李强军，李启南

(兰州交通大学 电子与信息工程学院，甘肃 兰州 730070)

0 引 言

视频作为信息的一种载体，普遍化程度越来越高，在各个领域的应用也越来越广泛，同时也伴随着非法盗版，不健康，暴力等视频数据在网络上的肆意流窜。面对海量视频数据，如何快速、有效、准确地查找出需要的视频资源，已然成为一个迫切需要解决的问题。在视频分析处理过程中，首先是对镜头进行分割，然后进行视频帧的分析、提取、检索等处理。然而后续处理的效果很大程度上都受镜头分割情况的影响，好的镜头分割对于内容帧的分析处理是极其重要的。正因为如此，视频镜头的分析算法受到了越来越多的关注和研究[1]。

近年来，研究人员提出了许多镜头分割方法。Yeo等[2]提出一种通过MPEG压缩视频的DC序列对视频镜头边界进行检测的算法，但是算法本身的应用范围相对较窄，对视频的变化要求较高。韩冰等[3]提出用粗糙集和模糊聚类的方法检测视频镜头边界，虽然加入了聚类的方法在一定程度上可以提高检测效率，但是具体的算法优化空间不大。巢娟等[4]提出了基于多阈值检测的算法，通过设定一个高阈值和一个低阈值，将较高的阈值用于切变检测，较低的阈值用于渐变检测，该算法复杂度较低，但是对噪声、光线的剧烈变化以及镜头或物体的运动非常敏感。刘嘉琦等[5]利用基于多模态特征融合的分割算法，对视频中的音频、画面、主题、文本等进行综合考虑并结合视频的结构特征进行镜头分割，该算法准确率较高，但是高的准确率依赖于声音、图像、文本等各个方面的综合分析，实现起来比较复杂，并且运算量大。……