[发明专利]一种基于图分割和实例学习的视频场景检测方法

权利要求书

1.一种基于图分割和实例学习的视频场景检测方法，其特征在于，包括以下步骤：

11)视频镜头分割，输入视频序列，利用视频镜头分割方法检测出给定视频序列中的所有镜头；

12)提取镜头的视觉相似度特征，从镜头中抽取关键帧，联合HSV特征和SIFT特征构造镜头的视觉相似度特征；

13)有向时序图的构造和分割，构造描述整个视频的有限时序图，将图分割成若干子图；

14)基于实例学习的场景检测，将部分子图识别为训练实例TE，剩下未识别的子图利用实例学习方法归类到已识别的子图中，最后输出的所有子图为检测到的场景。

2.根据权利要求1所述的一种基于图分割和实例学习的视频场景检测方法，其特征在于：所述的提取镜头的视觉相似度特征包括以下步骤：

21)提取镜头所有序列中的起始帧、中间一帧和结束帧作为关键帧，得到一个描述整个镜头的关键帧集合；

22)提取关键帧的SIFT特征，并对SIFT特征做归一化处理，其公式如下：

SimFFsift(Fai,Fbj)=MMin(Nai,Nbj);]]>

SimSSsift(Si,Sj)=Max(SimFFsift(Fhi,Flj)),h∈KFi,l∈KFj;]]>

其中，为关键帧的SIFT特征的数量，为关键帧的SIFT特征的数量，关键帧a属于镜头i，关键帧b属于镜头j，M为比较和后匹配的特征数量，KF_i为镜头i的关键帧集合，KF_j为镜头j的关键帧集合，为关键帧a和b的SIFT特征相似度，SimSS_sift(S_i，S_j)为镜头i和j的SIFT特征相似度；Th_sift为阈值，N_SimSS_sift(S_i，S_j)为归一化处理后的SIFT特征；

23)提取关键帧的HSV特征，并对HSV特征做归一化处理，其公式如下：

SimFF_color(F_i，F_j)＝∑_h∈binsMin(H_i(h)，H_j(h))，

SimSS_color(S_i，S_j)＝Max(SimFF_color(F_h，F_l))，h∈KF_i，l∈KF_j，

其中H_i为关键帧Fi的归一化HSV直方图，H_j为关键帧Fj的归一化HSV直方图，KF_i为镜头i的关键帧集合，KF_j为镜头j的关键帧集合，SimFF_color(F_i，F_j)为关键帧Fi和Fj的HSV特征相似度，SimSS_color(S_i，S_j)为镜头i和j的HSV特征相似度；

24)联合HSV特征和SIFT特征的镜头视觉相似度特征，其公式如下：

SimSS_visual(S_i，S_j)＝α·N_SimSS_sift(S_i，S_j)+β·SimSS_color(S_i，S_j)，

其中，α和β代表非负权值且α+β＝1。