基于粒子群的关键帧提取算法

计算机应用 ›› 2011, Vol. 31 ›› Issue (02): 358-361.

基于粒子群的关键帧提取算法

张建明¹,蒋兴杰²,李广翠³,姜靓³

1. 江苏大学计算机科学与通信工程学院
2. 江苏大学
3.

收稿日期:2010-07-20 修回日期:2010-09-11 发布日期:2011-02-01 出版日期:2011-02-01
通讯作者: 蒋兴杰
基金资助:
江苏省自然科学基金;国家自然科学基金资助项目

Key frame extraction based on particle swarm optimization

Received:2010-07-20 Revised:2010-09-11 Online:2011-02-01 Published:2011-02-01

摘要/Abstract

摘要： 关键帧提取是基于内容的视频检索中的重要一步，为了能够有效地提取出不同类型视频的关键帧，提出一种基于粒子群的关键帧提取算法。该方法首先提取出视频中每帧的全局运动和局部运动特征，然后通过粒子群算法自适应地提取视频关键帧。实验结果表明，采用该算法对不同类型的视频提取出的关键帧具有较好的代表性。

关键词: 视频检索, 关键帧提取, 粒子群, 运动特征

Abstract: Key frame extraction was an important step in video retrieval. In order to effectively extract key frames of different video types, a key frame extraction algorithm based on particle swarm was proposed in this paper. This method first extracted the global motion and local motion features in each frame, and video key frame was extracted by Particle Swarm Optimization (PSO) adaptively. The experimental results show that the key frame extraction algorithm for different types of video is more representative.

Key words: video retrieval, key frame extraction, Particle Swarm Optimization (PSO), motion characteristic

张建明蒋兴杰李广翠姜靓. 基于粒子群的关键帧提取算法[J]. 计算机应用, 2011, 31(02): 358-361.

[1]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[2]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[3]	唐延强, 李成海, 宋亚飞. 基于改进粒子群优化和极限学习机的网络安全态势预测[J]. 计算机应用, 2021, 41(3): 768-773.
[4]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[5]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.
[6]	王泽昆, 贺毅朝, 李焕哲, 张发展. 基于新颖S型转换函数的二进制粒子群优化算法求解具有单连续变量的背包问题[J]. 计算机应用, 2021, 41(2): 461-469.
[7]	曹建荣, 吕俊杰, 武欣莹, 张旭, 杨红娟. 融合运动特征和深度学习的跌倒检测算法[J]. 计算机应用, 2021, 41(2): 583-589.
[8]	郭秀婷, 朱昶胜, 张生财, 赵奎鹏. 分形插值在风速时间序列中的应用[J]. 计算机应用, 2020, 40(9): 2628-2633.
[9]	罗斌, 于波. 移动边缘计算中基于粒子群优化的计算卸载策略[J]. 计算机应用, 2020, 40(8): 2293-2298.
[10]	曾明华, 全轲. 双层规划的改进混合布谷鸟搜索量子行为粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1908-1912.
[11]	徐晓强, 秦品乐, 曾建朝. 基于改进粒子群优化算法的牙齿正畸路径规划方法[J]. 计算机应用, 2020, 40(7): 1938-1943.
[12]	周文峰, 梁晓磊, 唐可心, 李章洪, 符修文. 具有拓扑时变和搜索扰动的混合粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1913-1918.
[13]	霍晴晴, 郭健全. 基于改进遗传算法的生鲜多目标闭环物流网络模型[J]. 计算机应用, 2020, 40(5): 1494-1500.
[14]	许洋, 秦小林, 刘佳, 张力戈. 多无人机自适应编队协同航迹规划[J]. 计算机应用, 2020, 40(5): 1515-1521.
[15]	施晓倩, 陈祺东, 孙俊, 冒钟杰. 变分布的量子行为粒子群优化算法求解工程约束优化问题[J]. 计算机应用, 2020, 40(5): 1382-1388.