© 2012。由ElsevierB. V.出版在塑造工程研究所的责任下选择可在www.example.com在线访问www.sciencedirect.comIERI程序3（2012）148 - 1552012基于卢1.2.抽象视频检索已被广泛应用和广泛的发展前景，目前是多媒体的热门研究领域。从对基于内容的视频检索系统结构的分析，充分探索视频构建中涉及的系统结构，镜头切割检测，关键帧提取，构造场景来自视频流或技术组，特征提取技术和视频检索，浏览和检索反馈技术，重点分析各种实现的一些关键技术优势和缺点，并引入了一些新的技术方法。最后©2 0 1 2 年 由 E l s e v i e r B . V . 根 据 C C B Y - N C - N D 许 可 证 下 信 息 工 程 研 究 所 开 放 访 问 的 责 任 ， 选择 和 同 行 评 审 。关键词：1. 介绍随着多媒体技术和网络技术的快速发展，视频在许多领域已经得到了广泛的应用。这些在第一个视频结构分析中，视频序列分为镜头和镜头以选择关键帧，这是为了在CBVR的基础上实现一个有效的系统和密钥。然后将镜头帧运动特征和关键的视觉特征提取到视频数据库中，作为一种检索机制。最后，根据2212-6678CCBY-NC-ND许可证下的开放访问。LuWeiyan149结果可以根据用户的灵活性自动优化，以优化搜索结果的视图。2. 视频结构与相关算法的构建为了使数据库视频查询基于内容，首先要构建以促进视频结构的恢复。视频镜头镜头可以通过两种方式进行切换：突变和梯度。突变是从一个镜头到另一个镜头的直接轮廓;根据不同的视频编辑技术，可以分为三种类型：褪色（褪色，细分成褪色和褪色），melt（解）和slidechange（擦拭）。梯度在以下三个步骤中，整个构建过程视频的结构：从视频流中提取镜头，从摄像机中选择关键帧和场景结构从视频流或组中2.1. 若要从镜头是视频数据的基本单位;视频处理首先需要自动分割摄像机，作为索引的基本单位，这一过程被称为拍摄边界检测。这结构基于颜色特征的方法模板匹配是两个对应的像素之间的差异，并且作为帧间差异的绝对值，当帧间差异大于阈值t时，则考虑透镜开关。模板匹配方法的缺点，因为它关闭，对[3]建议将每个帧分成8 × 8像素子块，每个块平均，然后帧周围相应子块的平均值以比较这种小而不敏感的噪声和运动方法。(2)直方图方法主要用于帧间差异计算方法，它丢失颜色信息的位置，因此对噪声的影响大于模板匹配的强度。颜色直方图方法的一个缺点是，这两个图像可能完全不同但相似的直方图，这很容易导致假识别。一个改进的方法是将图像单独划分为每个子块匹配的几个子块。A..长崎和Y。Tanaka [4]建议将视频帧分割成相同大小的4 × 4子块，并比较相应的子块方法。其他基于边缘的方法。因为当镜头切割旧的和新的边缘应该在不同的位置，所以我们可以首先提取两个图像的边缘，以计算旧边缘像素中的新边缘的百分比，当一个较大的阈值将被考虑以建立透镜开关。Thedisadvantageiscomputationallyintensive150LuWeiyan[3]还提出了一种光流检测方法，该方法是基于光开关流时的透镜，而透镜运动应专门针对一种特定类型的光流。它基于模型.Hampapur等人[7，8]通过视频制作过程的研究，我们提出了视频编辑模型的边界检测。缺点是建模过程更加复杂，需要每种类型的开关模型。此基于压缩域的方法。DC图像是原始图像8 × 8，平均值;它包含基本的全局信息的原始图像，并且具有更快的压缩过程和更多的特性。您可以ChiangChang[9]从视频流宏块运动向量中提取，宏块运动向量相似性及其通过平均宏块获得的相似性所获得的帧的相似性的内部比例。[10]每个帧都将是一个类似的标准化程度，（公式）结果是多帧相似度的加权和，结果可以相对简单地确定阈值，降低计算复杂性，减少多帧加权误差，但对梯度检测无效。由于这些方法的缺点，目前的MPEG压缩算法是面向数据的，而不是用于视频内容表示。使用一种方法是只使用视频流来检测I帧，它不是很高的准确性来检测需求;另一种方法是在开关中找到两个合适的I帧作为可能的镜头的巨大差异，然后两个帧B和P帧来确定该方法的确切位置。这两种方法的Pros改进了几种算法。ChiangChang等人。[3]提出了一个双阈值比较。当阈值在d1和d2之间的两个帧间差异时，他们开始认为潜在的梯度，差异开始计算，直到累积并且有一个梯度大于d2时，当帧间时间小于d1结束时。这种YeoBL [11]提出滑动窗检测。首先使用双窗口方法[12]可以进一步改进以减少搜索量，首先选择一个大窗口，取平均值，将大于一定的多个均值差异作为剪切帧的候选人，然后以候选人为中心的帧剪切采取一个小窗口来检测特定位置。大2.2. 从镜头中选择关键帧（也称为帧的一半）用于描述一个镜头帧的关键图像;它通常反映一个镜头的主要元素。Theuse of key frames greatly reduces the amount of video dataLuWeiyan151但是，搜索和浏览视频也提供了一个组织框架。关键帧提取原则是"不要滥用，而不是短。"基于镜头的方法。视频被分割成镜头后，每个镜头的第一帧（或第一帧和最后一帧）作为镜头帧的键。该基于内容分析的方法。此方法基于颜色、纹理和其他视觉信息的每一帧，以提取关键帧的变化，当此信息显着变化时，当前帧到帧作为键。ChiangChang等人。[3]基于帧之间的显著变化，选择多个键帧，第一个帧作为键帧，然后计算上一个键帧和剩余的差异帧，如果差异大于一个阈值，然后选择一个键帧。这种帧基于运动分析的方法。Wolf [14]通过光学流量分析来计算练习的镜头，在练习中选择关键帧，它反映了仍然的视频数据，摄像机在新驻地的位置上的视频，或通过角色短暂停留的动作来体现其自身的重要性。Wolf对这种基于运动的方法的分析可以根据相应的键帧数量的透镜结构来选择。如果将所有透镜运动的合成转换基于聚类的方法。Clusterextraction第一个类来确定一个初始心，然后当前帧和与心的距离，以确定类被分类为这样或作为一个新的心类，然后在框架中拍摄，从类的最新帧作为关键帧的核心中获取各种分类。此外，赵[11]提出了一个基于最近行（最近特征线，NFL）的端点检测算法的特征，用于选择关键帧。该方法的主要原理是与某些特征（特征线）近似和类样本轨迹的所有特征的连接点2.3. 从视频流构建计算透镜之间的相似性（实际上是更多的关键帧）;为分析选择合适的聚类算法。按时间顺序排列的关键3. FeatureExtraction视频被分割成每个镜头将特征提取后，尽可能多地拍摄以反映特征空间的内容，特征空间将作为视频聚集和检索的基础。特征提取，包括视觉帧和镜头运动特征提取的关键特征。152LuWeiyan3.1. 颜色颜色是图像中最重要的特征，与其他特征进行比较;颜色特征计算简单、稳定，对旋转、翻译、缩放变化不敏感，显示出强大的耐用性。颜色特征包括颜色历史图，主要颜色和平均亮度[3]。颜色和图像相似性匹配的平均亮度的一个主要优势是非常粗糙的，但它们可以作为海岸级搜索的返回方法，结果是重新使用颜色子块划分匹配颜色历史图进行进一步详细的调查。能够专注于大尺度图像数据快速搜索，Smith和Change，他提出了颜色集的概念：第一个RBG颜色空间转换为相同的视觉空间HSV，然后量化m颜色集的颜色被定义为颜色选择中的量化色彩空间。因为3.2. 纹理早在20世纪70年代，Haralick提出了共出现矩阵纹理特征表示，即在灰度空间相关中使用纹理，根据方向和距离构建一个共发生矩阵，然后从有意义的统计中玫瑰出来作为纹理特征表示。缺点是这些人口特征，而不是在纹理特征的视觉感知上创建映射之间。如此多的人创造了其他指标的纹理特征，包括Tamura的纹理特征与相应的人类视觉感知相匹配，这些特征包括：粗糙度，对比度，方向性，线条如度，规则性，粗糙度。其中最重要的特征之一此外，许多研究人员开始应用小波变换纹理特征表示。Manjunath3.3. 形状形状分析首先需要使用适当的图像分割算法将不同的对象从图像中分离出来，然后测量匹配的方法的多样性。一个重要标准的特征表示形式是对翻译、旋转、缩放不变的要求，通常基于该边界的形状，可以根据区域分为两个类别。它们是傅立叶[12]描述的和瞬时不变的[13]呈现特征，除了新的研究方向和模板边界定向直方图的弹性变形。有3.4. 体育该运动的特点是摄像机的一个重要功能，它反映了时域视频中的变化，用于检索内容重要性的视频示例。运动分析方法是基于光流方程方法、基于块的方法、像素递归方法和贝叶斯方法[4]等。然而，这些方法在计算上是密集的。Thus，Tonomura等人。[5]提出了一种X射线断层分析方法，时间轴切片上的整个视频序列，运动分析中的切片图像。LuWeiyan153光流和块匹配。该方法使用宏块的运动来获得九个组件特征向量，然后该特征向量来确定透镜的运动。ChiangChang3.5. 其他。其他4. 视频在视频流中，为特征提取关键帧和镜头，还可以建立基于视频的索引的特征。通过索引，您可以基于帧的关键特征，也可以基于镜头的动态特征，或者两者的组合将在视频检索和浏览上。在4.1. 基于密钥框架的检索视频帧被截断为一个键，搜索变成了，根据查询具有一定的相似性，以便检索在类似的键帧中描述的数据库。仅使用的方法是通过（直接）查询和通过可视化查询实例（例如）查询来查询所描述的目标特征。在检索过程中，用户还可以指定一组特定的功能。如果返回的密钥帧，用户可以使用播放器来查看其代表的视频剪辑。浏览可以跟随返回，作为返回关键帧边界链接上下文的测试。浏览4.2. 基于动态透镜的检索基于镜头的运动和检索摄像机的目标的主要特征是进一步的查询。操作可用于查询相机镜头，运动的方向和幅度可用于检索目标的主要特征。在4.3. 视频浏览。对于一个明确的目的，视频、浏览和检索同样重要。观看视频需要在语义层面进行表示，一些学者已经提出了一个场景转换图（STG），该图具有该场景的定向图的概念，而该时间的转换。通过简化STG，镜头可以被删除并不重要，以获得视频的紧凑表示。作为从154LuWeiyan4.4. 搜索在搜索中的实现，除了使用视觉功能进行图像检索外，我们还必须始终基于用户反馈来学习改变阈值再搜索，以实现人机交互，直到它达到用户的搜索请求。如何定义两个相似的视频是否仍然是未解决的问题，限制应用程序检索系统的范围。而且由于视频内容的复杂性，不同的用户在检索过程中，即使是同一个视频，焦点也可能是不同的角度，所以接收到用户反馈时，用户可以满足查询优化结果，突出用户的需求。在人类视觉的心理特征的组合中，基于相似性测量引入了来自摄像机、视频和其他层次的视频模型，以确定视觉角度的多样性，并测量视频之间的相似性。基于此，粒子大小从镜头级别和视频级别返回反馈方法的数量。整个过程是自动的，基于用户反馈的灵活性，以优化搜索结果。5. Conclusions基于内容的视频检索技术是一种全面集成的技术，它的一些关键技术，如射击边界检测;关键帧提取，特征提取研究已经取得了一些进展，但由于各种理论和相关技术并不完美，因此存在许多问题需要进一步研究。随着视频内容的丰富性和复杂性，以及人们对视频内容的主观评价，很难恢复统一标准的pros和cons的性能。这是一个方向上的CBVR研究。目前，recall参考文献[1]Y。[2]王泰、[3]W. Y. aˈ B. S. 我在H。（A）（[4]K. Jainn.[5] Bimbo，215[6] DeborahSwanberg，Chiao-FeShu，RameshJain.视频数据库中的知识引导解析[C]。用于图像和视频数据库的存储和检索程序。SPIE1908。2003.[7] SongSMoon-Ho等人。关于视频数据解析的梯度场景变化的检测[C]。用于图像和视频数据库的存储和检索程序。SPIE3312。2008.[8] HampapurA，etal.数字视频分割[C]。第二年ACM博士。纽约，纽约，美国。1994.[9]N.LuWeiyan1552010年10月20日[10]A新的运动向量基于MPEG视频流切割检测算法。图形图像杂志。1999. 4：[11] YeoBJ，LiuB.压缩视频上的快速场景分析。IEEE跨视频技术电路和系统。1995. 5：[12]和。[13]P.Sumathi，JournalofAdaptiveDynamicComputing DOI = 10.5813/www. ieit-wwwweb.org/IJADC/2011.2.1[14] LingP www.ieit-web.org/IJADC/2011.2.2
