一种基于聚类的主持人镜头检测算法.pdfVIP

电子发烧友 电子技术论坛 一种基于聚类的主持人镜头检测算法 摘 要：随着数字视频的广泛应用，视频数据库系统已成为基于内容的视频检索领域的 一个研究热点。在建立视频数据库的过程中，主持人镜头的检测是一个重要而又难以解决的 问题。本文先在镜头级别对视频提取一系列的时域和空域特征，如人脸特征，彩色纹理特征， 镜头时间长度等。然后综合采用决策树和聚类分析方法对镜头分类，判断镜头中是否有主持 人，从而实现主持人镜头的检测。实验表明，采用本文提出的算法，准确率可达 98.7% ，同时 查全率为 95.2%，较好的解决了这一问题。 关 键 词：视频检索；聚类分析；主持人镜头的检测 中图分类号：TP391.4 文献标识码：A A clustering-based approach to anchor shot detection for news video Abstract: With the wide application of digital video, video database library has been an important direct of content based video retrieval. In the field of video database research, the detection of anchor shot is an important problem hard to solve. The video is analyzed at the shot level using a variety of features in the Spatial and Time Domain. Then we employ Decision Trees and clustering technique to classify the shot into anchor shot or unanchored shot. The experiment indicated that we can achieve a high precision of 98.7%, while the recall was up to 92.9%. Key words: Video retrieval, clustering, detection of anchor shot 引言 多媒体和视频压缩技术的发展和广泛应用使得视频信息呈指数级增长，视频数据库的建 立对视频信息的分类、管理和检索至关重要。由于新闻视频包含了大量的信息，在视频检索中 被检索率极高，因此如何建立一个高效的新闻视频数据库成为信息领域的一个研究热点。建立 新闻视频数据库的一个关键问题是如何将新闻视频按事件（story ）进行分割，从而标注一个个 独立的新闻或事件，易于检索、分类和分析。由于新闻事件分割的重要性和复杂性，在 TRECVID （TREC Video Retrieval Evaluation ）1 中,每年都会有新闻事件分割（news story segmentation ）准 确度的评测[1]。 新闻视频中的主持人镜头，即含有“主持人帧”的镜头，是新闻场景的重要结构特征，它 的出现往往表示新闻故事的结束和开始。因此，主持人镜头的检测成为对新闻视频进行事件分 割的主要方法。 近年来中外学者针对这一问题做了大量的研究与探索。M. De Santo 等人 [2] 利用了主持人 镜头在一段时间内反复出现和时间较长的特点，建立了三个决策树分类器组成一个多专家系统， 来实现主持人的检测。几年后，他们[3]又加入了针对音频特征的分类器来改善检测的效果，但 由于音频检测的精度较差，所以整个系统检测效果改善不大。Lekha Chaisorn 等人[4]利用主持人 镜头中存在人脸特点，通过检测人脸的数目，镜头时间长度等特征建立决策树来实现主持人镜 头的检测。这种算法的优点在于对于数据中的噪音有很强的鲁棒性，但很难区分会议镜头与主 持人镜头。论文[5] 利用主持人镜头内运动变化较小，时间较长的特点，获取候选的主持人镜头， 然后根据主持人反复出现的特点，检测出主持人镜头。如上所述，虽然国内外针对这一问题已 做了大量的研究，也取得了一定的成果，但仍然存在较大的问题。 本