基于模板与色矩的新闻视频主持人镜头检测

王艳 陈姝君

摘要：通過对新闻视频中主持人镜头的分析，提出基于模板色矩的主持人镜头检测算法。实验表明，该方法能较准确地检测出主持人镜头，具有一定的鲁棒性。

关键词：主持人镜头检测；主持人模板；色矩1引言

由于主持人镜头是新闻视频中的重要结构特征，因此，主持人镜头的检测始终是新闻视频分析的一个重要方面。许多研究者对这个问题进行过研究和探索，比如：利用模板匹配来进行检测[1]；利用主持人镜头会在整个视频段中反复出现，并以此作为检测的依据[2]等等。这些方法效果大都不错，但算法都比较复杂，计算量较大。

2主持人模板的提取与色矩的计算

新闻视频中的主持入镜头，是一类具有鲜明特征的镜头，其一般形式为一个或两个主持人，在固定的演播室背景前进行新闻报道，主持人镜头实例如图1。通过观察可以发现，主持人的位置以及字幕、台标和节目标志的出现位置，都有严格的规定，由此可以建立了主持人镜头的空间结构模型2。图中，区域A-D分别代表主持人、台标、字幕和节目标志所出现的区域。从简化算法和降低计算复杂性方面考虑，本文根据主持人镜头的背景不变性进行检测[3]。从不变的背景出发，通过色矩计算和模板匹配来进行主持人镜头的检测。

本文的主持人镜头检测方法如下：提取到主持人帧模板，计算如图3各子块的色矩作为模板色矩，通过计算关键帧各子块的色矩向量与模板色矩向量的欧式距离，进行匹配，从而判定关键帧是不是主持人帧，从而判定关键帧所在镜头是不是主持人镜头。在音频特性上，第一个主持人镜头出现之前会有一段音乐过渡，并且从音乐向语音的过渡中间，有一个较长的静音片段。由于音视频具有同步性，检测到静音帧后的第一或第二帧的图像必定是主持人帧，从中可以提取到主持人帧的模板。

色矩是由Stricker和Orengo提出的一种简单而有效的颜色特征[4]。它的数学基础是图像中任何的色彩分布均可以用它的矩来表示。由于颜色分布信息主要集中在低阶矩中，这里仅用色彩的一阶矩(mean，均值)、二阶矩(variance，方差)就足以表达图像的颜色分布，其数学表达式为：

其中，pij表示图像中第j个像素的第i个分量，这里在HSI颜色空间进行计算。

3主持人镜头的算法

主持人镜头具体算法步骤如下：

Step1.根据音视频的同步性，先是一段音乐，检测到静音帧后的第一或第二帧的图像必定是主持人帧，提取主持人帧的模板。

Step2.计算主持人帧模板的各子块色矩作为模板色矩。

Step3.计算各关键帧的各子块色矩，与主持人帧模板的模板色矩进行匹配，确定关键帧是否是主持人帧，从而确定关键帧所在镜头是否是主持人镜头。

4实验结果

实验采用中央一台长达30分钟的8个新闻联播进行主持人镜头检测，共检测出72个主持人镜头，无误检，无漏检，查准率和查全率都达到了100%。

[参考文献]

[1]王润生.图像理解.长沙：国防科技大学出版社,1995.

[2]马宇飞,等.新闻视频中的口播帧检测方法的研究.软件学报.2001（3）27-31.

[3]徐峻,等.新闻视频中主持人镜头识别方法的研究.计算机工程.2002：Vol 28 NO.3.

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