1、隨著時(shí)代的進(jìn)步與科技的發(fā)展，浩如煙海的視頻數(shù)據(jù)表現(xiàn)了社會(huì)與生活的方方面面。如何對(duì)視頻信息進(jìn)行檢索與分類，當(dāng)前已經(jīng)成為一個(gè)迫切需要解決的課題。為了有效地從視頻媒體庫(kù)中獲得所需要的信息，必須對(duì)視頻信息進(jìn)行有效地組織與索引。因此，進(jìn)行基于內(nèi)容的視頻檢索與分類的研究已逐漸成為多媒體技術(shù)領(lǐng)域的研究熱點(diǎn)。
　　本文概要的敘述了基于內(nèi)容的視頻檢索與分類技術(shù)中的視頻數(shù)據(jù)特點(diǎn)、視頻結(jié)構(gòu)化以及關(guān)鍵技術(shù)等，著重對(duì)視頻檢索與分類中鏡頭分割與關(guān)鍵幀提取這兩

2、項(xiàng)關(guān)鍵技術(shù)進(jìn)行了研究。在現(xiàn)有的視頻分割研究成果基礎(chǔ)上，提出了一種基于自適應(yīng)雙閾值的改進(jìn)算法。該算法采用權(quán)重不同的優(yōu)化分塊策略，并通過(guò)剔除一部分影響較大的幀間差值來(lái)減少了外圍因素的干擾，與改進(jìn)前算法比較，突變閾值稍有降低，提高了鏡頭邊界檢測(cè)的查全率，同時(shí)漸變閾值也稍有降低，克服了漸變中幀間差別很小的幀的影響。本文還在前人視頻關(guān)鍵幀提取的研究基礎(chǔ)上，提出了一種改進(jìn)基于互信息的視頻關(guān)鍵幀提取算法。該算法對(duì)關(guān)鍵幀數(shù)目的確定進(jìn)行了優(yōu)化，使關(guān)鍵幀數(shù)

3、目能夠根據(jù)視頻內(nèi)容自動(dòng)調(diào)整大小，增加了關(guān)鍵幀數(shù)目的自適應(yīng)性，并且將以前單個(gè)鏡頭的關(guān)鍵幀提取擴(kuò)展到了多個(gè)鏡頭以至于整個(gè)視頻的關(guān)鍵幀提取，最終使提取的關(guān)鍵幀更好的描述視頻內(nèi)容。同時(shí)，本文用主成分分析對(duì)提取的特征進(jìn)行降維處理，利用遺傳算法來(lái)達(dá)到SVM分類器參數(shù)優(yōu)化的目的。在保證識(shí)別精度的前提下減小特征維數(shù)，對(duì)顏色特征進(jìn)行優(yōu)化，找出更有利于準(zhǔn)確分類的特征子集。同時(shí)，優(yōu)化分類器的參數(shù)選取來(lái)提高分類器的分類準(zhǔn)確率和分類速度。本文還對(duì)視頻檢索與分類系

4、統(tǒng)進(jìn)行模塊化設(shè)計(jì)，并分別詳細(xì)的介紹了各個(gè)模塊。
　　實(shí)驗(yàn)結(jié)果表明，在測(cè)試集上，本文的鏡頭邊界檢測(cè)改進(jìn)算法的平均查全率和查準(zhǔn)率均高于自適應(yīng)雙閾值算法，分別達(dá)到了87.86％和93.91％，取得了很好的鏡頭邊界檢測(cè)效果。本文的關(guān)鍵幀提取改進(jìn)算法針對(duì)總幀數(shù)為12470，鏡頭數(shù)為115的動(dòng)漫視頻進(jìn)行關(guān)鍵幀提取，提取了21個(gè)視頻幀為關(guān)鍵幀，而未改進(jìn)算法針對(duì)總幀數(shù)為605，鏡頭數(shù)為11的動(dòng)漫視頻進(jìn)行關(guān)鍵幀提取，提取了13幀作為關(guān)鍵幀，上述數(shù)據(jù)