肖永良，夏利民

中南大學信息科學與工程學院，湖南長沙

湖南財政經濟學院信息管理系，湖南長沙

摘　　　要：針對如何進一步提高鏡頭邊界檢測精度問題，提出了一種基于核的監督非保局（ＫＳＮＬＰＰ）投影視頻鏡頭檢測方法。在非保局投影（ＮＬＰＰ）中引入樣本的類別信息，并利用核方法提升ＮＬＰＰ解決非線性問題的能力，提出了ＫＳＮＬＰＰ算法；在此基礎上，將每個鏡頭視為一類，利用ＫＳＮＬＰＰ算法得到視頻圖像的投影矩陣，利用此投影矩陣對新的視頻數據進行降維處理，實現有監督的視頻特征提取；融合各幀的相鄰幀特征構建中間特征，利用局部支持向量機（ＬＳＶＭ）分類器實現鏡頭邊界檢測。試驗結果表明，提出的鏡頭邊界檢測方法能夠顯著提高鏡頭邊界的檢測精度。

關　鍵　詞：鏡頭邊界；特征提取；監督學習；非保局投影

１　引　言
鏡頭邊界檢測是基于內容的視頻檢索的關鍵技術之一。文獻［１］提取視頻圖像的顏色和運動等特征后采用層次支持向量機進行鏡頭邊界檢測。該方法在特征提取階段沒有充分利用已有的鏡頭來指導視頻的特征提取；在邊界檢測階段將所有樣本同等對待，沒有考慮樣本之間的局部相似特點。本文研究利用流形學習理論提取視頻特征；采用機器學習方法提高鏡頭邊界檢測精度。

登錄網站后可下載文件