基于多颜色空间的叠加原理和场景分类的研究

来源 :济南大学 | 被引量 : 13次 | 上传用户:liongliong595
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络和计算机技术的快速发展,各类视频娱乐节目迅速涌现,但同时也导致了各类血腥、暴力、色情等不良视频的泛滥。不良视频的检测是一个相当具有挑战性的课题,就目前的技术很难做到。现在大多数研究只是针对不良图像的检测,而视频、音频识别技术处于起步阶段,所以对不良视频进行快速有效的检测便成为一个迫切需要解决的难题。因为不良视频中图像的颜色分布不同,颜色的统计特征也不同的,所以首先利用HSI空间中饱和度S等颜色分量的累计直方图对视频整体色彩风格进行分类。针对各种风格建立相应的肤色模型,更好地准确地提取肤色信息后,用直方图差分和图分割模型对视频流进行场景分割和镜头分割,然后提取关键帧。因为不良视频往往是在特定环境(即典型场景)下的不同相关镜头的组合,所以再利用基于多颜色空间构建的视频分析平台和叠加原理实现典型场景的分类,最后根据肤色模型和检测人脸表情进行不良视频的检测。本文重点研究了不良视频检测中的前期工作,解决了其中几个基础性问题,主要研究内容如下:1、提出了一种新的基于灰度直方图的叠加原理算法,并构造了相应的近似叠加公式,能够较好地描述背景和移动目标所形成的各种组合场景的灰度直方图;为进一步检测动态背景下的移动目标、镜头切换、场景切换与分割提供了一个良好基础,并对叠加原理进行了合理性的验证。实验表明,在背景布局较为均匀的条件下,基于灰度直方图的叠加原理可以很好地描述背景与多目标所构成的各种组合场景。2、基于多颜色空间和叠加原理初步构建了视频综合分析平台。多颜色空间是我们在研究MeanShift算法的概率图时引入的综合描述研究对象的一种方法。在研究视频场景和镜头边界检测的过程中,我们发现多颜色空间可以很好地用于场景和镜头分割,并在此基础上开发了一个面向视频分析的研究平台。我们一直在完善视频分析平台,以用于观察场景的变化情况,通过累计直方图的统计,可以判定视频的不同色彩风格,判断不同的典型场景,并可以利用帧间差直方图进行镜头切换和场景切换的检测。3、利用视频分析平台初步完成了视频色彩风格和典型场景的分类。通过对大量视频进行训练,利用基于直方图的矩分析法得到视频色彩风格分类的阈值范围,实现了视频片段的风格分类。在视频常见的几个典型场景中,利用多颜色空间中的H、Y、R、G、B多个颜色分量的累计直方图来区别各个典型场景。虽然目前典型场景分类的准确率和查全率不是很理想,但是今后课题组还会进一步改进或探索新的技术来更好地提高场景分类的精度,完善不良视频的检测。
其他文献
随着网络架构的日益复杂和网络业务的爆炸式增长,网络计费和网络监控成为研究热点。网关特别是接入网关是网络管理的重要实施点,通常内置流量采集和监控代理来支持网络计费和
大气激光通信是当前人们关注的热点问题之一,作为一种新的通信方式,拥有无线传输的特点和光纤通信的带宽优势。调制解调技术是大气激光通信中的一项关键技术。目前大气激光通信
数字艺术图形是人们用计算机通过数值计算方法创作的图像,它往往具有局部和整体的自相似性、动态平衡性、对称性等特点以及精细的结构,内涵丰富,风格独特,具有科学和艺术的双
目前,经典波包和量子粒子中的自旋霍尔效应得到了广泛的关注,尤其在高能物理领域。光子由于自旋方向的相反,在折射率差扮演外场力的作用下会发生偏转,分别聚集在场的两边。本文以
电视技术经历了从黑白模拟电视到彩色模拟电视的发展,现在正经历模拟电视向数字电视的过渡。与此同时,随着计算机技术、通信技术的飞速发展,更多不同格式的视频信号诞生,因此
逆合成孔径雷达(ISAR)是一种高分辨成像雷达,旨在解决运动目标的成像问题,具有重要的军用和民用价值。由于舰船运动的复杂性,如何获得海面舰船目标的高质量图像一直是国内外I
低密度奇偶校验码(Low Density Parity Check code,LDPC码)是一种线性分组码,其性能接近Shannon限,与其它译码算法相比,它的复杂度比较低,并且结构灵活,成为人们的研究热点。
无线传感器网络是由大量的、低成本的集成化微型传感器节点通过无线通信方式形成的一个多跳的自组织的网络系统,其目的是通过协作的方式感知、采集和处理网络覆盖区域中感知对
LTE延续了3GPP中GSM和UMTS家族技术的演进,采用OFDMA技术,它可看作完成了业务扩展这一趋势,LTE可以在统一的框架下采用FDD和TDD模式。随着产业和多元化业务的发展,全国已形成强大
高压缩比和高信噪比的数据压缩技术一直是人们在数据处理领域追求的目标之一。经典的统计编码方法,如霍夫曼编码和算术编码,理论上可以应用于绝大部分类型数据,但不能保证对任何