李春亮[1]2004年在《广告视频探测技术研究》文中研究说明随着市场经济的深入发展,视频广告对于企业越发重要,并逐渐成为企业日常工作的一部分。广告公司和企业为了确保所做的视频广告取得应有的效益,必须派人来监测电视台对于合同的执行情况。同时文化管理部门会依据政府的行政命令要求电视台播出一些公益公告,政府通告、通知等。为了确保这些强制插播的视频在规定的时间内完全播放,文化监管部门也必须指定专人进行检测。目前视频广告的监测都是通过人工进行的,浪费了大量的人力物力资源。 视频数字化浪潮的发展使得电视台和信息服务商对于视频分类技术的依赖越来越重。广告视频探测作为视频分类的一个分支,其自动探测的实现为其他类型的视频探测提供借鉴。 本文探讨了广告视频的特点和实现广告视频自动探测的思想方法,把广告视频自动探测分为两个方面:广告板块探测和广告单元探测。针对广告板块探测,提出了基于多特征融合的滑窗边界探测算法;针对广告单元的检测,提出了基于帧匹配和镜头长度序列匹配相结合的广告单元探测算法。 本文的主要工作在于: ● 分析了广告视频的特点及其对应于视频结构、视频对象、音频等底层的特征,提出了广告视频的探测技术框架。 ● 提出了适用于广告板块边界探测的基于多特征融合的滑窗视频边界探测算法。研究了获取广告视频特征向量各分量的提取技术,这些技术包括压缩域的镜头分割技术、字幕区域探测技术、特征向量在某一置信度下的近似匹配技术。分析了表征广告视频类型属性的特征向量的各分量的权重的分配。 ● 提出了适用于广告单元的帧匹配与镜头相似匹配相结合的视频段匹配算法。探讨了基于DC分量的帧匹配算法和基于镜头长度序列的镜头相似匹配的视频段匹配算法。 ● 在上述技术的基础上设计并实现了广告视频探测的系统,验证了上述各章的思想方法。
李广东, 高新波, 赵力[2]2011年在《一种基于静帧特征分析的视频检索方法》文中研究表明由于视频流中嵌入的广告在制作和表现手法上的多样性,使得目前的探测方法效果并不理想。如何找出广告视频的独有特征是探测的关键所在。本文通过对大量广告在制作规律上的统计分析,提出了静帧密集度(Stat-ic frame density,SFD)的概念,静帧密集度是指视频流中1 min内出现静帧的个数,并利用静帧密集度结合镜头强度分析方法检测视频流中的广告序列,实验结果表明此方法具有较强的实用性。但是本文方法主要对时间连续的视频流中嵌套的广告段进行探测,因此不能分辨独立的短时广告,阈值的选取也是影响其性能的关键因素。
刘旭博[3]2010年在《基于P2SP原理的视频探测及下载系统》文中提出随着中国互联网及中国网络带宽的普及,观看网络视频已经成为了人们必不可少的娱乐活动之一。但是中国的在线视频网站因为用户多,服务器少,用户带宽有限等种种原因,造成了用户观看网络视频不流畅。特别是高清视频,比如搜狐高清,土豆高清等,观看效果很不理想,因此人们需要把视频下载到本地进行流畅播放。本文目标即在解决这类问题。当用户遇见自己想保存的视频时,因视频网站对数据进行了加密,使用传统的视频下载软件,往往无法下载保存。通过迅雷,FLASHGET等下载方式又无法找到视频的真实地址,因为现阶段的视频网站都采用了视频真实地址加密防护措施,‘使得采用传统的下载工具无法下载。而且即使部分工具可以下载,也有大量的网站不支持多线程断点续传和多线程下载,使得用户不仅下载速度慢,一旦因为网络异常连接丢失后,所有需要下载的视频内容都需要从头开始下载,浪费了用户的时间,带宽和存储空间,打消了用户在线看视频,下载保存视频的积极性。本文在研究了目前互联网视频网站的多CDN服务器的架构的基础及视频地址加密原理的基础上,提出了一种新型的S&D模型,S代表Search,即搜索资源的意思,D代表Download,下载资源的意思,集视频探测,视频下载,视频P2P分享为一体化的系统。提出了基于CDN服务器和普通节点的P2P节点选择算法,优化了P2P模型中的带宽测量算法,采用微软IEFream及Apple的Webkit技术构建视频探测器。通过微软的IEFream来监控流经视频探测器的数据,从而获得视频的真实原地址。然后通过CDN服务器探测技术,来获得多个视频地址链接。得到视频的真实地址后,通过P2SP下载系统来进行多线程,多CDN下载,支持断点续传,可以通过自身构建P2P网络来传输视频内容。S&D系统已经投入到互联网中,供用户免费使用,累计下载已达500万次,经过回收用户的数据和反馈表明,S&D系统能够成功探测和下载90%以上的在线视频网站资源,并且因为采用了P2P共享技术,可以下载冷门资源和网站服务器没有的资源,相比与其它的在线视频下载工具和系统,具有更好的性能。
陆兵[4]2007年在《视频中的文本提取及其应用》文中指出文本是视频中重要的内容信息。视频中文本的检测和识别在视频分析过程中起到很大的作用。文本可以作为视频片断的内容标识和索引，例如在新闻视频中出现的新闻摘要，可以作为该段新闻内容的描述，用于新闻视频资料的检索。所以对视频文字的检测和分析是视频分析的重要内容。而检测视频中文字的出现及其准确位置，并将文字从复杂多变的背景中分割出来，是视频文字分析处理的基础。文本信息提取系统主要包括文本检测，文本定位，文本跟踪，文本提取，文本增强和OCR识别六个部分。本文重点研究了文本定位的方法，提出了一种基于投影分析与支持向量机学习相结合的文本定位方法，试验表明该方法比单纯的基于边缘的方法或是学习的方法都要好。首先采用投影分析的方法将可能的文本区域提取出来，然后再采用基于支持向量机学习的方法将提取出来的文本区域中的虚假文本区域排除掉。该方法虽然比基于边缘的方法多了一步，但文本区域的检准率有了较大的提高。与一般的基于学习的方法相比，该方法不必对整个图像区域进行特征计算，减小了计算的时间复杂度。在使用支持向量机进行文本分类时本文采用了小波，角点，扫描线和区域内边缘点的重心位置等特征。论文最后用该方法用于广告视频文本的检测，采用基于多分辨率分析的方法定位广告文本。通过比较发现，新闻中的文本出现位置比较固定而且各个电视台的文本都有各自固定的格式，但广告中的文本无论是大小，字体都是不一样的，利用这一差别可以对广告片断的起始位置有一个更加精确的定位。实验结果表明该方法可以很好的定位出广告文本。
邓莉琼[5]2011年在《辅助动画视频分析的相似视频片段匹配技术研究》文中研究表明伴随着视频技术和互联网的快速发展，动画视频作为视频数据的一个重要分支，正日益受到人们的关注，其产业规模也在不断扩大。然而，大量的动画视频资源也使得用户难以在浩如烟海的视频数据中快速找到所需的视频信息。作为动画视频数据中重要的组成部分，动画视频片段由于承载了大量可重复使用的内容，重复利用率高，因而成为视频研究领域中的主要研究对象之一。近年来，随着动画视频片段的来源日益广泛，数量日益庞大，相似动画视频片段匹配技术已成为多媒体检索领域中的热门课题。如何找到一种有效的动画视频片段匹配方法，使之可以辅助用户对动画视频进行自动化分析，已经成为当前视频分析领域迫切需要解决的问题之一。相似视频片段匹配技术在实际中的应用主要受两个因素影响：匹配准确度和匹配速度。由于视频片段匹配技术涉及多个结构层次和多个语义层次的大量视频信息，计算复杂度大，因此，如何实现准确度与速度之间的优化平衡一直是相似视频片段匹配研究中的难点问题。为此，本文对动画视频片段匹配技术进行了深入研究，提出了一系列相关技术和方法，其目的是为动画片段的辅助分析工作提供技术支持，从而帮助用户获取所需的动画视频信息。为实现上述目标，本文从系统的角度对以下几个关键技术进行了研究，分别是：动画图像的特征提取与匹配技术、相似动画视频片段的特征提取与匹配技术、基于内容的动画视频片段实时探测技术、动画视频片段标注技术以及相似动画视频片段关联技术等。这些关键技术从不同方面对动画视频辅助分析提供了支持，其研究循序渐进，方法相辅相成，因而形成了一套比较完整的理论和方法体系。具体来说，本文的主要贡献体现在以下几个方面：首先，提出了一种结合颜色信息的动画图像特征的提取与匹配方法。针对动画图像区别于自然图像的若干特点，对传统的全局特征提取与匹配方法进行了改进，将动画图像颜色组成分布之间的关联特征融合进全局颜色特征的描述子中；此外，针对局部特征提取方法中常常丢失颜色信息的问题，将颜色不变量作为图像局部特征的提取对象，用于描述动画图像的细节组成信息；最后，研究了动画图像全局特征与局部特征的加权融合方法，实现了两类特征的优势互补。其次，提出了动画视频片段在不同结构层次和不同语义层次上的多种相似匹配方法。结合相似视频片段定义的多语义特点，分别从底层特征层和中层逻辑层对视频片段相似度的衡量方法进行了研究。其中，针对视频片段的底层语义特征，分别对基于关键帧的词袋方法和基于关键帧的编辑距离方法进行了改进，上述方法分别利用语言模型和扩展后的编辑距离对视频关键帧序列的视觉特征和时序特征之间的相似度进行了描述；其次，针对视频片段的中层语义特征，分别提出了基于关键帧的时序网络方法和基于视频单元的视频距离轨迹方法，前者通过时序网络对视频片段的时序特征与视觉特征进行融合，从而有效解决了视频片段的部分对齐问题，后者在对视频单元的特征描述参数进行定义的基础上，结合图论中的最优匹配技术实现了相似视频片段的最佳对齐；最后，研究了不同语义层次上的相似动画视频片段匹配方法之间的相似度融合方法，通过调整权重系数，可以使其满足不同的应用场合和任务需求。然后，提出了一种基于相似视频片段匹配的动画视频辅助分析方法。其中，为了实现基于内容的相似动画视频片段实时探测，首先，在相似视频片段匹配技术的基础上，利用改进后的局部敏感哈希函数建立了视频片段的索引结构；此外，为提高相似视频探测结果的排序准确度，采用了关联图对相似动画视频片段进行聚类，实现了对探测结果的重排序；其次，针对传统视频片段自动标注方法中错误信息过多的问题，利用随机漫步的方法对标注信息进行了重排序，在完善了视频片段语义信息的同时，实现了基于检索的动画视频片段自动标注；最后，利用可视化技术从叁个方面对相似动画视频片段之间的关联关系进行了挖掘和表现，分别是：聚类关联、特征关联以及演化历程。最后，设计和实现了一个动画视频片段辅助分析系统NCLIPs。详细介绍了NCLIPs系统的设计思路、结构层次和模块功能，给出了系统原型的具体实现界面。NCLIPs系统以本文研究的各种技术和方法作为支撑，实现了对动画视频片段基于内容的分析、检索以及个性化的组织表现。综上所述，本文通过研究相似动画视频片段匹配方法实现了对动画视频片段的辅助分析。从实际效果看，本文提出的相似动画视频片段匹配方法具有较高的匹配准确度和匹配速度，将其用于动画视频片段的辅助分析，可以为视频片段的分析、检索以及个性化的组织与表现提供技术支持。从研究意义上看，本文的研究为获取动画视频片段的相关信息提供了一条有效途径，其研究成果无论是在理论还是在实践上都具有十分重要的意义。
邵珠翠[6]2013年在《广告视频检索技术研究》文中进行了进一步梳理随着视频数据的快速增长,如何对视频进行有效地管理、存储和检索成为用户十分关注的问题。本文以广告视频为研究对象,对广告视频检索相关技术进行了研究,设计并实现了一个广告单元检索系统。对视频进行了结构化的处理,采用基于运动补偿的自适应双阈值方法来判定突变镜头和渐变镜头。在此基础上,针对电视视频流中的广告板块,对广告板块边界检测的算法进行了改进。首先提取并计算镜头特征作为基本单元,然后采用概率输出的SVM模型对视频进行分类,最后在搜索窗口内搜索概率极值判断出极大似然切分点。对分割出的广告板块,利用小波变换等提取图像特征,对其进行滑动窗口分割,判断出镜头组边界信息。对广告板块中的音频,提取底层音频特征如Mel频率倒谱系数等,采用基于GMM和分割熵的检测算法,实现了广告板块中音频跳变检测。在总结了现有的广告单元分割方法的基础上,利用镜头组边界检测结果、音频跳变的检测结果和镜头边界检测结果,设计了一种基于音视频融合的广告单元分割方法,实现了广告单元边界检测。在广告视频的检索方法上,提出一种新的基于奇异值分解的SURF-DAISY关键帧匹配方法,对相似度模型的实际应用进行了研究,并提出了广告视频检索的具体步骤。本文采用Visual C++为开发平台,实现了一个广告视频检索系统,验证了上述方法。
杨柳[7]2009年在《基于内容的流媒体中的视频检索》文中进行了进一步梳理随着市场经济的深入发展，视频广告对于企业越发重要，并逐渐成为企业日常工作的一部分。广告公司和企业为了确保所做的视频广告取得应有的效益，必须派人来监测电视台对于合同的执行情况。同时文化管理部门会依据政府的行政命令要求电视台播出一些公益公告、政府通告、通知等。为了确保这些强制插播的视频在规定的时间内完全播放，文化监管部门也必须指定专人进行监测。目前视频广告的检索都是通过人工进行的，浪费了大量的人力物力资源。本文探讨了数字视频的特点、镜头的转换方式等，着重研究了基于内容的视频检索的关键技术。在镜头检测技术方面，本文研究了各种镜头检测算法，比较各种方法的适用范围，重点采用使用双阈值的镜头边界检测方法实现该系统，在帧匹配方面，本文研究了现有的各种基于颜色特征的帧匹配技术，比较其各自的性能，并将基于有意义区域的颜色检索算法应用于广告检索系统中。本文研究了适用于广告视频检索的帧匹配与镜头匹配相结合的视频段匹配算法，提出了一种改进的方法，以提高广告检索性能。设计并实现了基于内容的广告视频的检索系统。重点阐述了系统的架构及各个模块的具体实现，包括：程序主模块、I帧提取模块、镜头分割模块和帧匹配模块。经测试该系统可以很好地完成广告视频的检索。
党明辉[8]2011年在《基于内容的新闻视频检索》文中指出随着互联网和数字媒体技术的发展以及海量数字视频的出现,研究如何从大量数字视频中获取用户感兴趣的信息的基于内容的视频检索(CBVR)技术成为计算机科学研究的重点课题。本文以新闻视频为研究对象,根据新闻视频其自身特殊的结构、组织和检索方式,对已有的CBVR技术进行了改进,实现对新闻视频检索系统检索功能的改善。本文研究工作如下：(1)提出了一种改进的镜头边界检测算法。在完成对视频的结构化分析及关键技术的研究工作中,比较了像素比较镜头边界检测法、基于图像边缘轮廓特征镜头边界检测法、灰度差值法、直方图镜头检测法以及双直方图镜头检测法,权衡各种算法的优缺点,提出了基于像素比较法、直方图法、双直方图法互补性特点的一种改进的镜头边界检测方法。(2)提出了固定区域模板匹配法用于对新闻视频主持人镜头进行检测的方法。在新闻视频结构化特征提取部分,首先通过扩展人脸区域,即EFR方法选取标准主持人镜头作为通用模板,并由此确定出视频的检索区域,然后采用分块HSV颜色直方图作为模板参数,对初步选定的镜头的关键帧进行模板匹配实现主持人镜头的最终确认。该方法既能保证系统检测的灵活性,又能降低误检率。(3)构造了新闻视频语义分析提取原型系统。实现了对视频关键帧的语义分析、视频镜头的语义分析和视频场景的分割及语义提取。在完成新闻视频镜头分割、主持人镜头检测、字幕检测和广告视频场景分割的基础上,根据新闻视频中音频信息的特点,结合提取的音频语义构造了新闻视频场景分割及自动生成语义系统。该系统为用户查找视频进行视频检索提供了有力的技术支持,具有较高的时效性。
陈剑赟[9]2005年在《体育视频语义内容分析技术研究》文中进行了进一步梳理传统的视频内容分析抽取客观存在的感知特征,而用户所消费的往往是语义内容,这就造成了计算机自动分析与用户需求之间的矛盾。多媒体信息系统领域专家把这种矛盾称为语义鸿沟。语义鸿沟是阻碍新一代视频应用的瓶颈问题。本文以体育视频为研究对象,从概念模型、技术框架、分析方法等方面系统地研究了视频低层特征与高层语义之间的关联,以跨越语义鸿沟获取体育视频的语义内容。 在体育比赛领域规则和视频拍摄编辑手法的基础上,本文定义了体育视频的基本语义单元BSU(Basic Semantic Unit),BSU是表征体育视频语义内容的基本单元。围绕BSU,本文提出了基于BSU的体育视频语义内容分析框架,进而重点研究了该框架下的伴随音轨BSU、场景BSU和事件BSU等各类BSU的语义内容分析,并设计实现了体育视频语义内容分析和摘要平台SCASP(Sports video Semantic Content Analysis and Summarization Platform)。论文的主要贡献体现在以下几个方面: ●提出了基于BSU的体育视频语义内容分析框架。这个框架包括两个部分:一是基于BSU的概念模型——BSUCN(Basic Semantic Unit Composite Network);定义基本语义单元之间的关系为BSURelation,BSUCN是由BSU和BSURelation组成的体育视频语义内容分析的网络;BSUCN将纷繁芜杂的语义理解问题转化为目标明确的BSU分类识别。另一是基于概率统计关联模型的技术框架;技术框架明确了体育视频语义内容分析的技术途径和基本方法论,指出BSU的语义内容分析是不确定性的分类识别问题,需要采用基于概率统计的模型实现低层特征与高层语义之间的关联。 ●提出了基于高斯混合模型的伴随音轨BSU语义内容分析方法。在基于BSU的体育视频语义内容分析框架基础上,运用高斯混合模型建模体育视频伴随音轨的语义类型,将伴随音轨BSU的语义内容分析转化为音频的语义分类与分段。 ●提出了基于隐马尔可夫模型的场景BSU语义内容分析方法。在基于BSU的体育视频语义内容分析框架基础上,运用隐马尔可夫模型建模体育视频视图与场景的统计时序关系,将场景BSU的语义内容分析转化为场景的语义分类与分割。 ●提出了基于贝叶斯网络的事件BSU的语义内容分析方法。在基于BSU的体育视频语义内容分析框架基础上,运用贝叶斯网络建模体育视频语义事件的多特征融合关系,将事件BSU的语义内容分析转化为基于概率统计模型的融合分析。 ●设计并实现了体育视频语义内容分析和摘要平台——SCASP,对基于BSU的体育视频语义内容分析框架和相关技术进行了应用和验证。 综上所述,本文提出了体育视频语义内容分析的概念、框架和方法,并通过设计实现SCASP,验证了本文的思路。这些研究为视频语义鸿沟问题提供了一定的解决之道,视频语义内容分析技术的不断发展和完善将使其在信息资源的管理和共享等领域发挥越来越大的作用。
李圆[10]2011年在《用PowerPoint和PPT2DVD制作动态广告视频》文中认为本文通过一堂以制作"美特斯.邦威"动态广告视频为例的PowerPoint示范课,详细介绍了如何将PowerPoint和PPT2DVD两个软件的功能相结合,将用PowerPoint制作的动态PPT进一步转换为可在多种操作系统视频播放器、手机、VCD、DVD等上播放的视频。
参考文献：
[1]. 广告视频探测技术研究[D]. 李春亮. 国防科学技术大学. 2004
[2]. 一种基于静帧特征分析的视频检索方法[J]. 李广东, 高新波, 赵力. 数据采集与处理. 2011
[3]. 基于P2SP原理的视频探测及下载系统[D]. 刘旭博. 大连理工大学. 2010
[4]. 视频中的文本提取及其应用[D]. 陆兵. 河海大学. 2007
[5]. 辅助动画视频分析的相似视频片段匹配技术研究[D]. 邓莉琼. 国防科学技术大学. 2011
[6]. 广告视频检索技术研究[D]. 邵珠翠. 南京理工大学. 2013
[7]. 基于内容的流媒体中的视频检索[D]. 杨柳. 北京科技大学. 2009
[8]. 基于内容的新闻视频检索[D]. 党明辉. 西北大学. 2011
[9]. 体育视频语义内容分析技术研究[D]. 陈剑赟. 国防科学技术大学. 2005
[10]. 用PowerPoint和PPT2DVD制作动态广告视频[J]. 李圆. 科技信息. 2011
标签：电信技术论文; 特征提取论文; 语义分析论文; 文本分类论文; 图像分割论文; 图像融合论文; 文本分析论文; 广告论文; 用户分析论文;