王艷 陳姝君

摘要：通過(guò)對(duì)新聞視頻中主持人鏡頭的分析，提出基于模板色矩的主持人鏡頭檢測(cè)算法。實(shí)驗(yàn)表明，該方法能較準(zhǔn)確地檢測(cè)出主持人鏡頭，具有一定的魯棒性。

關(guān)鍵詞：主持人鏡頭檢測(cè)；主持人模板；色矩1引言

由于主持人鏡頭是新聞視頻中的重要結(jié)構(gòu)特征，因此，主持人鏡頭的檢測(cè)始終是新聞視頻分析的一個(gè)重要方面。許多研究者對(duì)這個(gè)問(wèn)題進(jìn)行過(guò)研究和探索，比如：利用模板匹配來(lái)進(jìn)行檢測(cè)[1]；利用主持人鏡頭會(huì)在整個(gè)視頻段中反復(fù)出現(xiàn)，并以此作為檢測(cè)的依據(jù)[2]等等。這些方法效果大都不錯(cuò)，但算法都比較復(fù)雜，計(jì)算量較大。

2主持人模板的提取與色矩的計(jì)算

新聞視頻中的主持入鏡頭，是一類具有鮮明特征的鏡頭，其一般形式為一個(gè)或兩個(gè)主持人，在固定的演播室背景前進(jìn)行新聞報(bào)道，主持人鏡頭實(shí)例如圖1。通過(guò)觀察可以發(fā)現(xiàn)，主持人的位置以及字幕、臺(tái)標(biāo)和節(jié)目標(biāo)志的出現(xiàn)位置，都有嚴(yán)格的規(guī)定，由此可以建立了主持人鏡頭的空間結(jié)構(gòu)模型2。圖中，區(qū)域A-D分別代表主持人、臺(tái)標(biāo)、字幕和節(jié)目標(biāo)志所出現(xiàn)的區(qū)域。從簡(jiǎn)化算法和降低計(jì)算復(fù)雜性方面考慮，本文根據(jù)主持人鏡頭的背景不變性進(jìn)行檢測(cè)[3]。從不變的背景出發(fā)，通過(guò)色矩計(jì)算和模板匹配來(lái)進(jìn)行主持人鏡頭的檢測(cè)。

本文的主持人鏡頭檢測(cè)方法如下：提取到主持人幀模板，計(jì)算如圖3各子塊的色矩作為模板色矩，通過(guò)計(jì)算關(guān)鍵幀各子塊的色矩向量與模板色矩向量的歐式距離，進(jìn)行匹配，從而判定關(guān)鍵幀是不是主持人幀，從而判定關(guān)鍵幀所在鏡頭是不是主持人鏡頭。在音頻特性上，第一個(gè)主持人鏡頭出現(xiàn)之前會(huì)有一段音樂(lè)過(guò)渡，并且從音樂(lè)向語(yǔ)音的過(guò)渡中間，有一個(gè)較長(zhǎng)的靜音片段。由于音視頻具有同步性，檢測(cè)到靜音幀后的第一或第二幀的圖像必定是主持人幀，從中可以提取到主持人幀的模板。

色矩是由Stricker和Orengo提出的一種簡(jiǎn)單而有效的顏色特征[4]。它的數(shù)學(xué)基礎(chǔ)是圖像中任何的色彩分布均可以用它的矩來(lái)表示。由于顏色分布信息主要集中在低階矩中，這里僅用色彩的一階矩(mean，均值)、二階矩(variance，方差)就足以表達(dá)圖像的顏色分布，其數(shù)學(xué)表達(dá)式為：

其中，pij表示圖像中第j個(gè)像素的第i個(gè)分量，這里在HSI顏色空間進(jìn)行計(jì)算。

3主持人鏡頭的算法

主持人鏡頭具體算法步驟如下：

Step1.根據(jù)音視頻的同步性，先是一段音樂(lè)，檢測(cè)到靜音幀后的第一或第二幀的圖像必定是主持人幀，提取主持人幀的模板。

Step2.計(jì)算主持人幀模板的各子塊色矩作為模板色矩。

Step3.計(jì)算各關(guān)鍵幀的各子塊色矩，與主持人幀模板的模板色矩進(jìn)行匹配，確定關(guān)鍵幀是否是主持人幀，從而確定關(guān)鍵幀所在鏡頭是否是主持人鏡頭。

4實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)采用中央一臺(tái)長(zhǎng)達(dá)30分鐘的8個(gè)新聞聯(lián)播進(jìn)行主持人鏡頭檢測(cè)，共檢測(cè)出72個(gè)主持人鏡頭，無(wú)誤檢，無(wú)漏檢，查準(zhǔn)率和查全率都達(dá)到了100%。

[參考文獻(xiàn)]

[1]王潤(rùn)生.圖像理解.長(zhǎng)沙：國(guó)防科技大學(xué)出版社,1995.

[2]馬宇飛,等.新聞視頻中的口播幀檢測(cè)方法的研究.軟件學(xué)報(bào).2001（3）27-31.

[3]徐峻,等.新聞視頻中主持人鏡頭識(shí)別方法的研究.計(jì)算機(jī)工程.2002：Vol 28 NO.3.

[4]Stricker M，Orengo M．Similarity of color images．SPIE Storage and Retrieval for Image and Video Databases III，F(xiàn)eb.1995，2185：381-392．