基于声像特征的场景检测  

Scene detection based on combined audio and visual feature

作　　者：王辰[1] 吴玲达[1] 老松杨[1] 

机构地区：[1]国防科学技术大学信息系统与管理学院,长沙410073

出　　处：《计算机应用研究》2008年第10期3036-3038,共3页Application Research of Computers

基　　金：国家"863"计划资助项目(2006AA01Z319);国家自然科学基金资助项目(60473117)

摘　　要：视频的结构分析是实现视频基于内容组织和检索的基础。目前,已经有很多用于视频镜头分割的成熟算法,但准确探测视频场景边界还比较困难。提出了一种融合视频中音频与可视特征进行场景检测的方法。该方法首先分别依据镜头的声、像特征相关性来对镜头进行聚类,然后综合处理依声、像相关性得到的镜头聚类来获取场景。实验结果证明,此方法较一般使用单一特征的场景检测方法提高了探测的准确率,同时也降低了误判率。Video structure extraction is essential to content-based organization and retrieval of video. While many robust shot segmentation algorithms have been presented, it is still difficult to identify scene accurately. This paper presented a scheme for determining scene which clustered shots combining audio and visual features of video. In particular, this method first clustered shots with respect to each feature, and then determined s.cene integrating the different cluster. Results from experiments showed that this approach to be potent.

关 键 词：场景检测 声音分段 镜头聚类 基于内容检索 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]