(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211314620.3 (22)申请日 2022.10.26 (71)申请人 泰山学院 地址 271000 山东省泰安市岱岳区东 岳大 街525号 (72)发明人 李秋玲　陈晓　张国锋　冯斌　 王兵兵　刘婧　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 闫圣娟 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/46(2022.01) G06V 10/50(2022.01) G06V 10/56(2022.01)G06V 10/80(2022.01) (54)发明名称 视频镜头边界检测处理方法、 系统、 存储介 质及设备 (57)摘要 本发明涉及图像处理技术领域， 具体为视频 镜头边界检测处理方法、 系统、 存储介质及设备， 其中的视频镜头边界检测处理方法包括： 获取视 频图像中的RGB颜色直方图特征； 基于混合高斯 背景模型， 提取视频图像中前景目标的尺度不变 特征变换特征； 融合RGB颜色直方图特征和目标 的尺度不变特征变换特征； 基于融合后的特征， 计算设定步长之间的直方图差值， 步长为两个视 频帧之间的距离， 得到每一帧所有可能的步长 之 和； 对突变和渐变分别设置不同的步长， 根据设 定的步长判断每一帧为突变镜头或渐变镜头。 可 以较好的对视频中的运动目标进行检测， 当视频 帧发生突变或渐变时， 运动目标的特征会发生较 大的变化， 因此不 易产生错检和漏检的情况。 权利要求书2页 说明书10页 附图3页 CN 115376053 A 2022.11.22 CN 115376053 A 1.视频镜 头边界检测处 理方法， 其特 征在于： 包括以下步骤： 获取视频图像中的RGB颜色直方图特 征； 基于混合高斯背景模型， 提取视频图像中前 景目标的尺度不变特 征变换特征； 特征融合， 融合RGB颜色直方图特 征和目标的尺度不变特 征变换特征； 基于融合后的特征， 计算设定步长之间的直方图差值， 步长为两个视频帧之间的距离， 得到所有可能的步长之和； 对突变和渐变分别设置不同的步长， 根据设定的步长判断每一帧为突变镜头或渐变镜 头。 2.如权利要求1所述的视频镜头边界检测处理方法， 其特征在于： 所述混合高斯背景模 型获取每一帧图像中像素点在某时间段内样本值的概率密度， 根据统计差 分判断各个像素 点是否为视频帧的背景内容。 3.如权利要求1所述的视频镜头边界检测处理方法， 其特征在于： 混合高斯背景模型的 构建过程， 具体为： 假定视频帧中各个像素点是相互独立的， 每个像素点的值经混合分布产生， 该分布由 k 个独立的高斯分布组成， 设像素点的值 为x，t时刻该像素点 值的概率为： 式中， 、 、 分别是t时刻第i个高斯分布的权 重、 均值和协方差； 设像素点的RGB三个通道相互独立并具有相同的方差， 则： 假设像素点的RGB三个通道相互独立并具有相同的方差， 则： 若满足： ， 则Xt和该高斯模型 是匹配的； 更新各模型的参数， 并将权 重归一化， 根据前 B个高斯分布建立背景模型： 其中T为阈值，B指排序后的 K个高斯分布中的前 B个高斯分布是该背景像素的最佳描 述； 检测每个像素值都与其得到的前 B个高斯分布之间的匹配关系， 如果该像素值与前 B个 高斯分布之一匹配， 则该像素点 为背景点， 否则为前 景。 4.如权利要求1所述的视频镜头边界检测处理方法， 其特征在于： 提取视频图像中前景 目标的尺度不变特 征变换特征， 包括： 进行尺度空间检测初步确定关键点的位置和所在的尺度； 拟合三维二次函数， 将对比度低的关键点和不稳定的边缘响应点去 除， 进一步确定关 键点的位置和尺度； 根据关键点邻域像素梯度方向的分布特性， 为每个关键点指定方向参数， 完成关键点 检测； 生成尺度不变特 征变换特征向量。权　利　要　求　书 1/2 页 2 CN 115376053 A 25.如权利要求4所述的视频镜头边界检测处理方法， 其特征在于： 提取视频图像中前景 目标的尺度不变特 征变换特征， 还包括： 得到尺度不变特征变换特征向量后， 每个关键点具有方向、 所在尺度以及位置三个方 面的信息 。 6.如权利要求1所述的视频镜头边界检测 处理方法， 其特征在于： 基于融合后的特征， 计算设定步长之间的直方图差值， 步长为两个视频帧之间的距离， 得到所有可能的步长之 和， 具体为： 定义两个帧在多步之间的距离为： 式中，sigma(n,l) 表示h(n‑l,i)与h(n+1+l,i) 两帧之间的直方图差异， W和H代表帧的 宽和高。 7.如权利要求6所述的视频镜头边界检测处理方法， 其特征在于： 定义 mu(n,l)以限制 摄像机抖动或摄 像机运动， 具体为： 式中，L是sigma(k,l) 中使用的最大步长， 所有可能的步长之和为： 式中，L是最大步长， eta(n,l,L) 表示sigma(n,l) 与限制物体运动或摄像机运动 而引起 的时间局部均值 mu(n,l)之差。 8.视频镜 头边界检测处 理系统， 其特 征在于： 包括： 全局特征提取模块， 被 配置为： 获取视频图像中的RGB颜色直方图特 征； SIFT特征提取模块， 被配置为： 基于混合 高斯背景模型， 提取视频图像中前景目标的尺 度不变特 征变换特征； 特征融合模块， 被配置为： 融合RGB颜色直方图特征和目标的特征尺度不变特征变换特 征； 帧间差分析模块， 被配置为： 基于融合后的特征， 计算设定步长之间的直方图差值， 步 长为两个视频帧之间的距离， 得到每一帧所有可能的步长之和； 镜头检测模块， 被配置为： 对突变和渐变分别设置不同的步长， 根据设定的步长判断每 一帧为突变镜头或渐变镜头。 9.一种计算机可读存储介质， 其特征在于： 存储有计算机程序， 该程序被处理器执行时 实现如上述权利要求1 ‑7任一项所述的视频镜 头边界检测处 理方法中的步骤。 10.一种计算机设备， 其特征在于： 包括存储器、 处理器及存储在存储器上并可在处理 器上运行 的计算机程序， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的视 频镜头边界检测处 理方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115376053 A 3