[发明专利]一种新闻视频场景生成方法

说明书

技术领域

本发明涉及多媒体技术领域，尤其涉及一种新闻视频场景生成方法。

背景技术

随着多媒体技术的迅速普及，人们需接触和处理大量的视频信息，现有的视频组织方式都是手动的进行视频段落的编辑，然后利用文本描述的方式来概括视频的内容。但是由于图像或视频的内容丰富，图像的很多特征如不规则形状、散布的纹理等难以用文本描述来表裂“。而且文字描述具有强烈的主观性，不同的观察者或同一观察者在不同角度下对同一事物的描述会不同。如果针对视觉信息的描述没有统一的标准，就不能很好地组织、查询这些信息，进而有效的利用它们。在视频的表述上，需要对其内容进行客观而准确的概括和描述，这是文本表示难以做到的。现实中存在着不计其数的视频资料，通过手工注释方法对其进行描述是一件很耗时间的工作，这是对人力资源的极大浪费。另外，人的抽象化工作不可能针对视频里的所有细节，所以目前的视频资料所拥有的注释是很不完全的。因此需要自动地或半自动地对视频内容进行分析和总结，并且客观准确的对其进行描述。

传统的方法不能完整的概括视频图像的“视觉内容”，因而在很多情况下不能满足用户的要求。“内容”表示图像的含义、要旨、主题、包含和显著的性质、实质性的东西、物理细节等，在某种意义上，它是与人们的客观视觉信息相一致的。用户最终希望的是能基于在内容中包含的抽象的概念和语义模式来访问多媒体信息，这就要求以一种可操作的方式分析、提取视频的特征，根据特征对视频进行分割，根据不同的需求对检索单元(如镜头、场景)进行重组，对多媒体信息进行表示，对提交的查询进行表达，而将视频进行基于内容的处理是实现合理有效的视频检索的前提。

基于内容的视频处理包括视频结构的分析、视频数据的自动索引和视频重组。视频结构的分析是通过检测镜头边界的，把视频分割成基本的组成单元——镜头；视频数据的自动索引就是从镜头中选取代表帧，以其特征作为镜头特征的代表；视频的重组包括根据代表帧的特征实现的场景提取和多个视频段的拼接。

镜头是指摄像机一次连续拍摄所得到的内容，它是视频的基本单位。镜头切换是指一个镜头到另一个镜头的转换，通过镜头切换的检测能够找到代表视频基本单元的相互独立的镜头。镜头的切换点指视频序列中两个不同镜头之问的分隔和衔接。采用不同的编辑方法，就产生了不同的镜头衔接方式，镜头切换主要有突变和渐变两种。

1、突变是指一个镜头与另一个镜头之划没有过渡，由一个镜头的瞬间直接转换到另一个镜头的方法。

2、渐变是指一个镜头到另一个镜头的渐渐过渡过程，没有明显的镜头跳跃。

场景是由时间上连续，视觉内容上相似或者语义上相关的镜头组成。语义上相关就是指和特定的背景相关或者是一个连续的情节。一个场景中的镜头都和一个主题相关。

镜头边界检测的主要根据是镜头内部的相邻帧之间有很大的相似性，当发生镜头边界时，该相似性将被破坏。镜头突变和渐变对相似性的破坏程度是不同的， 因此使用一个阈值，难以同时检测出突变和渐变。如果阈值过小，就会出现过检测；而如果阈值过大，就无法检测出渐变的镜头边界。文献[1]最早提出镜头渐变检测的双阈值比较的方法。该方法设置两个阈值和，其中。首先计算相邻两帧的帧差，当帧差大于时存在镜头突变；当帧差小于而大于时可能存在镜头渐变，此时认为该帧差的后一帧为渐变切换的潜在起始帧；然后同时计算两种帧差：一种帧差是相邻两帧的帧差，另一种帧差是相隔帧的帧差，即相隔帧的帧差。当相隔帧的帧差超过而相邻帧的帧差低于时，这一帧便为镜头渐变的终止帧。在相隔帧差开始计算后，同时观察相邻帧的帧差，如果小于，而相隔帧的帧差不超过时，废除该潜在起始帧，接着重新寻找新的起始帧。

上述技术方案存在以下问题：。

（1）在对视频进行处理时，是对所有视频帧进行了提取颜色直方图特征，并且是扫描整幅图像统计具有各颜色级的像素点个数，这么做会增加整个算法的复杂度，影响对视频的处理速度。

（2）   提取颜色直方图时，是对整个视频帧进行扫描每个像素点，没有考虑像素点在视频帧中的空间位置信息，这样会造成镜头分割结果漏掉一些镜头边界。

（3）   在确定渐变镜头边界的的时候，需要计算相隔帧的帧差，这同样会增加算法的计算复杂度。

（4）   没有考虑光照条件的变化及闪光灯会造成视频帧亮度的变化，引起各种视频特征的变化，从而容易误检测为镜头边界。

发明内容