基于Sobel-LBP的农技知识视频关键帧提取优化算法

doi:10.14088/j.cnki.issn0439-8114.2022.20.033

湖北农业科学 ›› 2022, Vol. 61 ›› Issue (20): 172-178.doi: 10.14088/j.cnki.issn0439-8114.2022.20.033

基于Sobel-LBP的农技知识视频关键帧提取优化算法

刘立², 丰洪才^1b, 黄清^1a

1.武汉轻工大学,a.数学与计算机学院,b.网络与信息中心,武汉 430023;
2.武汉市东西湖职业技术学校信息技术系,武汉 430023

收稿日期:2021-10-27 出版日期:2022-10-25 发布日期:2022-11-23
通讯作者: 丰洪才（1963-）,男,湖北汉川人,教授,硕士生导师,博士,主要从事多媒体信息技术与计算机网络研究,（电子信箱）fenghc@whpu.edu.cn。
作者简介:刘立（1986-）,女,湖北武汉人,中学二级教师,硕士,主要从事多媒体信息技术研究,（电话）18154307077（电子信箱）474614457@qq.com。
基金资助:
湖北省教育厅重点科研计划项目（D20101703）

Optimization algorithm of key-frame extraction for agricultural technology knowledge video based on Sobel-LBP

LIU Li², FENG Hong-cai^1b, HUANG Qing^1a

1a. School of Mathematics and Computer Science, 1b. Network and Information Center, Wuhan Polytechnic University, Wuhan 430023, China;
2. Department of Information Technology, Wuhan Dongxihu Vocational and Technical School, Wuhan 430023, China

Received:2021-10-27 Online:2022-10-25 Published:2022-11-23

摘要/Abstract

摘要： 为提高农技知识视频中找出关键信息的效率,以水果病虫害知识视频为例,首先提取视频图像Sobel边缘局部二值模式（Sobel-LBP,Sobel Local Binary Patterns）作为特征,融合帧间差计算得出初步选取的关键帧集合;再利用初次提取关键帧在视频序列中的位置间隔大小,进行二次优化提取关键帧。通过对4段不同种类水果病虫害知识视频测试结果表明,该算法提取关键帧的综合指数F1平均值可达0.925,平均精确度为91.35%,平均缺失因子为2.46,平均保真度高达92.18%,能有效提取农技知识视频中关键帧,从而减少视频中的冗余信息,有助于将新型农业技术快速有效地传递给广大农友。

关键词: 水果知识视频, 关键帧提取, Sobel-LBP, 二次优化

Abstract: In order to improve the efficiency of finding key information in agricultural technology knowledge video, taking fruit pest knowledge video as an example, firstly, Sobel Edge Local Binary Patterns （Sobel-LBP） of the video image are extracted as features, and the preliminarily selected key frame set is calculated by fusing inter frame difference; then, the position interval of the first extracted key frame in the video sequence is used for secondary optimization to extract the key frame. The test results of four videos of different kinds of fruit diseases and insect pests knowledge show that the average value of the comprehensive index F1 of the key frame extracted by the algorithm can reach 0.925, the average accuracy is 91.35%, the average deletion factor is 2.46, and the average fidelity is 92.18%. It can effectively extract the key frames in the agricultural technology knowledge video, so as to reduce the redundant information in the video, and help to quickly and effectively transfer the new agricultural technology to the majority of farmers.

Key words: fruit knowledge video, key frame extraction, Sobel-LBP, quadratic optimization

中图分类号:

TP37

刘立, 丰洪才, 黄清. 基于Sobel-LBP的农技知识视频关键帧提取优化算法[J]. 湖北农业科学, 2022, 61(20): 172-178.

LIU Li, FENG Hong-cai, HUANG Qing. Optimization algorithm of key-frame extraction for agricultural technology knowledge video based on Sobel-LBP[J]. HUBEI AGRICULTURAL SCIENCES, 2022, 61(20): 172-178.

参考文献

[1] 李庆豪,杜浩. 乡村振兴战略下“三农”短视频的传播价值[J]. 青年记者, 2020(17):4-5.
[2] 王文诗, 黄樟钦, 王伟东,等. 视频镜头分割与关键帧提取算法研究[J]. 湘潭大学自然科学学报, 2018, 40(4):75-80.
[3] 胡志军, 徐勇. 基于内容的视频检索综述[J]. 计算机科学, 2020, 47(1):123-129.
[4] 李秋玲,邵宝民,赵磊,等.基于ViBe算法运动特征的关键帧提取算法[J].山东大学学报(工学版),2020,50(1):8-13.
[5] 白慧茹,吕进来.基于聚类方法改进的关键帧提取算法[J].计算机工程与设计,2017,38(7):1929-1933.
[6] 张杰,齐官红,叶蓬,等.基于PCA的关键帧相似度核聚类检索算法[J].控制工程,2017,24(4):728-735.
[7] 卢小平,卢遥,焦金龙,等. 基于重叠区域相关系数的视频影像关键帧提取算法[J]. 武汉大学学报(信息科学版),2019,44(2):260-267.
[8] JADHAV M, JADHAV D S.Video summarization using higher order color moments (VSUHCM)[J]. Procedia computer science, 2015, 45:275-281.
[9] 郝晓丽, 高永. CUDA框架下的视频关键帧互信息熵多级提取算法[J]. 电子科技大学学报, 2018, 47(5):88-94.
[10] HANNANE R,ELBOUSHAKI A,AFDEL K, et al.An efficient method for video shot boundary detection and keyframe extraction using SIFT-point distribution histogram[J]. International journal of multimedia information retrieval, 2016, 5(2):89-104.
[11] 王民, 李泽洋, 王纯,等. 基于压缩感知与SURF特征的手语关键帧提取算法[J]. 激光与光电子学进展, 2018,55(5):190-197.
[12] 俞璜悦, 王晗, 郭梦婷. 基于用户兴趣语义的视频关键帧提取[J]. 计算机应用, 2017, 37(11):3139-3144.
[13] 张晓宇, 张云华. 基于融合特征的视频关键帧提取方法[J]. 计算机系统应用, 2019, 28(11):180-185.
[14] 何文斌, 魏爱云, 明五一,等. 基于机器视觉的水果品质检测综述[J]. 计算机工程与应用, 2020, 56(11):15-21.
[15] 李忠海, 金海洋, 邢晓红. 整数阶滤波的分数阶Sobel算子的边缘检测算法[J]. 计算机工程与应用, 2018, 54(4):179-184.
[16] OJALA T,PIETIKINEN M,HARWOOD D.A comparative study of texture measures with classification based on feature distributions[J].Pattern recognition,1996,29(1): 51-59.
[17] LAKSHMI D,PONNUSAMY R.Facial emotion recognition using modified HOG and LBP features with deep stacked autoencoders[J]. Microprocessors and microsystems,2021,82(10):103834.
[18] 全永志, 高树辉, 杨孟京,等. 基于局部二值模式方法的USM锐化图像检验[J]. 激光与光电子学进展, 2019, 56(12).65-70.
[19] 刘丽,谢毓湘,魏迎梅,等.局部二进制模式方法综述[J].中国图象图形学报,2014,19(12):1696-1720.
[20] 刘华咏, 李涛. 基于改进分块颜色特征和二次提取的关键帧提取算法[J]. 计算机科学, 2015, 42(12):307-311.
[21] 赵洪,宣士斌.人体运动视频关键帧优化及行为识别[J].图学学报,2018,39(3):463-469.
[22] 杨瑞琴. 视频检索中镜头分割及关键帧提取技术的研究[D].太原:太原理工大学,2018.

基于Sobel-LBP的农技知识视频关键帧提取优化算法

Optimization algorithm of key-frame extraction for agricultural technology knowledge video based on Sobel-LBP

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

本文评价