[发明专利]用于检测视频中的场景边界的由计算机实现的方法

权利要求书

1.一种用于检测视频中的场景边界的由计算机实现的方法，该方法包括以下步骤：

从不同种类的视频中提取特征向量；以及

使用支持向量机将所述特征向量分类为场景边界，并且其中该支持向量机被训练为与所述视频的所述不同种类无关。

2.如权利要求1所述的方法，所述方法还包括以下步骤：

从所述视频的音频信号中提取听觉特征；

从所述视频的帧中提取视觉特征；以及

将所述听觉特征和所述视觉特征组合为所述特征向量。

3.如权利要求1所述的方法，其中所述视频被压缩。

4.如权利要求1所述的方法，所述方法还包括以下步骤：

反馈所述分类的结果以改进所述特征提取。

5.如权利要求1所述的方法，所述方法还包括以下步骤：

根据所述场景边界分割所述视频。

6.如权利要求1所述的方法，所述方法还包括以下步骤：

在训练视频中标注所述场景边界以训练所述支持向量机。

7.如权利要求2所述的方法，所述方法还包括以下步骤：

从所述音频信号中提取Mel频率倒谱系数(MFCC)；以及

将所述音频信号分类为语义类。

8.如权利要求7所述的方法，其中所述语义类包括音乐、语音、笑声和静音。

9.如权利要求8所述的方法，其中所述语音包括男声语音和女声语音。

10.如权利要求2所述的方法，其中所述视觉特征包括镜头边界。

11.如权利要求7所述的方法，其中每个特征向量包括：变量x₁，x₂，x₃，表示在持续时间[t-W_L，t]的时间窗内音频类标注的数量，其中W_L为大约14秒；变量x₄，x₅，x₆，表示在持续时间的窗内音频类的数目；以及变量x₇，x₈，x₉，表示在窗内的音频类的数目；变量x₁₀，x₁₁，分别是针对窗[t-W_L，t]和窗[t，t+W_L]的MFCC系数之间的巴氏形状和马氏距离；以及变量x₁₂，是在窗[t-W_L，t+W_L]中的视频内呈现的镜头边界的平均数的两倍。