專利名稱：視頻縮略圖智能選取方法
技術領域：
本發(fā)明涉及圖片選取方法，特別涉及一種通過計算機圖像處理進行的視頻縮略圖智能選取方法。
背景技術：
在視頻網站的日常應用中，有一項重要的技術就是從視頻文件中抽取一幀圖像作 為該視頻文件的代表圖片，我們稱該圖片為視頻文件的縮略圖。目前我們的做法是從視頻 文件中抽取八張縮略圖，并設置第四張作為默認的縮略圖。這種采用固定位置方法來默認 而得到的縮略圖通常不是八張縮略圖中最具有代表性的縮略圖。我們采用了一些方法可以 解決這個問題，比如(1)用戶可以通過自定義的方法來確定哪張圖片作為默認的縮略圖，賦予網站工作人員選擇哪張圖片作為默認縮略圖的權利。雖然上述方法可以解決這個 問題，但是實際仍然無法滿足要求，這是因為(1)通過數據分析，我們知道用戶通常不會或 很少自定義縮略圖(2)由于每日上傳到視頻網站的視頻文件數量十分眾多，通過網站工作 人員來定義縮略圖的工作量十分繁重?；谏鲜鰞蓚€原因，我們發(fā)明一種能夠通過計算機 圖像處理的方法來自動的選擇具有代表性的縮略圖作為默認的縮略圖的方法。P. Viola和M. Jones等人在2001年的計算機視覺和模式識別國際會議上 (Proceedings ofComputer Vision and Pattern Recognition, 2001)提出的《米用簡單 特征的層疊式提升方法進行快速物體檢測》(Rapid Object Detection Using a Boosted Cascade of SimpleFeatures.)方法進行檢測的。有鑒于此，本領域技術人員針對上述問題，提供了一種能夠通過計算機圖像處理 方法來自動的選擇具有代表性的縮略圖作為默認的縮略圖的視頻縮略圖智能選取方法。

發(fā)明內容
本發(fā)明提供了一種視頻縮略圖智能選取方法，克服了現有技術的困難，以達到通 過計算機圖像處理方法來自動的選擇具有代表性的縮略圖作為默認的縮略圖的目的。本發(fā)明采用如下技術方案本發(fā)明提供了一種視頻縮略圖智能選取方法，用于從一段視頻中選出一張代表該 視頻的縮略圖，包括以下步驟(1)獲取一段視頻的N張縮略圖，其中，2100，且N是常數；(2)對每張縮略圖計算其正面人臉的位置和大小、側面人臉的位置和大小、全身人 體的位置和大小、上身的位置和大小和下身的位置和大小、灰度直方圖分布值、灰度直方圖 方差分布值、彩色RGB直方圖方差分布值、彩色RGB圖像變成灰度圖像的差異值、灰度圖像 像素點的方差值、彩色RGB圖像像素點的方差值、彩色RGB塊之間的離散距離值等等特征；(3)對每張縮略圖分別通過模糊函數求得上述各特征的分值；(4)對每張縮略圖的特征分值通過加權求值得到最終的一個分數；(5)根據分數的大小對N張縮略圖進行排序；
(6)選用分數最高的縮略圖作為代表該視頻的縮略圖。優(yōu)選地，所述步驟(1)中，采用等間隔抽取方法，根據預先得到的視頻時長，將它 平均分成N等份，然后每一等份抽取一幀作為縮略圖，且N = 8。優(yōu)選地，所述步驟(2)中包括以下步驟 (21)輸入縮略圖，檢測人臉特征，包括正面人臉的位置和大小、側面人臉的位置和 大小，并計算分數值；(22)輸入縮略圖，檢測人體特征，包括全身人體的位置和大小、上身的位置和大小 和下身的位置和大小，并計算分數值；(23)輸入縮略圖，計算灰度直方圖分布值；(24)輸入縮略圖，計算灰度直方圖方差分布值；(25)輸入縮略圖，計算彩色RGB直方圖方差分布值；(26)輸入縮略圖，計算彩色RGB圖像變成灰度圖像的差異值；(27)輸入縮略圖，計算灰度圖像像素點的方差值；(28)輸入縮略圖，計算彩色RGB圖像像素點的方差值；(29)輸入縮略圖，計算彩色RGB塊之間的離散距離值。優(yōu)選地，所述步驟(21)中
'0,當η = 0則正面人臉的分值score_face_frontal = j “；
. =ι其中Wi為正面人臉的寬，η為人臉個數，設W為縮略圖的寬； 其中Wi為側面人臉的寬，η為人臉個數，設W為縮略圖的寬。優(yōu)選地，所述步驟(22)中設(Xi，yi; Wi，比)，i = 1，. . .，η，其中Xi，yi代表人臉位 置，Wi為人臉的寬，η為人臉個數，設W為縮略圖的寬， 則全身的分值 其中Wi為全身人體的寬，η為人數，設W為縮略圖的寬；上身的分值 其中Wi為全身人體上肢的寬，η為人數，設W為縮略圖的寬；下身的分值 ； 其中Wi為全身人體下肢的寬，η為人數，設W為縮略圖的寬。
優(yōu)選地，所述步驟(23)中輸入縮略圖，設其灰度直方圖為gray_hist = (gh_l, gh_2，. .，gh_n)，η為直方圖的個數，tl,t2為整數閾值，Tl和T2為直方圖和的閾值，base_ score為基準分數，則灰度直方圖分布值SCOre_hiSt_diStrib的計算公式為 其中，η = 10，tl = 2，t2 = 8，T1 = 0. 7，T1 = 0. 8，base_score = 1. 0。優(yōu)選地，所述步驟(24)中輸入縮略圖，設其灰度直方圖為gray_hist = (gh_l,
gh—2，· ·，gh—n)，η 為直方圖的個數，
max—num = max(gh—1，gh—2，· ·，gh—η)，
base—score為基準分數，則計算灰度直方圖方差分布值的score—gray—hist—std計算公式
為 其中，η = 64，base—score = 1. 0。優(yōu)選地，所述步驟(25)中分別在R平面、G平面、B平面上直方圖方差分布值，然后 求均值得到彩色RGB直方圖方差分布值score—RGB—hist—std ； ；其中，η = 64，base_score = 1. 0。
優(yōu)選地，所述步驟(26)中輸入縮略圖，設灰度圖像的像素值為Xij，i = 1，. . .，W， j = 1，. . .，H，彩色 RGB 圖像的像素值(、.，giJ, b^.)，i = 1，. . .，W，j = 1，. . .，H，其中 W，H 分別為縮略圖的寬和高，base_scorel和baSe_SCOre2為基準分數，tl為閾值，設則計算彩 色RGB圖像變成灰度圖像的差異值SCOre_rgb2gray_diff的計算公式為 其中， 優(yōu)選地，所述步驟(27)中輸入縮略圖，設灰度圖像的像素值為Xij，i = 1，. . .，W， j = 1，...，H，其中W，H分別為縮略圖的寬和高，則計算灰度圖像像素點的方差值的score— gray—std計算公式為
優(yōu)選地，所述步驟(28)中分別在R平面、G平面、B平面上圖像像素點的方差值，然 后求均值得到彩色RGB圖像像素點的方差值score—RGB—std ； 優(yōu)選地，所述步驟(29)中輸入縮略圖，設彩色RGB圖像的像素值gi，b,), i = 1，. . .，WXH，其中W，H分別為縮略圖的寬和高，base—score為基準分數，則計算彩色RGB塊 之間的離散距離值score—rgb—dist的計算公式為 優(yōu)選地，所述步驟(4)中最終的分值finalscore由下列公式計算得到f inal_score = W1X score_face_frontal+w2 X score_face_prof ile+w3X score_ ful l_body+w4X score_upper_body+w5X score_lower_body+w6X score_hi st_ distrib+w7X score_gray_hist_std+w8X score_RGB_hist_std+w9X score_rgb2gray_ diff+w10X score—gray—std+wnX score—RGB—std ；其中，W1 = 1. 0，W2 = 0. 5，W3 = 0. 5，W4 = 0. 5，W5 = 0. 5，W6 = 0. 5，W7 = 0. 5，W8=1. 2，W9 = 1. 2，W10 = 0. 5，W11 = 1. 2。由于采用了上述技術，與現有技術相比，本發(fā)明具有如下優(yōu)點本發(fā)明能夠通過計算機圖像處理方法來自動的選擇具有代表性的縮略圖作為默認的縮略圖。以下結合附圖及實施例進一步說明本發(fā)明。


圖1為本發(fā)明的視頻縮略圖智能選取方法的流程圖。
具體實施例方式下面通過圖1來介紹本發(fā)明的一種具體實施例。如圖1所示，一種視頻縮略圖智能選取方法，包括以下步驟(1)獲取一個視頻的N張縮略圖，N張縮略圖的獲取方法是采用等間隔抽取方法， 即根據預先得到的視頻時長，將它平均分成N等份，然后每一等份抽取一幀作為縮略圖。這 里取N = 8，但不局限于N = 8，N可以在2到100之間。(2)對每張縮略圖計算其正面人臉的位置和大小、側面人臉的位置和大小、全身人 體的位置和大小、上身的位置和大小和下身的位置和大小、灰度直方圖分布值、直方圖方差 分布值、彩色RGB直方圖方差分布值、彩色RGB圖像變成灰度圖像的差異值、灰度圖像像素 點的方差值、彩色RGB圖像像素點的方差值、彩色RGB塊之間的離散距離值等等特征。(3)分別通過模糊函數求得上述特征的分值。(4)通過加權求值得到最終的一個分數。(5)根據分數的大小對N張縮略圖進行排序。(6)分值最高的縮略圖作為默認的縮略圖。上述步驟(2)，按如下步驟進行(21)輸入縮略圖，檢測人臉特征，包括有正面人臉的位置和大小、側面人臉的位置 和大小；計算分數值；(22)輸入縮略圖，檢測人體特征，包括有全身人體的位置和大小、上身的位置和大 小和下身的位置和大?。挥嬎惴謹抵?；(23)輸入縮略圖，計算灰度直方圖分布值；(24)輸入縮略圖，計算灰度直方圖方差分布值；(25)輸入縮略圖，計算彩色RGB直方圖方差分布值；(26)輸入縮略圖，計算彩色RGB圖像變成灰度圖像的差異值；(27)輸入縮略圖，計算灰度圖像像素點的方差值；(28)輸入縮略圖，計算彩色RGB圖像像素點的方差值；(29)輸入縮略圖，計算彩色RGB塊之間的離散距離值。本發(fā)明的實施方式如下繼續(xù)參見圖1，本發(fā)明的一種視頻縮略圖智能選取方法，用于從一段視頻中選出一 張代表該視頻的縮略圖，包括以下步驟步驟(1)獲取一段視頻的N張縮略圖，其中，2 < NS 100，且N是常數，采用等間 隔抽取方法，根據預先得到的視頻時長，將它平均分成N等份，然后每一等份抽取一幀作為縮略圖，且N = 8。 步驟(2)對每張縮略圖計算其正面人臉的位置和大小、側面人臉的位置和大小、 全身人體的位置和大小、上身的位置和大小和下身的位置和大小、灰度直方圖分布值、灰度 直方圖方差分布值、彩色RGB直方圖方差分布值、彩色RGB圖像變成灰度圖像的差異值、灰 度圖像像素點的方差值、彩色RGB圖像像素點的方差值、彩色RGB塊之間的離散距離值等等 特征；其中Wi為側面人臉的寬，n為人臉個數，設W為縮略圖的寬。所述步驟(22)中設
，...，11，其中\(zhòng)，71代表人臉位置， 為 人臉的寬，n為人臉個數，設W為縮略圖的寬，
「0，當《 = 0 則全身的分值 score_full—body =其中Wi為全身人體的寬，n為人數，設W為縮略圖的寬；
'0，當n = 0上身的分值
. i=l其中Wi為全身人體上肢的寬，n為人數，設W為縮略圖的寬
11
下身的分值 其中Wi為全身人體下肢的寬，n為人數，設W為縮略圖的寬。所述步驟(23)中輸入縮略圖，設其灰度直方圖為gray_hist = (gh_l, gh_2,， gh_n)，n為直方圖的個數，tl，t2為整數閾值，T1和T2為直方圖和的閾值，base_score為 基準分數，則灰度直方圖分布值SCOre_hiSt_diStrib的計算公式為 其中，n = 10，tl = 2，t2 = 8，Tx = 0. 7，Tx = 0. 8，base—score = 1. 0。所述步驟(24)中輸入縮略圖，設其灰度直方圖為gray—hist = (gh—1，gh—2，..，
為直方圖的個數，
為基準分數，則計算灰度直方圖方差分布值的score—gray—hist—std計算公式為

其中，n = 64，base_score = 1. 0。所述步驟(25)中分別在R平面、G平面、B平面上直方圖方差分布值，然后求均值 得到彩色RGB直方圖方差分布值score—RGB—hist—std ； ；其中，n = 64, base_score = 1. 0。所述步驟(26)中輸入縮略圖，設灰度圖像的像素值為Xij，i = 1，...，W，j = 1，. . .，H，彩色 RGB 圖像的像素值(i^.，giJ,、)，i = 1，. . .，W，j = 1，. . .，H，其中 W，H 分 別為縮略圖的寬和高，base_scorel和baSe_SCOre2為基準分數，tl為閾值，設則計算彩色 RGB圖像變成灰度圖像的差異值SCOre_rgb2gray_diff的計算公式為 其中， 所述步驟(27)中輸入縮略圖，設灰度圖像的像素值為Xij，i = 1，...，W，j = 1，...，H，其中W，H分別為縮略圖的寬和高，則計算灰度圖像像素點的方差值的SCOre_ gray_std計算公式為 所述步驟(28)中分別在R平面、G平面、B平面上圖像像素點的方差值，然后求均 值得到彩色RGB圖像像素點的方差值score—RGB—std ； 所述步驟(29)中輸入縮略圖，設彩色RGB圖像的像素值gi，bi)，i = 1，...， WXH，其中W，H分別為縮略圖的寬和高，base—score為基準分數，則計算彩色RGB塊之間的 離散距離值score—rgb—dist的計算公式為 步驟(3)對每張縮略圖分別通過模糊函數求得上述各特征的分值；步驟(4)對每張縮略圖的特征分值通過加權求值得到最終的一個分數，最終的分 值finalscore由下列公式計算得到
f inal_score = X score_face_frontal+w2X score_face_prof ile+w3X score_ ful l_body+w4X score_upper_body+w5X score_lower_body+w6X score_hi st_ distrib+w7X score_gray_hist_std+w8X score_RGB_hist_std+w9X score_rgb2gray_ diff+w10 X score_gray_std+wn X score_RGB_std ；其中，Wj = 1. 0, w2 = 0. 5, w3 = 0. 5, w4 = 0. 5, w5 = 0. 5, w6 = 0. 5, w7 = 0. 5, w8 =1. 2，ff9 = 1. 2，w10 = 0. 5，wn = 1. 2。步驟(5)根據分數的大小對N張縮略圖進行排序；步驟(6)選用分數最高的縮略圖作為代表該視頻的縮略圖。綜上可知，由于采用了上述技術，本發(fā)明具有如下優(yōu)點本發(fā)明能夠通過計算機圖 像處理方法來自動的選擇具有代表性的縮略圖作為默認的縮略圖。以上所述的實施例僅用于說明本發(fā)明的技術思想及特點，其目的在于使本領域內 的技術人員能夠了解本發(fā)明的內容并據以實施，不能僅以本實施例來限定本發(fā)明的專利范 圍，即凡依本發(fā)明所揭示的精神所作的同等變化或修飾，仍落在本發(fā)明的專利范圍內。
權利要求
一種視頻縮略圖智能選取方法，用于從一段視頻中選出一張代表該視頻的縮略圖，其特征在于包括以下步驟(1)獲取一段視頻的N張縮略圖，其中，2≤N≤100，且N是常數；(2)對每張縮略圖計算其正面人臉的位置和大小、側面人臉的位置和大小、全身人體的位置和大小、上身的位置和大小和下身的位置和大小、灰度直方圖分布值、灰度直方圖方差分布值、彩色RGB直方圖方差分布值、彩色RGB圖像變成灰度圖像的差異值、灰度圖像像素點的方差值、彩色RGB圖像像素點的方差值、彩色RGB塊之間的離散距離值等等特征；(3)對每張縮略圖分別通過模糊函數求得上述各特征的分值；(4)對每張縮略圖的特征分值通過加權求值得到最終的一個分數；(5)根據分數的大小對N張縮略圖進行排序；(6)選用分數最高的縮略圖作為代表該視頻的縮略圖。
2.如權利要求1所述的視頻縮略圖智能選取方法，其特征在于所述步驟(1)中，采用 等間隔抽取方法，根據預先得到的視頻時長，將它平均分成N等份，然后每一等份抽取一幀 作為縮略圖，且N = 8。
3.如權利要求2所述的視頻縮略圖智能選取方法，其特征在于所述步驟(2)中包括 以下步驟(21)輸入縮略圖，檢測人臉特征，包括正面人臉的位置和大小、側面人臉的位置和大 小，并計算分數值；(22)輸入縮略圖，檢測人體特征，包括全身人體的位置和大小、上身的位置和大小和下 身的位置和大小，并計算分數值；(23)輸入縮略圖，計算灰度直方圖分布值；(24)輸入縮略圖，計算灰度直方圖方差分布值；(25)輸入縮略圖，計算彩色RGB直方圖方差分布值；(26)輸入縮略圖，計算彩色RGB圖像變成灰度圖像的差異值；(27)輸入縮略圖，計算灰度圖像像素點的方差值；(28)輸入縮略圖，計算彩色RGB圖像像素點的方差值；(29)輸入縮略圖，計算彩色RGB塊之間的離散距離值。
4.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(21)中則正面人臉的分值 其中Wi為正面人臉的寬，η為人臉個數，設W為縮略圖的寬；側面人臉的分值 其中Wi為側面人臉的寬，η為人臉個數，設W為縮略圖的寬。
5.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(22)中設 (Xi, Yi, W1,K),! = I,..., Π，其中Xi，Yi代表人臉位置，Wi為人臉的寬，η為人臉個數，設W為縮略圖的寬， 則全身的分值 其中Wi為全身人體的寬，η為人數，設W為縮略圖的寬； 上身的分值 其中Wi為全身人體上肢的寬，η為人數，設W為縮略圖的寬； 下身的分值 其中K為全身人體下肢的寬，η為人數，設W為縮略圖的寬。
6.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(23)中輸入 縮略圖，設其灰度直方圖為gray_hist = (gh_l, gh_2, . .，gh_n), η為直方圖的個數，tl， t2為整數閾值，Tl和T2為直方圖和的閾值，baSe_SCOre為基準分數，則灰度直方圖分布值 score_hist_distrib 的計算公式為-
7.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(24)中輸 入縮略圖，設其灰度直方圖為gray_hist = (gh_l, gh_2, ..，gh_n)，η為直方圖的個數，
8.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(25)中分別 在R平面、G平面、B平面上直方圖方差分布值，然后求均值得到彩色RGB直方圖方差分布值 score—RGB—hist—std ；
9.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(26)中輸入 縮略圖，設灰度圖像的像素值為xu，i = 1，...，W，j = 1，...，H，彩色RGB圖像的像素值 (^,gij^ij),! = 1，· · ·，W，j = 1，· · ·，H，其中 1，!1分別為縮略圖的寬和高^386_8(；0儀1和 base_score2為基準分數，tl為閾值，設則計算彩色RGB圖像變成灰度圖像的差異值sCOre_ rgb2gray_diff的計算公式為
10.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(27)中輸 入縮略圖，設灰度圖像的像素值為Xij, i = 1，...，W，j = 1，...，H，其中W，H分別為縮略圖 的寬和高，則計算灰度圖像像素點的方差值的SCOre_gray_Std計算公式為
11.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(28)中分 別在R平面、G平面、B平面上圖像像素點的方差值，然后求均值得到彩色RGB圖像像素點的 方差值 score—RGB—std ；
12.如權利要求3所述的視頻縮略圖智能選取方法，其特征在于所述步驟(29)中輸 入縮略圖，設彩色RGB圖像的像素值O^gpbi), i = 1，...，1父!1，其中1，!1分別為縮略圖 的寬和高，base_score為基準分數，則計算彩色RGB塊之間的離散距離值sCOre_rgb_dist 的計算公式為
13.如權利要求2所述的視頻縮略圖智能選取方法，其特征在于所述步驟(4)中最終 的分值final_SCOre由下列公式計算得到f inal_score = W1X score_face_frontal+w2 X score_face_prof i 1 e+w3 X score_ ful l_body+w4 X score_upper_body+w5X score_lower_body+w6 X score_hi st_ distrib+w7X score_gray_hist_std+w8X score_RGB_hist_std+w9X score_rgb2gray_ diff+w10X score—gray—std+wnX score—RGB—std ；其中，W1 = 1. 0,w2 = 0. 5,W3 = 0. 5,W4 = 0. 5,w5 = 0. 5,w6 = 0. 5,w7 = 0. 5,w8 = 1. 2， W9 = 1. 2，W10 = 0. 5，W11 = 1. 2。
全文摘要
本發(fā)明揭示了一種視頻縮略圖智能選取方法，包括以下步驟1)獲取一段視頻的N張縮略圖，其中，2≤N≤100，且N是常數；2)對每張縮略圖計算其正面人臉位置和大小、側面人臉位置和大小、全身人體位置和大小、上身位置和大小和下身位置和大小、灰度直方圖分布值、灰度直方圖方差分布值、彩色RGB直方圖方差分布值、彩色RGB圖像變成灰度圖像差異值、灰度圖像像素點的方差值、彩色RGB圖像像素點的方差值、彩色RGB塊之間的離散距離值等等特征；3)對每張縮略圖分別通過模糊函數求得上述各特征的分值；4)對每張縮略圖的特征分值通過加權求值得到最終的一個分數；5)根據分數的大小對N張縮略圖進行排序；6)選用分數最高的縮略圖作為代表該視頻的縮略圖。
文檔編號G06T7/00GK101853286SQ20101018015
公開日2010年10月6日 申請日期2010年5月20日 優(yōu)先權日2010年5月20日
發(fā)明者劉子楓, 連惠城 申請人:上海全土豆網絡科技有限公司