镜头检测一直是数字视频处理领域的一个重要课题。镜头是组成视频的最基本的单元,镜头检测就意味着为视频的结构化表示提供基础,使更高层的语义视频处理成为可能。 本文首先介绍了镜头检测的研究现状,而后针对镜头检测中存在的问题,分别给出了基于统计模型的镜头突变检测方法以及基于EM曲线拟合的镜头渐变检测方法。本文的研究成果如下: 介绍了镜头检测的概念、研究的背景和研究的理论以及应用意义,总结了镜头突变检测和镜头渐变检测的方法,并指出了现有方法中需要关注的问题。 针对镜头检测中的需要关注的问题(相似性度量、运动检测以及光照变化)进行了详细分析。相似性度量中介绍了灰度、运动特征、直方图、边缘等相似性度量特征和方法。运动检测分别介绍了如何避免摄像机运动和视频中物体运动造成的镜头边界误检。光照变化处理中介绍了常用的闪光灯避免方法。 针对现有镜头突变检测中存在的问题,提出了一种基于统计模型的镜头突变检测方法。该方法中,采用了一种基于运动补偿的特征,来减小视频序列中运动物体对检测结果的影响;采用统计模型来建模镜头检测过程,充分考虑了先验和后验概率:最后对视频中闪光灯造成的亮度突然变化进行了检测,避免了误检。在加速算法中,采用了跳帧的方法取得了很好的加速效果。 提出了一种新的基于EM曲线拟合的镜头渐变检测方法。首先在滑动窗口中使用自适应的阈值来选择候选的镜头渐变;其次使用Kalman滤波对候选镜头渐变进行前向和后向的边界搜索;而后使用EM曲线拟合对得到的镜头渐变进行拟合,从而得到一系列的参数;最后使用决策树进行决策,判断是否为镜头渐变。