基于ORB的镜头边界检测算法

被引：9

作者：

唐剑琪 ^{[1
]}

谢林江 ^{[2
]}

袁庆生 ^{[1
]}

张冬明 ^{[3
]}

包秀国 ^{[1
]}

郭薇 ^{[4
]}

机构：

[1] 不详

[2] 国家计算机网络应急技术处理协调中心

[3] 不详

[4] 北京邮电大学信息与通信工程学院

[5] 中国科学院计算技术研究所

[6] 工业和信息化部电信研究院

[7] 不详

来源：

通信学报 | 2013年 / 11期

关键词：

视频; 镜头边界检测; 局部特征; ORB;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

场景中摄像机移动、对象运动、光亮突变等现象的存在导致现有镜头边界检测算法的顽健性不足,为了有效应对这些变化,提出一种基于ORB的镜头边界检测算法,算法通过计算图像帧之间ORB描述子的匹配程度进行镜头边界检测。在检测过程中使用特征点匹配数和匹配率对镜头边界的特点进行描述,并以相似度曲线描述图像帧之间的关系。实验结果表明,该算法可以有效解决上述问题造成的镜头误检、漏检,同时处理速度也获得了明显提升。

引用

页码：184 / 190

页数：7

共 4 条

[1] Contrast context histogram - An efficient discriminating local descriptor for object recognition and image matching [J].

Huang, Chun-Rong ;

Chen, Chu-Song ;

Chung, Pau-Choo .

PATTERN RECOGNITION, 2008, 41 (10) :3071-3077

[2]

Speeded-Up Robust Features (SURF)[J] . Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool. Computer Vision and Image Understanding . 2007 (3)

[3]

Video scene change detection using neural network: Improved ART2[J] . Man-Hee Lee,Hun-Woo Yoo,Dong-Sik Jang. Expert Systems With Applications . 2005 (1)

[4]

Distinctive Image Features from Scale-Invariant Keypoints.[J] . David G. Lowe. International Journal of Computer Vision . 2004 (2)

← 1 →