專利名稱：集成顏色和運動特征進(jìn)行鏡頭檢索的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻檢索技術(shù)領(lǐng)域，具體涉及集成顏色和運動特征進(jìn)行鏡頭檢索的方法。
背景技術(shù)：
隨著電視臺視頻節(jié)目的積累、網(wǎng)上數(shù)字視頻的增加，以及數(shù)字圖書館、視頻點播、遠(yuǎn)程教學(xué)等大量的多媒體應(yīng)用，如何在海量視頻中快速檢索出所需要的資料顯得至關(guān)重要。傳統(tǒng)的基于關(guān)鍵詞描述的視頻檢索因為描述能力有限、主觀性強(qiáng)、手工標(biāo)注等原因，已經(jīng)不能滿足海量視頻檢索的需求。因此，從90年代開始，基于內(nèi)容的視頻檢索技術(shù)成為研究的熱點問題，多媒體內(nèi)容描述接口的MPEG-7標(biāo)準(zhǔn)的制定也引起了人們廣泛的關(guān)注。
視頻檢索的現(xiàn)有方法是首先進(jìn)行鏡頭分割，以鏡頭作為視頻序列的基本結(jié)構(gòu)單元和檢索單元；然后在每個鏡頭內(nèi)部提取關(guān)鍵幀來代表該鏡頭的內(nèi)容，從關(guān)鍵幀提取出顏色等低級特征，用于鏡頭的索引和檢索。這樣，就把基于內(nèi)容的鏡頭檢索轉(zhuǎn)化為基于內(nèi)容的圖像檢索來解決。
2002年在International Journal of Computer Vision發(fā)表的文獻(xiàn)“Motion-basedVideo Representation for Scene Change Detection”(作者是C.W.Ngo，T.C.Pong，and H.J.Zhang，Vol.50，No.2，頁碼127-143)，該文獻(xiàn)所公開的方法提出把一個鏡頭內(nèi)的內(nèi)容變化分解為幾個內(nèi)容一致的子單元，稱為子鏡頭(subshot)，它主要包括這樣幾個步驟(1)基于相機(jī)運動來提取子鏡頭；(2)然后針對不同運動的子鏡頭，選取和構(gòu)造不同的關(guān)鍵幀表示，如靜止(static)子鏡頭可以用一個關(guān)鍵幀來表示，掃描(pan)子鏡頭通過構(gòu)造一個全景圖(panorama)來表示，變焦(zoom)子鏡頭可以用變焦之前和之后的兩個關(guān)鍵幀來表示；(3)最后兩個鏡頭的相似度表示為它們所有關(guān)鍵幀相似度的最大值和第二大值的平均值sim(si,sj)=12{M(si,sj)+M^(si,sj)},M^(si,sj)]]>表示兩個鏡頭si和sj的第二大相似值。這種提取子鏡頭的方法很好考慮了鏡頭內(nèi)容的冗余性，但最大值和第二大值的度量方法并不能全面容觀地反映兩個鏡頭內(nèi)部的相似程度。
2003年7月18日，申請人所申請的另一項發(fā)明專利申請公開了“一種基于內(nèi)容的鏡頭檢索方法”(申請?zhí)?3150127.3，
公開日2004年2月25日)，該方法首次將圖論最優(yōu)匹配的Kuhn-Munkres方法用于鏡頭檢索。該方法強(qiáng)調(diào)在一一對應(yīng)的前提下，全面客觀地度量兩個鏡頭的相似度。把兩個鏡頭的相似度度量建模為一個帶權(quán)的二分圖鏡頭中的每一幀看成二分圖的一個結(jié)點，兩個鏡頭之間任意幀的相似值作為邊的權(quán)值。在一一對應(yīng)的前提下，利用Kuhn-Munkres方法求出該二分圖的最大權(quán)，以此作為兩個鏡頭的相似值?？紤]到檢索速度問題，提出了兩個改進(jìn)算法。該方法在一定程度上提高了鏡頭檢索的準(zhǔn)確性和速度。
但是，上述這些方法都存在一個共同的問題即僅僅考慮了視頻的顏色特征，而忽略了視頻的運動特征。但實際上，除了顏色特征，運動特征也是視頻具有的重要特征。

發(fā)明內(nèi)容
針對現(xiàn)有鏡頭檢索方法僅僅使用顏色特征的缺陷，本發(fā)明的目的是提出集成顏色和運動特征進(jìn)行鏡頭檢索的方法，該方法除了使用最優(yōu)匹配方法有效度量兩個鏡頭的顏色相似度以外，還能夠利用運動直方圖度量兩個鏡頭的運動相似度，所以，本發(fā)明能夠在現(xiàn)有技術(shù)的基礎(chǔ)上大大提高鏡頭檢索的準(zhǔn)確性，從而為海量的多媒體信息檢索提供有力支持。
本發(fā)明的目的是這樣實現(xiàn)的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，包括以下步驟(1)首先對視頻數(shù)據(jù)庫進(jìn)行鏡頭分割，以鏡頭作為視頻的基本結(jié)構(gòu)單元和檢索單元；(2)在顏色特征上，利用圖論的最優(yōu)匹配方法，度量兩個鏡頭X和Yk的顏色相似度Similaritycolor(X，Yk)；(3)在運動特征上，直接在壓縮域上提取鏡頭的運動矢量，然后構(gòu)造鏡頭的運動直方圖的方法如下(A)運動角度angle(i，j)作為運動直方圖的橫坐標(biāo)；(B)運動強(qiáng)度int ensity(i，j)作為運動直方圖的縱坐標(biāo)，i，j表示視頻相鄰的兩幀；運動角度表示運動矢量的方向，而運動強(qiáng)度表示運動矢量的能量或強(qiáng)度，它們的計算方法如下
angle(i,j)=arctg(dyi,jdxi,j)]]>intensity(i,j)=dxi,j2+dyi,j2]]>(dxi，j，dyi，j)表示運動矢量的橫坐標(biāo)和縱坐標(biāo)。運動角度在2π范圍內(nèi)，被量化到n個角度范圍，n為整數(shù)。然后，在鏡頭內(nèi)，每個角度范圍的運動強(qiáng)度被累加形成鏡頭的運動直方圖HX(angle)，HX(angle)的橫坐標(biāo)是角度范圍n，縱坐標(biāo)是運動強(qiáng)度，X表示鏡頭，angle∈[1，n]；最終，兩個鏡頭X和Yk的運動相似度定義為Similaritymotion(X，Yk)Similaritymotion(X,Yk)=1A(HX,HYk)Σanglemin{HX(angle),HYk(angle)}]]>其中，A(HX,HYk)=max{ΣangleHX(angle),ΣangleHYk(angle)}]]>(4)最后，兩個鏡頭的相似度Similarity(X，Yk)，取決于上述顏色相似度Similaritycolor(X，Yk)和運動相似度Similaritymotion(X，Yk)的總和，相似度Similarity(X，Yk)值越大，表示兩鏡頭越相似。
為了更好地實現(xiàn)本發(fā)明的目的，在進(jìn)行鏡頭檢索時，還可以附加以下技術(shù)特征步驟(2)中，在每個鏡頭內(nèi)部等間隔提取3個關(guān)鍵幀作為結(jié)點，構(gòu)造帶權(quán)二分圖G＝{X，Yk，Ek}，X表示查詢鏡頭X有3個等間隔的關(guān)鍵幀x1，x2，.x3，Yk表示視頻庫中的鏡頭Yk有3個等間隔的關(guān)鍵幀y1，y2，y3，邊集Ek＝{eij}，其中邊eij＝(xi，yj)表示xi與yj相似，邊eij的權(quán)值ωij表示xi與yj的相似值，使用直方圖的交來計算ωijωij=Intersect(xi,yj)=1A(xi,yj)ΣhΣsΣv{Hi(h,s,v),Hj(h,s,v)}]]>其中，A(xi,yj)=min{ΣhΣsΣvHi(h,s,v),ΣhΣsΣvHj(h,s,v)}]]>Hi(h，s，v)是HSV顏色空間的直方圖，本發(fā)明用H，S，V分量在18×3×3的三維空間中統(tǒng)計直方圖，以歸一化后的162個數(shù)值作為顏色特征值，Inter sect(xi，yj)表示兩個直方圖的交，用它來判斷兩個關(guān)鍵幀的相似性，使用A(xi，yj)歸一化Inter sect(xi，yj)到0，1之間；然后利用圖論的最優(yōu)匹配算法，求出G＝{X，Yk，Ek}的最優(yōu)匹配M后，把M每條邊eij的權(quán)值ωij相加，求得G＝{X，Yk，Ek}的最大權(quán)ω，本發(fā)明定義兩個鏡頭X和Yk的顏色相似度Similaritycolor(X,Yk)=ω3,]]>使用3將Similaritycolor(X，Yk)歸一化到0，1之間，值越大，表明鏡頭X和Yk越相似。
步驟(2)中所述的圖論的最優(yōu)匹配算法最好是Kuhn-Munkres方法。
步驟(4)中，兩個鏡頭的相似度Similarity(X，Yk)取決于上述顏色相似度Similaritycolor(X，Yk)和運動相似度Similaritymotion(X，Yk)的總和Similarity(X，Yk)＝ω1Similaritycolor(X，Yk)+ω2Similaritymotion(X，Yk)其中，ω1和ω2表示Similaritycolor(X，Yk)和Similaritymotion(X，Yk)在最后相似度Similarity(X，Yk)中所占的比重，ω1+ω2＝1。
ω1和ω2的值最好是ω1＝0.7，ω2＝0.3。
本發(fā)明的效果在于與現(xiàn)有的鏡頭檢索方法相比，采用本發(fā)明所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，可以在進(jìn)行鏡頭檢索時取得更高的準(zhǔn)確性。
本發(fā)明之所以具有如此顯著的技術(shù)效果，其原因在于如前面技術(shù)內(nèi)容所述，現(xiàn)有方法僅僅考慮了視頻的顏色特征，但實際上，除了顏色特征，運動特征也是視頻具有的重要特征。針對現(xiàn)有鏡頭檢索方法僅僅使用顏色特征的缺陷，本發(fā)明提出了集成顏色和運動特征進(jìn)行鏡頭檢索的方法，除了使用最優(yōu)匹配方法有效度量兩個鏡頭的顏色相似度以外，本發(fā)明還利用運動直方圖度量兩個鏡頭的運動相似度，所以，本發(fā)明能在現(xiàn)有技術(shù)的基礎(chǔ)上大大提高鏡頭檢索的準(zhǔn)確性。與僅僅利用顏色特征的現(xiàn)有方法相比，試驗對比結(jié)果證明了本發(fā)明在鏡頭檢索中的優(yōu)異表現(xiàn)。


圖1是本發(fā)明的流程示意圖；圖2是實驗對比中鏡頭檢索的6個語義類例子；圖3是本發(fā)明對足球鏡頭的檢索結(jié)果。
具體實施例方式
下面結(jié)合附圖和具體實施例對本發(fā)明作進(jìn)一步詳細(xì)的描述。
如圖1所示，一種集成顏色和運動特征進(jìn)行鏡頭檢索的方法，包括以下步驟1、鏡頭分割首先使用時空切片算法(spatio-temporal slice)，對視頻數(shù)據(jù)庫進(jìn)行鏡頭分割，以鏡頭作為視頻的基本結(jié)構(gòu)單元和檢索單元，關(guān)于時空切片算法的詳細(xì)描述可以參考文獻(xiàn)“Video Partitioning by Temporal Slice Coherency”[C.W.Ngo，T.C.Pong，and R.T.Chin，IEEE Transactions on Circuits andSystems for Video Technology，Vol.11，No.8，pp.941-953，August，2001]。
2、計算兩個鏡頭的顏色相似度在顏色特征上，利用圖論的最優(yōu)匹配方法，度量兩個鏡頭顏色相似度的方法如下在每個鏡頭內(nèi)部等間隔提取3個關(guān)鍵幀作為結(jié)點，構(gòu)造帶權(quán)二分圖G＝{X，Yk，Ek}，X表示查詢鏡頭X有3個等間隔的關(guān)鍵幀x1，x2，.x3，Yk表示視頻庫中的鏡頭Yk有3個等間隔的關(guān)鍵幀y1，y2，y3，邊集Ek＝{eij}，其中邊eij＝(xi，yj)表示xi與yj相似，邊eij的權(quán)值ωij表示xi與yj的相似值，使用直方圖的交來計算ωijωij=Intersect(xi,yj)=1A(xi,yj)ΣhΣsΣv{Hi(h,s,v),Hj(h,s,v)}]]>A(xi,yj)=min{ΣhΣsΣvHi(h,s,v),ΣhΣsΣvHj(h,s,v)}]]>Hi(h，s，v)是HSV顏色空間的直方圖，本發(fā)明用H，S，V分量在18×3×3的三維空間中統(tǒng)計直方圖，以歸一化后的162個數(shù)值作為顏色特征值，Inter sect(xi，yj)表示兩個直方圖的交，用它來判斷兩個關(guān)鍵幀的相似性，使用A(xi，yj)歸一化Inter sect(xi，yj)到0，1之間；然后利用圖論的最優(yōu)匹配算法，求出G＝{X，Yk，Ek}的最優(yōu)匹配M后，把M每條邊eij的權(quán)值ωij相加，求得G＝{X，Yk，Ek}的最大權(quán)ω，本發(fā)明定義兩個鏡頭X和Yk的顏色相似度Similaritycolor(X,Yk)=ω3,]]>使用3將Similaritycolor(X，Yk)歸一化到0，1之間，值越大，表明鏡頭X和Yk越相似。
本實施例中采用的最優(yōu)匹配算法是Kuhn-Munkres方法，該方法的具體內(nèi)容可見專利文獻(xiàn)“一種基于內(nèi)容的鏡頭檢索方法”(申請?zhí)?3150127.3，
公開日2004年2月25日)。
3、計算兩個鏡頭的運動相似度在運動特征上，直接在壓縮域上提取鏡頭的運動矢量，然后構(gòu)造鏡頭的運動直方圖的方法如下(A)運動角度angle(i，j)作為運動直方圖的橫坐標(biāo)；(B)運動強(qiáng)度int ensity(i，j)作為運動直方圖的縱坐標(biāo)，i，j表示視頻相鄰的兩幀。運動角度表示運動矢量的方向，而運動強(qiáng)度表示運動矢量的能量或強(qiáng)度，它們的計算方法如下angle(i,j)=arctg(dyi,jdxi,j)]]>intensity(i,j)=dxi,j2+dyi,j2]]>(dxi，j，dyi，j)表示運動矢量的橫坐標(biāo)和縱坐標(biāo)。運動角度在2π范圍內(nèi)，被量化到n個角度范圍。然后，在鏡頭內(nèi)，每個角度范圍的運動強(qiáng)度被累加形成鏡頭的運動直方圖HX(angle)，HX(angle)的橫坐標(biāo)是角度范圍n，縱坐標(biāo)是運動強(qiáng)度，X表示鏡頭，angle∈[1，n]。在本實施例中，n＝8，另外，視頻中僅僅考慮P-幀，這是為了減少計算的復(fù)雜性，加快速度。最終，兩個鏡頭X和Yk的相似度定義為Similaritymotion(X,Yk)=1A(HX,HYk)Σanglemin{HX(angle),HYk(angle)}]]>其中，A(HX,HYk)=max{ΣangleHX(angle),ΣangleHYk(angle)}]]>4、計算兩個鏡頭總的相似度最后，兩個鏡頭的相似度，取決于上述顏色相似度和運動相似度的總和Similarity(X，Yk)＝ω1Similaritycolor(X，Yk)+ω2Similaritymotion(X，Yk)Similarity(X，Yk)表示兩個鏡頭X和Yk的相似度，Similaritycolor(X，Yk)表示兩個鏡頭X和Yk的顏色相似度，Similaritymotion(X，Yk)表示兩個鏡頭X和Yk的運動相似度，ω1和ω2表示Similaritycolor(X，Yk)和Similaritymotion(X，Yk)在最后相似度SimiIarity(X，Yk)中所占的比重，在本實施例中，ω1＝0.7，ω2＝0.3。
下面的實驗結(jié)果表明，本發(fā)明取得了比現(xiàn)有方法更高的檢索準(zhǔn)確性，證明了本發(fā)明在鏡頭檢索中的優(yōu)異表現(xiàn)。
實驗用的鏡頭檢索數(shù)據(jù)庫總共由3個小時的視頻組成，包括3，392個鏡頭。它包含多種體育項目，如各種球類運動、舉重、游泳以及插播的廣告節(jié)目等。在對比試驗中，我們使用了6類體育運動作為查詢鏡頭，它們是游泳，柔道，排球，足球，擊劍和曲棍球，如圖2所示。
為了證明本發(fā)明的有效性，我們測試了以下3種方法做實驗對比(1)本發(fā)明所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法；(2)現(xiàn)有方法1申請人所申請的另一項發(fā)明專利申請公開了“一種基于內(nèi)容的鏡頭檢索方法”(申請?zhí)?3150127.3，
公開日2004年2月25日)，兩種算法中的“算法A子鏡頭構(gòu)造帶權(quán)二分圖的算法”；(3)現(xiàn)有方法2申請人所中請的另一項發(fā)明專利申請公開了“一種基于內(nèi)容的鏡頭檢索方法”(申請?zhí)?3150127.3，
公開日2004年2月25日)，兩種算法中的“算法B等間隔采樣構(gòu)造帶權(quán)二分圖的算法”；(4)現(xiàn)有方法32002年在International Journal of Computer Vision發(fā)表的文獻(xiàn)“Motion-based Video Representation for Scene Change Detection”(作者是C.W.Ngo，T.C.Pong，and H.J.Zhang，Vol.50，No.2，頁碼127-143)(5)現(xiàn)有方法4使用每個鏡頭的首幀做關(guān)鍵幀的鏡頭檢索方法。
上述5種方法，在顏色特征上，都使用了HSV的162個分量做顏色特征值，使用直方圖的交來度量兩幅圖像的相似性，因此，最后的實驗結(jié)果能夠證明本發(fā)明的優(yōu)越性。
實驗采用了兩種在MPEG-7標(biāo)準(zhǔn)化活動中的評價指標(biāo)平均歸一化調(diào)整后的檢索秩ANMRR(Average Normalized Modified Retrieval Rank)和平均查全率AR(Average Recall)。AR類似于傳統(tǒng)的查全率(Recall)，而ANMRR與傳統(tǒng)的查準(zhǔn)率(Precision)相比，不僅能夠反映出正確的檢索結(jié)果比例，而且能夠反映出正確結(jié)果的排列序號。ANMRR值越小，意味著檢索得到的正確鏡頭的排名越靠前；AR值越大，意味著在前K(K是檢索結(jié)果的截斷值)個查詢結(jié)果中相似鏡頭占所有相似鏡頭的比例越大。所以，AR越大，說明鏡頭檢索的查全率越好；ANMRR越小，說明鏡頭檢索的準(zhǔn)確性越高。表2是上述4種方法對6個語義鏡頭類的AR和ANMRR比較。
表2 本發(fā)明與現(xiàn)有方法的對比實驗結(jié)果

從表2可以看出，本發(fā)明無論是AR，還是ANMRR，都取得了比現(xiàn)有的方法更好的效果，這主要是因為現(xiàn)有方法僅僅考慮了顏色特征，而本發(fā)明除了考慮顏色特征，還考慮了運動特征。最后兩個鏡頭的相似度，取決于鏡頭顏色相似度和運動相似度的總和。試驗對比結(jié)果證明了本發(fā)明在視頻鏡頭檢索中的優(yōu)異表現(xiàn)。
圖3給出了本發(fā)明對足球比賽鏡頭的檢索結(jié)果。按照鏡頭相似度從大到小排列檢索結(jié)果，排列的順序是從左到右，從上到下。其中，第一張圖像即是查詢鏡頭本身，因為它與自己的相似度是最高的，所以排列在查詢結(jié)果的第一位。從圖3可以看出，檢索結(jié)果都是關(guān)于足球比賽的鏡頭。
本發(fā)明所述的方法并不限于具體實施方式
中所述的實施例，本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的技術(shù)方案得出其他的實施方式，同樣屬于本發(fā)明的技術(shù)創(chuàng)新范圍。
權(quán)利要求
1.集成顏色和運動特征進(jìn)行鏡頭檢索的方法，包括以下步驟(1)首先對視頻數(shù)據(jù)庫進(jìn)行鏡頭分割，以鏡頭作為視頻的基本結(jié)構(gòu)單元和檢索單元；(2)在顏色特征上，利用圖論的最優(yōu)匹配方法，度量兩個鏡頭X和Yk的顏色相似度Similaritycolor(X，Yk)；(3)在運動特征上，直接在壓縮域上提取鏡頭的運動矢量，然后構(gòu)造鏡頭的運動直方圖的方法如下(A)運動角度angle(i，j)作為運動直方圖的橫坐標(biāo)；(B)運動強(qiáng)度int ensity(i，j)作為運動直方圖的縵坐標(biāo)，i，j表示視頻相鄰的兩幀；運動角度表示運動矢量的方向，而運動強(qiáng)度表示運動矢量的能量或強(qiáng)度，它們的計算方法如下angle(i,j)=arctg(dyi,jdxi,j)]]>intensity(i,j)=dxi,j2+dyi,j2]]>(dxi，j，dyi，j)表示運動矢量的橫坐標(biāo)和縱坐標(biāo)。運動角度在2π范圍內(nèi)，被量化到n個角度范圍，其中n為整數(shù)，然后，在鏡頭內(nèi)，每個角度范圍的運動強(qiáng)度被累加形成鏡頭的運動直方圖HX(angle)，HX(angle)的橫坐標(biāo)是角度范圍n，縱坐標(biāo)是運動強(qiáng)度，X表示鏡頭，angle∈[1，n]；最終，兩個鏡頭X和Yk的運動相似度定義為Similaritymotion(X，Yk)Similaritymotion(X,Yk)=1A(HX,HYk)Σanglemin{HX(angle),HYk(angle)}]]>其中，A(HX,HYk)=max{ΣangleHX(angle),ΣangleHYk(angle)}]]>(4)最后，兩個鏡頭的相似度Similarity(X，Yk)，取決于上述顏色相似度Similaritycolor(X，Yk)和運動相似度Similaritymotion(X，Yk)的總和，相似度Similarity(X，Yk)值越大，表示兩鏡頭越相似。
2.如權(quán)利要求1所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，其特征在于步驟(2)中，在每個鏡頭內(nèi)部等間隔提取3個關(guān)鍵幀作為結(jié)點，構(gòu)造帶權(quán)二分圖G＝{X，Yk，Ek}，X表示查詢鏡頭X有3個等間隔的關(guān)鍵幀x1，x2，.x3，Yk表示視頻庫中的鏡頭Yk有3個等間隔的關(guān)鍵幀y1，y2，y3，邊集Ek＝{eij}，其中邊eij＝(xi，yj)表示xi與yj相似，邊eij的權(quán)值ωij表示xi與yj的相似值，使用直方圖的交來計算ωijωij=Intersect(xi,yi)=1A(xi,yi)ΣhΣsΣv{Hi(h,s,v),Hj(h,s,v)}]]>其中，A=(xi,yj)=min{ΣhΣsΣvHi(h,s,v),ΣhΣsΣvHj(h,s,v)}]]>Hi(h，s，v)是HSV顏色空間的直方圖，本發(fā)明用H，S，V分量在18×3×3的三維空間中統(tǒng)計直方圖，以歸一化后的162個數(shù)值作為顏色特征值，Intersect(xi，yj)表示兩個直方圖的交，用它來判斷兩個關(guān)鍵幀的相似性，使用A(xi，yj)歸一化Intersect(xi，yj)到0，1之間；然后利用圖論的最優(yōu)匹配算法，求出G＝{X，Yk，Ek}的最優(yōu)匹配M后，把M每條邊eij的權(quán)值ωij相加，求得G＝{X，Yk，Ek}的最大權(quán)ω，本發(fā)明定義兩個鏡頭X和Yk的顏色相似度Similaritycolor(X,Yk)=ω3,]]>使用3將Similaritycolor(X，Yk)歸一化到0，1之間，值越大，表明鏡頭X和Yk越相似。
3.如權(quán)利要求2所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，其特征在于步驟(2)中所述的圖論的最優(yōu)匹配算法是Kuhn_Munkres方法。
4.如權(quán)利要求1所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，其特征在于步驟(3)中，量化的角度范圍n＝8。
5.如權(quán)利要求1或3所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，其特征在于步驟(4)中，兩個鏡頭的相似度Similarity(X，Yk)取決于上述顏色相似度Similaritycolor(X，Yk)和運動相似度Similaritymotion(X，Yk)的總和Similarity(X，Yk)＝ω1Similaritycolor(X，Yk)+ω2Similaritymotion(X，Yk)其中，ω1和ω2表示Similaritycolor(X，Yk)和Similaritymotion(X，Yk)在最后相似度Similarity(X，Yk)中所占的比重，ω1+ω2＝1。
6.如權(quán)利要求4所述的集成顏色和運動特征進(jìn)行鏡頭檢索的方法，其特征在于步驟(4)中，ω1＝0.7，ω2＝0.3。
全文摘要
本發(fā)明屬于視頻檢索技術(shù)領(lǐng)域，具體涉及集成顏色和運動特征進(jìn)行鏡頭檢索的方法?，F(xiàn)有的鏡頭檢索方法僅僅考慮了視頻的顏色特征，因此存在檢索準(zhǔn)確性較低的問題。針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了同時利用顏色和運動特征進(jìn)行鏡頭檢索的方法在顏色特征上，提出利用圖論的最優(yōu)匹配方法度量兩個鏡頭的相似度；在運動特征上，本發(fā)明直接在壓縮域上提取鏡頭的運動特征，然后構(gòu)造鏡頭的運動直方圖度量兩個鏡頭的運動相似度。最后兩個鏡頭的相似度，取決于它們顏色相似度和運動相似度的總和。與僅僅使用顏色特征的現(xiàn)有方法相比，試驗對比結(jié)果證明了本發(fā)明能夠取得更高的準(zhǔn)確性。
文檔編號G06F17/30GK1710562SQ20051008421
公開日2005年12月21日 申請日期2005年7月18日 優(yōu)先權(quán)日2005年7月18日
發(fā)明者彭宇新, 肖建國 申請人:北大方正集團(tuán)有限公司, 北京北大方正技術(shù)研究院有限公司, 北京大學(xué)計算機(jī)科學(xué)技術(shù)研究所