A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Sumarização de vídeo Edward Cayllahua

Apresentações semelhantes


Apresentação em tema: "Sumarização de vídeo Edward Cayllahua"— Transcrição da apresentação:

1 Sumarização de vídeo Edward Cayllahua

2 Índice o Introdução o Objetivo o Modelos o Análise De Complexidade o Resultados o Conclusões

3 Introdução o Sumarização de vídeo é o processo de extração de um resumo do conteúdo original do vídeo. o O objetivo é fornecer rapidamente a informação do conteúdo do vídeo, preservando a mensagem do vídeo original

4 Introdução o Por que é necessário resumir vídeos? Dia a dia um monte de informação é produzida na televisão, internet, etc. O vídeo é um dos mais utilizados hoje.

5 Introdução o Por que é necessário resumir vídeos? A quantidade de vídeos cresce exponencialmente. uma pessoa não pode processar todos os vídeos é necessário desenvolver um modelo que sintetiza um vídeo

6 Introdução o Tipos de resumos: Estáticos: Extração de um conjunto de quadros-chave do vídeo original. Dinâmicos: Extração de um conjunto de clips do vídeo original. o Os clips são elementos que podem conter informações de som e movimento

7 Objetivo Desenvolver um método para sumarização de vídeo estático baseado em características espaço-temporais

8 Modelos o Um vídeo: é uma seqüência de frames consecutivos. o Frame: uma única imagem em um filme. o keyframe : Um único frame que pode representar outros frames no mesmo vídeo.

9 Modelos o A Video Summarization Approach based on Machine Learning Detecta principais características, tais como valores de pixel, bordas e histogramas. Machine Learning é usado como um sistema para prever transições de vídeo Se o valor exceder um limite, então um keyframe é detectado Um vídeo é construído usando o keyframes

10 Modelos o An Improved Sub-optimal Video Summarization Algorithm O usuário define o tamanho final do resumo ( T ). Depois, o método calcula as distorções dos frames Se a distorção é grande e não chegamos a T, o quadro é adicionado ao resumo de vídeo. O processo é rápido, mas não suficientemente robusto.

11 Modelos o Video Summarization from Spatio-Temporal Features Detectamos as características espaço-temporal do vídeo usando a matriz hessiana. Estas características são usadas para calcular o nível de atividade do frame Se este nível é muito alto, então podemos sinalizar este frame como um keyframe. Um vídeo é construído usando o keyframes

12

13 Modelos Video Summarization from Spatio-Temporal Features Cada frame pode ser considerado como uma imagem O frame pode ser representado como: Onde representa a informação espacial. Representa a informação temporal

14 Modelos o Video Summarization from Spatio-Temporal Features Hessian Matrix

15 Modelos o Video Summarization from Spatio-Temporal Features Máscaras usadas:

16 Modelos Video Summarization from Spatio-Temporal Features Nível de atividade de um quadro o é um valor fixo. o Se contecer, marcamos o pixel. o Os pixels marcados são contadas eo valor total é o nível de atividade do frame

17 Modelos Video Summarization from Spatio-Temporal Features Nível de atividade de um filme

18 Modelos Video Summarization from Spatio-Temporal Features keyframes são identificados com o máximo local

19 Modelos Video Summarization from Spatio-Temporal Features.

20 Análise De Complexidade o Um vídeo contém frames. o Cada Frame contém pixels o Por cada Frame, 24 operações locais são realizadas

21 Resultados

22 Conclusões o A parte mais importante na sumarização de vídeo é dar um modelo sólido para extrair os keyframes. o Subjetividade, algo que pode ser importante para uma pessoa, pode não ser importante para outra. o Esta área de pesquisa ainda é muito jovem. Não há um banco de dados standard para os testes


Carregar ppt "Sumarização de vídeo Edward Cayllahua"

Apresentações semelhantes


Anúncios Google