·500· 智能系统学报 第6卷 式中：xp、-)、S-)八5M,0分别是xr、 2.3.1镜头分割 -)Sp:-)SMp的行向量形式.因此，ICA可以 视频镜头分割，又称为视频时间上的分割，是视 用来分离视频中相邻2帧之间的静态分量信息和运 频处理中一个重要的研究方向，视频分割就是按照 动分量信息.图11是利用FastICA对一段视频中相 场景内容的变化将视频在时间上分成不同的段.镜 邻2帧进行分解的结果. 头分割的方法主要有：基于像素的、基于块的、基于 直方图的方法等4 静态分量 2.3.2视频独立内容特征(VICF) 1)主独立分量分析. 一般地，在进行ICA分解前，先将观察信号利用 ICA 主分量分析(PCA)进行预白化.若在白化过程中，只 选择观察信号的协方差矩阵中主要特征值所对应的 特征向量来构造白化阵，就可以实现降维，并在后面 后顿 动态分量 的ICA中达到对主要独立分量的优化估计，这个过程 图11ICA分解两相邻视频帧得到的结果 被称为主独立分量分析.主独立分量分析和一般独立 Fig.11 ICA analysis on two consecutive frames 分量分析的不同就在于白化时是否进行降维.镜头中 文献[13]证明边缘是图像的独立成分，而由动 的VICP就是通过主独立分量分析提取的， 态分量图可以看出，视频帧中物体的运动轨迹就是 2)视频独立内容特征(VICF) 通过边缘体现出来的.边缘突出的地方表明发生了 将同一个镜头内视频帧作为ICA模型中的观 剧烈的运动，边缘模糊的地方只发生轻微的运动，没 察信号进行PICA分解，就可以得到基于视频内容 有边缘的地方即没有相对运动，这一结果反映了视 的独立特征VICF, 频帧的相对运动分量，有效地描述了视频的运动过 令PICA分解中的观察信号为xW= 程，而提取过程避免了传统运动估计方法中重复性 [xx…x怀]T,则x是镜头中第i帧F:的列向 的块操作，减少了计算量。 量形式，长度为p×q,P、9分别为视频帧的行、列数， 同时，利用帧差法得到的帧间相对运动信息与 M是镜头（视频段）中的总帧数.用FastICA算法对 其使用的参考帧有关，即帧间相对运动信息与静止 它们进行主独立分量分解(FastICA)p得到sc= 的背景信息之间存在相关性.因此，虽然帧差法算法 [scsc…sc]T,其中N为分解得到的独立分量的 简单，可以较快地提取视频帧间相对运动信息，但提 个数 取的运动信息并不是真正意义上的帧间相对运动信 Sic FastICA(xvr). 息，在应用中鲁棒性较弱.而使用ICA提取的帧间 将得到的每个独立分量si转化为矩阵形式 相对运动信息是惟一的，与静止的背景信息是相互 Vs,V就是视频独立内容特征VICF.以手弹钢琴 独立的，可以很好地表示视频相邻2帧之间发生的 的视频51为例进行VICF分析.视频中5个手指分 运动情况，并且在应用中具有较强的鲁棒性 别对应地弹下5个键，而且只弹下5个键.以拇指弹 2.3视频的独立内容特征 下的键作为1号键，食指弹下的键作为2号键，依次 连续帧动态分量的表示方法能够很好地体现出 类推.弹键的顺序是1-2-3-4-2-3-1-5，图12列出了视 视频中的运动成分，但是这种成分是由视频的连续帧 频中的任意几帧. 获得的，表示的只是特定时间点上的运动信息，无法 反映视频的整体信息.与此同时，人们发现视频中同 一个视频场景中运动的对象、时序等不发生变化，由 此提出基于独立内容特征的视频表示方法， 基于独立内容特征的视频表示方法首先要将视 图12手弹钢琴视频中的帧 频进行镜头分割，即根据场景将视频按内容在时间 Fig.12 Frames in the video of fingers playing piano 上划分成段，在每段中利用主独立分量分析(princi-- 图13是用FastICA对这段视频进行主独立分 pal independent component analysis,PICA)提取出基 量分析的结果，在进行P℃A预白化时，维数降至6， 于这段视频的内容特征—视频独立内容特征 b1-b6是得到的6个ICF;P1P6为PCA白化后得到 (video independent content feature,VICF). 的6个主特征分量的帧形式.图13（a)~(f)是PI-