支持不同时间尺度的高鲁棒性视频检索方法的研究

本课题重点研究基于视频时序特征的视频检索方法和针对不同时间尺度的视频相似性匹配方法。首先，本课题提出了一种用视频时序特征来表征视频内容的新方法，该特征充分利用了视频自身的时空信息，用视频图像序列特征随时间变化的值来表征视频的内容。为使视频时序特征包含尽可能多的信息，对视频帧进行区域分割，并通过计算每帧的信息增益确定最优的分割方案；其次，设计了新的相似性匹配算法，用梯度匹配替代常用的特征曲线直接匹配方法，解决了视频亮度整体漂移的问题。针对突变干扰，引入异常因子，通过统计异常帧数和正常帧数的比例，减小突变干扰对检索的影响，增强算法的鲁棒性；在上述工作的基础上，针对具有不同时间尺度视频匹配的难题，改进了常用的动态时间规划算法并引入到视频的相似性匹配算法中，在很大程度上解决了由于人工再编辑（如快慢动作）和视频不同帧率等原因引起的不同时间尺度视频检索问题。试验结果证明本方法具有较高的查全率和准确度。