基于Rough Set 与SVM 的关键帧提取方法.pdfVIP

第２９卷第６期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．６ ２０１２年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１２ 基于ＲｏｕｇｈＳｅｔ与ＳＶＭ 的关键帧提取方法 １ ２ 韩加亮 　吴　渝 １（山东省交通医院信息科　山东济南２５００１２） ２（重庆邮电大学人工智能研究所　重庆４０００６５） 摘　要　　综合利用ＭＰＥＧ视频流压缩域中Ｐ帧、Ｂ帧的ＤＣ系数和运动特征以及非压缩域纹理特征，提出一种基于ＲｏｕｇｈＳｅｔ与 ＳＶＭ的关键帧提取方法。该方法首先提取视频流中Ｐ帧、Ｂ帧的ＤＣ系数、分析运动活力性和运动空间分布和宏块类型、提取帧图 的纹理特征后，利用ＲｏｕｇｈＳｅｔ对这些特征进行约减后，用ＳＶＭ进行分类识别。实验表明，该方法能有效地识别关键帧。 关键词　　ＲｏｕｇｈＳｅｔ　ＳＶＭ　运动特征　纹理特征　ＤＣ 中图分类号　ＴＰ３７　　　　文献标识码　Ａ ＫＥＹＦＲＡＭＥＥＸＴＲＡＣＴＩＯＮＢＡＳＥＤＯＮＲＯＵＧＨＳＥＴＡＮＤＳＶＭ １ ２ ＨａｎＪｉａｌｉａｎｇ　ＷｕＹｕ １（ＳｈａｎｄｏｎｇＣｏｍｍｕｎｉｃａｔｉｏｎｓＨｏｓｐｉｔａｌＩｎｆｏｒｍａｔｉｏｎＢｒａｎｃｈ，Ｊｉｎａｎ２５００１２，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ） ２（ＩｎｓｔｉｔｕｔｅｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＡｎａｐｐｒｏａｃｈｆｏｒｋｅｙｆｒａｍｅｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎＲｏｕｇｈＳｅｔａｎｄＳＶＭｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｐａｐｅｒ，ｗｈｉｃｈｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｕｔｉｌｉｓｅｓ ｔｈｅＤＣｃｏｅｆｆｉｃｉｅｎｔｏｆＰｆｒａｍｅａｎｄＢｆｒａｍｅａｎｄｔｈｅｍｏｔｉｏｎｆｅａｔｕｒｅｓｉｎｃｏｍｐｒｅｓｓｅｄｄｏｍａｉｎｏｆＭＰＥＧｖｉｄｅｏｓｔｒｅａｍａｓｗｅｌｌａｓｔｈｅｎｏｎｃｏｍｐｒｅｓｓｅｄ ｄｏｍａｉｎｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ．Ｆｉｒｓｔ，ｔｈｅｍｅｔｈｏｄｅｘｔｒａｃｔｓｔｈｅＤＣｃｏｅｆｆｉｃｉｅｎｔｏｆＰｆｒａｍｅａｎｄＢｆｒａｍｅｆｒｏｍｖｉｄｅｏｓｔｒｅａｍ，ａｎｄｔｈｅｎｉｔａｎａｌｙｓｅｓｔｈｅ ｍｏｔｉｏｎａｃｔｉｖｉｔｙ，ｔｈｅｍｏｔｉｏｎｓｐａｃｅｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｔｈｅｔｙｐｅｏｆｍａｃｒｏｂｌｏｃｋｓ．Ａｆｔｅｒｔｈｅｆｒａｍｅｔｅｘｔｕｒｅｆｅａｔｕｒｅｓａｒｅｅｘｔｒａｃｔｅｄ，ＲｏｕｇｈＳｅｔｉｓ ｅｍｐｌｏｙｅｄｔｏｃｏｎｄｕｃｔｔｈｅｒｅｄｕｃｔｉｏｎｏｎｔｈｅｍａｎｄＳＶＭｉｓｕｓｅｄｔｏｓｏｒｔａｎｄｉｄｅｎｔｉｆｙｔｈｅｍａｆｔｅｒｗａｒｄｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｐｐｒｏａｃｈ ｉｓｅｆｆｅｃｔｉｖｅｉｎｋｅｙｆｒａｍｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｒｏｕｇｈｓｅｔ　ＳＶＭ　Ｍｏｔｉｏｎｃｈａｒａｃｔｅｒ　Ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ　ＤＣ 键帧进行分类识别。实验结果表明，该方法的关键帧的识别率 ０　引　言 有了很大的提高，计算也相对简单。 互联网和多媒体技术的发展日新月异，随着视频信息逐渐 １　主要的关键帧提取算法 成为互联网中最重要的数据资源，基于文本的检索方式已无法 满足人们对这些视频信息的实时查询、浏览以及检索。鉴于此， 关键帧选取最基本的方法主要有四类，即