一种电影视频场景的自动构造方法

J4 ›› 2011, Vol. 33 ›› Issue (11): 128-131.

一种电影视频场景的自动构造方法

邱建雄1,黄少年2

（1.长沙学院计算机系,湖南长沙 410003;2.湖南商学院,湖南长沙 410205）

收稿日期:2011-05-20 修回日期:2011-07-26 出版日期:2011-11-25 发布日期:2011-11-25
基金资助:
国家自然科学基金资助项目（60873016）；国家863计划资助项目（2009AA01Z102）

An Automatic Construction Method for Movie Scenes

QIU Jianxiong1,HUANG Shaonian2

（1.Department of Computer Science,Changsha University,Changsha 410003;
2.Hunan University of Commerce,Changsha 410205,China）

Received:2011-05-20 Revised:2011-07-26 Online:2011-11-25 Published:2011-11-25

摘要/Abstract

摘要：

根据电影拍摄的“轴线规律”，本文给出了一种简单的电影场景的定义方法，并根据该场景定义，提出了一种电影场景检测算法。算法首先使用改进像素点匹配二次差分法进行电影镜头的检测，然后根据自定义的镜头相似性判断原则进行镜头聚类得到电影场景边界。实验表明，该算法可以有效地检测出电影场景边界。

关键词: 镜头检测, 场景, 聚类, 视频

Abstract:

Based on the “axes rule” used in movie, the paper presents a simple definition of movie scene, and proposes a novel algorithm for movie scene detection. We firstly improve the existing algorithms to detect the shot boundary , then produce the movie scene boundary by shot clustering according to the shot similarity principle we presented. Experiment shows that this algorithm can effectively detect the movie scene boundary.

Key words: shot detect;scene;clustering；video

邱建雄1,黄少年2. 一种电影视频场景的自动构造方法[J]. J4, 2011, 33(11): 128-131.

QIU Jianxiong1,HUANG Shaonian2. An Automatic Construction Method for Movie Scenes[J]. J4, 2011, 33(11): 128-131.

编辑推荐

Metrics

阅读次数

全文

180

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	180

来源	本网站	其他网站

次数	145	35
比例	81%	19%

摘要

最新录用	在线预览	正式出版

0	0	85

	来源	本网站

	次数	85
	比例	100%

[1]	陈兆波, 张琳, 马晓轩. 改进注意力混合自动编码器视频异常检测研究[J]. 计算机工程与科学, 2025, 47(01): 130-139.
[2]	刘合兵, 孔玉杰, 席磊, 尚俊平. 融合注意力机制的解耦对比聚类[J]. 计算机工程与科学, 2024, 46(12): 2261-2270.
[3]	杨航, 山蕊, 杨坤, 崔馨月. 基于动态自重构结构的3D-HEVC帧内预测算法并行化实现[J]. 计算机工程与科学, 2024, 46(11): 1931-1939.
[4]	戴康佳, 徐慧英, 朱信忠, 黄晓, 李琛, 刘巍, 曹雨淇, 王拔龙, 刘子洋, 陈国强. 基于轻量化目标检测网络的RGB-D视觉SLAM系统[J]. 计算机工程与科学, 2024, 46(11): 2017-2026.
[5]	李猛, 刘姿邑, 宋宇航. 基于双重自表达与最大熵原理的深度子空间聚类算法[J]. 计算机工程与科学, 2024, 46(09): 1685-1692.
[6]	柴旭清, 乔一航, 范黎林, . 一种基于随机森林分类器构建高性能应用程序性能分析模型的方法[J]. 计算机工程与科学, 2024, 46(07): 1218-1228.
[7]	肖振久, 李思琦, 曲海成. 基于多尺度特征与互监督的拥挤行人检测[J]. 计算机工程与科学, 2024, 46(07): 1278-1285.
[8]	宋鑫海, 韩京宇, 郎杭, 毛毅. 滑动窗口投票策略的QRS波群形态识别[J]. 计算机工程与科学, 2024, 46(02): 272-281.
[9]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.
[10]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[11]	张骞, 陈紫强, 孙宗威, 赖镜安. 融合高分辨率网络的雾天目标检测算法[J]. 计算机工程与科学, 2023, 45(11): 1970-1981.
[12]	曾凡锋, 王春真, 李琛. 基于深浅层特征融合的无监督视频摘要算法研究[J]. 计算机工程与科学, 2023, 45(09): 1602-1610.
[13]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[14]	崔馨月, 蒋林, 杨坤, 惠超, 胡传瞻, 赵静. 一种HEVC帧内预测算法的动态自重构实现方法[J]. 计算机工程与科学, 2022, 44(12): 2120-2127.
[15]	何平, 李刚, 李慧斌, . 基于深度学习的视频异常检测方法综述[J]. 计算机工程与科学, 2022, 44(09): 1620-1629.