下载文档原格式
基于关键帧序列的视频片段检索
施智平;李清勇;史俊;史忠植
【期刊名称】《计算机应用》
【年(卷),期】2005(025)008
【摘要】提出了一种基于关键帧融合的视频片段检索方法.使用特征联合分布直方图将视频分割为子镜头,子镜头用关键帧表示.检索时,对范例视频片段的每个关键帧检索到相似的关键帧,所有的相似关键帧按照时间连续性融合为视频片段.提出一种快速的视频片段相似度计算模型.实验表明,本文的方法快速有效.
【总页数】4页(P1783-1785,1788)
【作者】施智平;李清勇;史俊;史忠植
【作者单位】中国科学院,计算技术研究所,北京,100080;中国科学院,研究生院,北京,100039;中国科学院,计算技术研究所,北京,100080;中国科学院,研究生院,北京,100039;中国科学院,计算技术研究所,北京,100080;中国科学院,研究生院,北京,100039;中国科学院,计算技术研究所,北京,100080
【正文语种】中文
【中图分类】TP391
【相关文献】
1.血管内超声图像序列关键帧的自动检索 [J], 王立欣;孙正
2.基于视频指纹的视频片段检索方法 [J], 李泽洲;欧阳建权;张敏;刘炜
3.基于内容的视频片段检索技术研究 [J], 赵亚琴;江莺
4.基于视频片段的视频检索 [J], 胡振兴;夏利民
5.柔性姿态估计和时空特征结合的乒乓球动作视频片段关键帧提取 [J], 蔡冠蓝因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于互信息量的关键帧提取方法
黄兰英
【期刊名称】《湖北工程学院学报》
【年(卷),期】2008(028)003
【摘要】关键帧提取技术是视频分析和基于内容的视频检索的基础,关键帧的使用大大减少了视频索引的数据量,同时也为视频摘要和检索提供了一个组织框架.介绍了目前的关键帧提取技术,提出了一种基于互信息量的关键帧提取方法,实验证明该方法能较好地提取出视频序列的关键帧.
【总页数】5页(P54-58)
【作者】黄兰英
【作者单位】孝感学院,计算机科学系,湖北,孝感,432000
【正文语种】中文
【中图分类】TP37
【相关文献】
1.基于互信息量的关键帧全局优化提取方法 [J], 陈赞;杨卫英;张正军
2.一种基于局部二值模式的关键帧提取方法 [J], 张芯;谢毓湘;栾悉道
3.一种基于分层 AP 的视频关键帧提取方法研究 [J], 党宏社;白梅
4.一种基于关键帧技术的监控视频摘要提取方法 [J], 王璐
5.基于互信息量的视频关键帧提取方法 [J], 王志强;樊景峰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于文字和图像信息提取视频关键帧
于俊清;周洞汝;刘军;蔡波
【期刊名称】《计算机工程与应用》
【年(卷),期】2002(038)009
【摘要】关键帧提取是基于内容检索的一个重要的组成部分,所提取的关键帧的质量的好坏,直接影响检索的结果该文介绍了目前几种较为典型的算法,并在对其进行分析比较的基础上,针对新闻视频提出了基于文字和图像信息提取关键帧的算法,取得了很好的效果,最后在结论中提出了综合运用音频、图像、文字和运动信息提取关键帧的层次化算法思想.
【总页数】3页(P83-85)
【作者】于俊清;周洞汝;刘军;蔡波
【作者单位】武汉大学计算机学院,武汉,430072;武汉大学计算机学院,武
汉,430072;北京电力科学研究院,北京,100044;武汉大学计算机学院,武汉,430072【正文语种】中文
【中图分类】TP941.1
【相关文献】
1.基于水下视频图像去雾帘的关键帧提取系统 [J], 彭海强;廖华丽
2.基于图像主色彩的视频关键帧提取方法 [J], 王松;韩永国;吴亚东;张赛楠
3.基于NSCT图像文字信息提取新方法 [J], 种耀华;张久文;董敏
4.基于NSCT图像文字信息提取新方法 [J], 种耀华;张久文;董敏;
5.一种基于深度学习的目标检测提取视频图像关键帧的方法 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。
基于粒子群的关键帧提取算法张建明;蒋兴杰;李广翠;姜靓【摘要】Key frame extraction was an important step in video retrieval. In order to effectively extract key frames of different video types, a key frame extraction algorithm based on particle swarm was proposed in this paper. This method first extracted the global motion and local motion features in each frame, and video key frame was extracted by Particle Swarm Optimization (PSO) adaptively. The experimental results show that the key frame extraction algorithm for different types of video is more representative.%关键帧提取是基于内容的视频检索中的重要一步,为了能够有效地提取出不同类型视频的关键帧,提出一种基于粒子群的关键帧提取算法.该方法首先提取出视频中每帧的全局运动和局部运动特征,然后通过粒子群算法自适应地提取视频关键帧.实验结果表明,采用该算法对不同类型的视频提取出的关键帧具有较好的代表性.【期刊名称】《计算机应用》【年(卷),期】2011(031)002【总页数】4页(P358-361)【关键词】视频检索;关键帧提取;粒子群;运动特征【作者】张建明;蒋兴杰;李广翠;姜靓【作者单位】江苏大学,计算机科学与通信工程学院,江苏,镇江,212013;江苏大学,计算机科学与通信工程学院,江苏,镇江,212013;江苏大学,计算机科学与通信工程学院,江苏,镇江,212013;江苏大学,计算机科学与通信工程学院,江苏,镇江,212013【正文语种】中文【中图分类】TP391.410 引言近年来，随着多媒体技术的快速发展，产生了大量的视频数据。
基于内容代表性评价的关键帧抽取
顾益军;解易;夏天
【期刊名称】《计算机科学》
【年(卷),期】2014(041)008
【摘要】视频关键帧提取技术是对视频进行摘要来提高视频内容访问效率的一种操作.传统的方法主要采用聚类的方法,未给出可信的关键帧代表性描述.尝试基于图计算算法实现关键帧抽取,该算法可以将一段视频中候选帧及其之间的关系表示成一个相关图,通过各帧间基于相关性对相邻帧的分值分配进行迭代计算,实现候选帧内容代表性评价;并提出了一种高效的帧间相关性计算方法.该方法通过两帧图像的最大稳定颜色区域(maximally stable colourregion,MSCR)的匹配情况判定它们的相关性.在测试视频上将该算法与传统算法进行了对比测试,测试的结果验证了该算法的有效性.
【总页数】4页(P286-288,315)
【作者】顾益军;解易;夏天
【作者单位】中国人民公安大学信息安全保卫学院北京100872;中国人民公安大学信息安全保卫学院北京100872;中国人民大学数据工程与知识工程教育部重点实验室北京100872 ;中国人民大学信息资源管理学院北京1008723
【正文语种】中文
【中图分类】TP391;G358
【相关文献】
1.基于内容的视频关键帧提取技术研究 [J], 杨华芬;郑欢鸣
2.基于镜头内容变化率的关键帧提取算法 [J], 丁洪丽;陈怀新
3.基于内容二次聚类的关键帧提取算法 [J], 刘晓楠
4.基于内容的搜索引擎中关键帧的提取 [J], 辛现伟;庞文莉
5.基于内容的项目视频关键帧识别技术研究 [J], 刘倩;罗桂娥;刘献如;;;
因版权原因，仅展示原文概要，查看原文内容请购买。
视频内容检索与推荐方法综述与对比随着互联网的发展和视频平台的兴起，大量的视频内容涌现出来，用户面临着内容过载的问题。
为了帮助用户快速找到想要的视频内容，视频内容检索与推荐方法应运而生。
本文旨在综述当前常用的视频内容检索与推荐方法，并进行对比分析。
一、视频内容检索方法1. 基于文本信息的检索方法基于文本信息的视频内容检索方法是最早也是最简单的方法之一。
该方法通过对视频相关的文本信息（如标题、标签、描述等）进行建模和检索，根据用户输入的关键词进行匹配。
然而，这种方法往往会受限于文本信息的质量和准确性，容易产生干扰性结果。
2. 基于视觉特征的检索方法基于视觉特征的视频内容检索方法主要是通过分析视频的视觉内容，计算图像或帧的特征，如颜色、纹理、形状等，利用这些特征进行相似度匹配。
这种方法可以克服文本信息的局限性，但在视频内容丰富或变化剧烈的情况下，效果有限。
3. 基于语义理解的检索方法基于语义理解的视频内容检索方法通过对视频内容进行语义分析和理解，构建视频的语义模型，从而实现更准确的检索。
这种方法一般采用深度学习技术，如卷积神经网络（CNN）和循环神经网络（RNN），能够捕捉到视频中的更高层次的语义信息。
二、视频内容推荐方法1. 基于协同过滤的推荐方法基于协同过滤的视频内容推荐方法是最常用和经典的推荐方法之一。
该方法通过分析用户行为数据，找到与目标用户最相似的其他用户或视频内容，根据这些相似性进行推荐。
协同过滤方法有基于用户的协同过滤和基于物品的协同过滤两种形式。
2. 基于内容过滤的推荐方法基于内容过滤的视频内容推荐方法是在视频内容的基础上进行推荐的方法。
该方法通过分析视频的特征和属性，构建视频的内容模型，根据用户的偏好和历史行为进行匹配和推荐。
这种方法一般使用机器学习算法，如聚类算法和分类算法。
3. 基于深度学习的推荐方法基于深度学习的视频内容推荐方法使用深度神经网络模型，能够更好地挖掘用户和视频内容之间的潜在关系。
