和体育专渡人士在冗长的体育节目中很难定位其中的重要内释。视频摘要怒对视频内容鲍概括，能够鹫漕表

2、现援频的薰要内容，目的在于镑助人艇更快捷、翼方便定位视频的重要内容，是多媒体信息分析与检索研究中的重骚研究工作。基于压缩域处璞搿疆实对生成视频旃襄。为此。零论文扶静态摘要、动态摘嚣襁基于语义的摘要三个方鬣泉讨论丞缭壤体育巍凝摘簧技术，辑究内容涉及交鬟蕊匿缩城关键税额辩象选{犟模翟；压缩域摄像机逡动估计和交互式压缩域关键帧i悫择模型；压缩域蘑放场撩检测和基于重放场暴豹垂蘸城体育稷鬃攘簧；纂予本钵瓣歪缨域语义钵誉援蒙攘婺模型。在瓣琥蠢方法分析的基础上，羧想以下主要研究成果：l、提舞一释开放靛交嚣式匿缨城关键禚凝麓象选箨模鍪。零l灭交瑟诗冀横鍪!将篷缭域美键视频对象选择模裂扩展为基于交互计算

3、的压缩域关键对象选择模型。将压缩域关键视频对象选择冀法形式纯为压缝域关键视频对象逸择模型，涯鞠该模型潢慰懿缀淡准剽{用紧凑和全简策略分别表示关键视频对象间内容不相关性和关镳视频对象准确宸达视频信息这藕覃申行为，将用户选撵这些策略的过程形式纯为交互式艇缩域关键视频鼹象选耩摸凝，汪弱该交互式穰鹫满怒余翅龋法凑剿。交互式蕊练域关键视频辫象选择方潼是～个开放系统，不仪可以根据不同的策略选取相应的关键视频对象，而且紧凑策略的失真率魄[Kim2002]稳方法懿0，8％，垒瑟策暗豹失真率}E秘强旺∞2】麓方法低3+s％。2、以摄像棍道溺参数为特征，摊出一种歼放豹交互式压缩域关键帧选择模型。基于M估计

4、逡行努点过滤，麓予稷线麟离鹭窳醺避去豫多}点戆菠确毪，势蓦l黧BFGS方法获撵掇像机运动参数的最佳估计。并以摄像机运动参数为特征，提出蒸于最短路径约泶的最小继失葵搴方法窝基予最小纯失奏霉约藤戆最缀潞径方法，这露耱方法分襄怼瘦紧凑秘垒面策略。将滕缩域关键帧选撵算法形式化为艨缩域关键帧选择模型，诚明该模烈满足归纳法准则；梅薅户选择紧凑秘全面繁略的过程形式俄为交互式压绩域哭踺蜮选择模型，证赣该交甄式模鍪l满足余籀缡法聚涮。用户W以鬏据镝好选择不葡盼策珞，耐时，紧凑和套面策略的失真率分别比【Poner2003】的方法低8．5％和9．1％。因此交互式压缎域关键颧选择方法蒸有螽蠢}的开藏毪。3、撬

5、如～种有效的基予重放场潦组织两层筮缩域体育搅频摘要的方法。利用鹾缡域的滚块、运魂炙爨特征遗行重敖场景检溅，基予摄像撬稳颜色信怠裰懿重救镜头梭测象精彩片段，从而组织体育视频摘鼷。重放场景检测的查全率为91．2％，查凇率为100％，而．盛羹救场景捻溅算法《啦谖裂离逮摄像凝产生豹重教镜头，竞爨了iK豳lal9斓方法豹不jK缩域体育视频摘受技术研究足。检测原精彩片段的算法主簧针对文[yasugi2001]未考虑摄像机缩放运动进行了改进。基于重放场景提出一种新的两层体育视频摘要测览模式，第一层为关键场景，给用户提供了视频内容的概括；第二层为关键镜头，为动态和静态摘要浏览方式的结合。4、提出一种基

6、于本体的压缩域语义体育视频摘要模型。日l入OWL本体描述语言对体育视频本体进程描述，并由此提出基于睚缡域的层次化视频摘要策略。在三级层次化摘要中，关键场景展现了体育视频的全露语义信惠，关键镜头展示了视频中豹熏贳动作，关键帧显示了镜头的细节。因此三级层次化摘要能够在不同的层次表示视频的壅要信息。进一步，我们对体育视频进行语义建模，运用Tableau算法进行推理，基于视频注释信息生成语义体京视频摘要。由于目翦视频摘要研究侧重于基于低层语义特征，基于本体的体育视频摘要建立了推理机制，不失为语义体育橇频摘要的有益尝试，同时与文[Zhu2003】相比，我们提出的本体有两个优势：1、不仅描述体育视

7、频的分类信息，而且对子类的属性和限制以及子类之阉关系进行刻厕；2、该本体能够表示三层的层次化视频内容描述的继承关系。本论文在压缩域体育视频摘要技术方面做出一些研究工作，从算法和本体框架两个层次来讨论体育褫频摘要的设计和实现技术，推动视频摘要技术在体育领域中的应用。关键字：瓣EG压缩域，体育视频摘要，耋放场景，摄像机运动，本体塑查憋一——ResearchonSpotsVideoAbstractionintheCompressedDomainOuy