鏡頭邊界檢測(cè)是視頻語(yǔ)義分析和編輯任務(wù)的重要預(yù)處理步驟,旨在檢測(cè)出視頻中鏡頭的切變和漸變,實(shí)現(xiàn)對(duì)鏡頭的自動(dòng)分割;如何高效且準(zhǔn)確地識(shí)別出視頻中的鏡頭邊界仍然是一項(xiàng)挑戰(zhàn)。目前大多數(shù)鏡頭邊界檢測(cè)方法基于精心設(shè)計(jì)的手工特征,檢測(cè)效果嚴(yán)重依賴于經(jīng)驗(yàn)確定的參數(shù),可擴(kuò)展性不強(qiáng)。這些方法往往通過設(shè)計(jì)更復(fù)雜的特征、相似度度量方法或者分類方法以提高檢測(cè)準(zhǔn)確度,計(jì)算代價(jià)大且實(shí)現(xiàn)復(fù)雜。針對(duì)以上問題,構(gòu)建了一個(gè)基于深度卷積神經(jīng)網(wǎng)絡(luò)的鏡頭邊界檢測(cè)模型。整個(gè)模型分為三個(gè)階段。第一階段初步定位出視頻中可能發(fā)生鏡頭切換的位置,使用卷積神經(jīng)網(wǎng)絡(luò)的高層輸出作為視頻幀的特征表示,計(jì)算相鄰幀之間的差異度,快速排除大部分非鏡頭邊界幀。針對(duì)漸變長(zhǎng)度多變的特性,采用多個(gè)時(shí)間尺度對(duì)視頻進(jìn)行下采樣,然后合并不同尺度下獲得的候選邊界幀。第二階段利用三維卷積神經(jīng)網(wǎng)絡(luò)識(shí)別出候選邊界幀中的切變,并基于檢測(cè)網(wǎng)絡(luò)輸出的漸變概率初步定位出視頻中可能發(fā)生漸變的位置。第三階段進(jìn)一步定位出漸變的時(shí)間邊界,利用卷積神經(jīng)網(wǎng)絡(luò)判斷每一幀屬于漸變開始、中間和結(jié)束三種狀態(tài)的概率,然后通過定位這三種概率信號(hào)的強(qiáng)峰值,確定出漸變過程的起止時(shí)間。使用公共數(shù)據(jù)集ClipSho...

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究目的及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究目標(biāo)及所做的工作
    1.4 論文的組織結(jié)構(gòu)
2 鏡頭邊界初始定位
    2.1 算法描述
    2.2 特征提取
    2.3 實(shí)驗(yàn)結(jié)果與分析
    2.4 本章小結(jié)
3 切變檢測(cè)
    3.1 檢測(cè)模型設(shè)計(jì)
    3.2 網(wǎng)絡(luò)訓(xùn)練
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
4 漸變檢測(cè)
    4.1 漸變過程時(shí)間定位
    4.2 原始標(biāo)簽轉(zhuǎn)換
    4.3 網(wǎng)絡(luò)訓(xùn)練
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 存在的問題
    5.3 研究展望
致謝
參考文獻(xiàn)



本文編號(hào)：3849940