[发明专利]基于人物特征的新闻视频正式独白镜头的检测方法

说明书

技术领域

本发明涉及的是一种视频处理技术领域的检测方法，具体是一种基于人物特征的新闻视频正式独白镜头的检测方法。

背景技术

随着互联网的迅速发展，各类多媒体应用不断涌现，如今网络视频已成为人们现在获取信息和娱乐的主要来源之一。这些视频中包含了大量有用的信息。然而，由于这些视频是无序地分布在世界各地，视频中包含的信息无法被有效地访问和利用。这就要求有一种能够快速而且准确地查找访问这些视频的技术，视频分类技术就能很好的解决这一难题。在新闻类视频中，“正式独白”镜头具有很大的信息量并且包含关键信息，此类镜头在智能新闻浏览和政治类新闻视频检索中扮演重要角色，因此检索出此类镜头具有很高的实用价值。

目前，常见的“正式独白”镜头中首先包含一位身着正装，正对摄像机的主讲人以及若干个无关人员。其次，画面的背景是静止的。再次，画面下方有电视台打出的新闻标题栏，整个镜头持续时间较长。

经过对现有技术的检索发现，中国专利公开号CN101316327，公开日2008-12-3，记载了一种“一种多模态融合的采访镜头检测方法”，该技术分别对原始视频中的视频流和音频流进行检测，对视频中的帧进行人脸检测，对音频流进行人声检测，融合检测结果最后判断是否是采访镜头；中国专利公开号CN1825936，公开日2006-08-30，记载了一种“基于语音分类识别的新闻视频检索方法”，该技术首先分割出标准语音的所有语音片断，然后运用语音识别系统，对分割出的标准语音进行识别。实现从文本到视频的新闻检索。上述两种技术都涉及视频的分类方法，但仍然存在以下缺陷：在对视频的分类方法中仅仅采用语音识别或者简单的视频特征匹配，对于视频内容的检测和分类准确率较低，且计算量过大。

发明内容

本发明的目的在于克服现有技术的上述不足，提供一种基于人物特征的新闻视频正式独白镜头的检测方法。本发明先去除持续时间过短的镜头，又去除没有人脸及人脸位置和大小不符合要求的镜头，再淘汰运动剧烈的镜头，接着提取人的上半身区域的BOW(Bag OfWords，词袋)特征，最后利用支持向量机进行分类判断，从而使得本发明检测新闻视频正式独白镜头的准确率大大提高，但是计算量却明显减少，提高了检索的效率。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步，输入一段新闻视频，对每帧图像按照顺序进行阿拉伯数字编号，使用镜头切变检测将视频分为若干镜头，去除其中持续时间小于阈值T₁的镜头，并提取剩余的每个镜头的关键帧。

所述的镜头切变检测，是：根据下面的公式得到新闻视频中相邻的两帧的帧差异值，当相邻两帧的帧差异值大于阈值T₂时，则这两帧分别作为一个镜头的最后一帧和另一个镜头的第一帧，具体公式为：

z(k,k+l)=1MNΣx=1MΣy=1N|Ik(x,y)-Ik+l(x,y)|,]]>