[发明专利]一种镜头边界检测方法及系统

说明书

本发明涉及一种镜头边界检测方法及系统，所述的一种镜头边界检测方法包括：获取待检测视频；将待检测视频进行切割获取切割片段；对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；对候选片段进行切变检测以及渐变检测。通过本发明所述的一种镜头边界检测方法及系统能够针对大多的视频镜头高效的切割镜头边界，提取镜头元素。

技术领域

本发明涉及一种视频镜头分割边界检测技术领域，具体涉及一种镜头边界检测方法及系统。

背景技术

5G无线通信技术的出现，个人生产内容浪潮强劲，数字内容生产不再是专业群体的专利，大量用户使用手机就可以生产内容，从而带动数字资源不断增加，反过来又促进人们对无线传输需求不断加大，对有限带宽资源形成了巨大的资源压力。而且在个人生产内容的前提下海量无摘要视频分发在互联网上，由此相对应的是大量不良视频传播对用户造成骚扰。另一方面，数字媒体中的视频资源格式不尽相同，为了让用户在多媒体终端得到良好的视听觉体验，需要对视听内容进行统一管理、运营和播放控制，对于差异化的网络和终端播放条件提出系列视频快速分析技术，本发明涉及镜头边界提取方式是其中一个重要环节。

目前业界主要有三种提镜头边界的方法：基于聚类的方法、基于机器学习的方法和基于曲线规划的方法：

基于聚类的方法，即采用某种聚类算法将类似视频帧聚为一簇，选取每簇中的中心视频帧作为关键帧，以关键帧作为镜头边界切割边缘。具体的实现方法有模糊均值聚类算法、利用光谱聚类算法、相似度图聚类算法等方式。聚类算法提取镜头边界的缺陷在于需要提前设定聚类数目，但聚类数目量级由视频的长度与内容决定，导致需要大量的人工参与干涉，更多应用于实验室环境，无法应用于工程实例。

基于机器学习的方法，也称之为基于字典学习。即使用人工智能算法从给定的视频中学习提前标识好的字典，并动态更新字典中的元素，通过人工智能算法识别方式对视频场景进行判定，提取字典元素并组织为镜头边界提取要素。但此种方式需要大量已知标识数据训练，并且对于开放性、字典元素众多的长视频识别效率较低，而无法应用于我方场景。

基于曲线规划的方法，即将镜头边界拟合成坐标轴中的曲线，通过简化曲线作为镜头边界切割边缘。首先将视频分割成长度相同的块，然后根据该块中发生的事件为每个块分配一个优先级并绘制出优先权曲线，如果曲线图中两个峰值彼此相邻，那么与此相关的两个相邻块可能共同指代视频中的连续事件，则合并相邻的块。以这种方式提取的镜头具有良好的连续性并避免了重复。但该方法只能描述视频的主要变化点，细节变化不明显。

为了解决上述问题，本发明提出一种镜头边界检测方法及系统。

发明内容

本发明解决的技术问题是，提供了一种镜头边界检测方法及系统。所述的一种镜头边界检测方法及系统，能够针对大多的视频镜头高效的切割镜头边界，提取镜头元素。

为了解决上述技术问题，本发明提供的技术方案为：

一种镜头边界检测方法，包括：

获取待检测视频；

将待检测视频进行切割获取切割片段；

对切割片段通过像素亮度特征变化及运动补偿算法计算，获取候选片段；

对候选片段进行切变检测以及渐变检测。

优选地，所述的将待检测视频进行切割的方法为：

设定步长变量w；

每次移动步长k＝(w-y)/2，进行片段切割，所述y为任意值。

优选地，所述的像素亮度特征变化及运动补偿算法分别为：