基于运动活力的视频分镜中关键帧的提取

简 介
过去的从视频分镜中提取关键帧的工作主要集中在应用颜色特征上。不过，在视频提取应用中，有一些人(比如说Wolf) 已经把工作的重点转移到应用运动特征上来了。在本文中，我们提出了一个新的概念：视频段的运动活力的强度值，可以作为描述该视频段的一个标准。通过学习在MPEG-7视频标准中定义的一个关键帧的运动活力值的可靠性的变化情况，我们提出了一种新的基于上面提到的方法的从视频段中提取关键帧的技术。同时，我们还提供了我们提出技术的一种改进办法，该技术可以提取出更优的关键帧。我们所提出的关键帧提取技术，是基于简单的运动特性的计算和压缩区域中提取，它的效果无论是从计算量上还是实际应用中都可以与目前所存在的最好的技术相比拟，而且相对于其他技术它要简单得多。
　　
目 的
从视频段中提取关键帧
一个最原始的方法就是取视频段的第一帧图像为关键帧。在视频段为运动强度低的内容时这种方法是合理的，而且该算法的效果也是很好的。但是，一旦运动强度逐渐高起来，第一帧作为关键帧得效果就越来越难以接受。许多基于第一帧为关键帧的算法是通过一些后继的方法，比如增加与第一帧截然不同的几帧作为
第一帧的补充。其他还有依靠集群和精确计算分析的方法。目前为止，前面所提到的各种方法，都没有应用到运动特性，并且需要大量的计算。至于使用颜色特征是因为它提供了一种可靠的方法，可以保证帧与帧之间会有一定变化。而且，运动补偿的视频也依靠于帧与帧之间变化的衡量，因此这激励我们研究出一种方法可以通过运动矢量场来表示出帧与帧间的变化情况。进一步的，在压缩区域运动矢量相对较容易获得，因此这为我们提供了一个充满吸引力的前景。我们的方法与Wolf的相类似，我们也使用一个简单的运动公制，而且我们并不用一个固定的标准来决定哪一幅将是关键帧。但是，与Wolf不同的是，我们并不是追踪帧与帧之间的变化情况，而是提出了简单的概念——分镜宽度运动公制，MPEG-7运动活力强度描述子，是视频序列内容的一个描述标准。