l)考虑关键帧之间的时序关系的相似度度量本文来自优)文,论(文'网，
毕业论文 www.youerw.com 加7位QQ324_9114找源文
采用该类相似度度量计算两段视频之间的相似度不仅需要计算关键帧之间的距离，同时需要考虑相匹配关键帧之间的时序关系对相似度的影响。由于这种相似度度量从视觉和运动的角度充分考虑两段视频的相似性，因而利用该方法计算得到的视频片段相似度值，较为符合人的主观判断。
2)不考虑关键帧之间的时序关系的相似度度量
该类相似度度量就是将视频片段简单看成关键帧的集合，两段视频之间的相似度由它们中相似帧的数量决定。该类相似度模型计算相对比较简单，能够节约大量的查询时间，但由于只考虑了相似帧的个数，没有考虑相似帧对应的时序关系，因而查询准确率较第一种相似度度量差。
3.3基于欧式距离的相似度度量
3.3.1欧式距离算法（Euclidean Distance）的实现
欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。即中学时学的计算两点之间的距离。该算法的实现较为简单。
1)二文平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：
2)三文空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：
欧式距离（Euclidean Distance）算法的实现步骤：
（1）在二值图像的像素阵列中，两个像素间的Euclidean距离是像素之间的直线距离，也是计算图像中，非0值像素p（x1，y1）到0值像素q（x2，y2）之间的最小Euclidean距离。其距离可以表示为：
D（p）=d（p，q），p∈0
其中，0是目标物体的元素集合。
（2）在实验中，所有运算均用Euclidean距离的平方形式，既可以降低运算开销，又不改变距离转换的性质。
（3）Euclidean距离变换后，形成的距离映射图中的每一个点的新值，即在原图像中距该点最近的物体象素点的距离。原图像经Euclidean距离变换后，得到的距离映射图灰度值愈小的位置，表示该处经Euclidean距离变换后的距离值愈小。
3.3.2实验结果
为检验上述算法，对30个手指语字母，共150个手势样本（每个手指字母对应5组样本）进行识别测试。实验结果如图5所示
上一页 [1] [2] [3] [4] [5] [6] [7] [8] 下一页
基于内容的视频片段检索系统技术研究+边界检测+相似度 第6页下载如图片无法显示或论文不完整，请联系qq752018766
