镜头检测技术的优化方法

镜头检测是用某种方法将视频分割成若干个镜头的过程，是视频检索的基础，镜头分割的好坏直接影响到以后检索的每一步。镜头分割是在基于内容的视频检索中建立视频结构的关键，在此基础上才能对视频做进一步的处理，如关键帧提取、特征提取等，才能组织更高一级的视频结构。如果镜头分割不正确，那么后续工作将在错误的基础上进行，势必大大影响检索效果。

直方图法是使用最多的镜头分割方法，现如今，一些算法的镜头分割方法就是采用直方图法。直方图法的主要手段是计算相邻两帧图像的直方图差。若得到的直方图差足够大，那么就可以判定此处的镜头发生了变化。

在使用该方法检测镜头边界时，需要计算两帧图像的相似度，计算公式如下所示：

式中，H（fm，i）表示第m帧图像的颜色分量直方图，H（fn，i）表示第n帧图像的颜色分量直方图。在检测的过程中设定了一个阈值，只有当SL（fm，fn）大于这个阈值时，我们才会认为此处是一个镜头边界。由于直方图法只考虑不同颜色的直方图，不考虑视频帧所在的位置，所以它具有很强的抗干扰能力。只是，采用直方图法可能检索出一些直方图相似而内容不相似的图像，容易造成误检，镜头分割的结果不理想。为了详细统计图像的颜色信息，使检测结果尽量准确，我们需要维数很高的直方图，因此增大了运算量。为了保证综合检测的准确性与速度，基于分块直方图的镜头分割方法出现了。

基于分块直方图的镜头分割特意采用了局部特征法。这么做可以减少视频段中的一些因素的影响，算法的详细过程是：首先将相邻两帧图像进行分块，比较其相对应的两块之间的相似度。两帧图像的相似度计算公式如下：

式中，Sp（fm，fn，i）是对两帧图像对应的第i个区域比较后的结果。定义如下：(www.xing528.com)

其中，

式中，um，i，为区域i内的均值和方差。

基于分块直方图的镜头分割方法不需要将整幅图片进行比较，只需对其分块进行比较就能得出相似度。如果大量的对应块都不匹配，则两幅图像的相似度不高，认为镜头发生了变化。基于分块直方图的镜头分割方法可以应用于很多相似度亮度方法中，可以更好地实现镜头边缘检测。

基于分块的镜头检测方法可以准确有效地检测出镜头中的突变，因为突变处各分块基本上不相似。但是在检测渐变镜头的过程中，如果镜头转变得非常缓慢，就会有些不太准确，会造成渐变镜头的漏检。