Advertisement

Aus Sicht der Informatik Automatische Inhaltsanalyse von digitalen Videos

  • Wolfgang Effelsberg
Chapter
  • 57 Downloads

Zusammenfassung

Wir beschreiben den aktuellen Forschungsstand bei der automatischen Inhaltsanalyse von digitalen Videoströmen. Ein moderner Multimediarechner kann aus einem digitalen Videostrom bestimmte physikalische Parameter ermitteln wie etwa den Farbinhalt der einzelnen Bilder, bestimmte segmentierbare Objekte wie etwa Gesichter oder Autos, oder auch charakteristische Bewegungsmuster, zum Beispiel Zickzack-Bewegungen. Aus dem Audioteil lassen sich weitere Informationen gewinnen, etwa über Frequenzspektren, die in einem bestimmten Bereich des Videoclips vorkommen. Bei der automatischen Inhaltsanalyse versucht man, aus den so gewonnenen Basisdaten semantische Informationen herzuleiten. Wir stellen verschiedene technische Verfahren hierzu im Einzelnen vor und geben praktische Anwendungsbeispiele.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    Effelsberg, W./ Steinmetz, R.: Video Compression Techniques. Heidelberg: dpunkt 1998Google Scholar
  2. [2]
    Fischer, S: Indikatorenkombination zur Inhaltsanalyse digitaler Filme. Aachen: Shaker 1997Google Scholar
  3. [3]
    Fischer, S / Lienhart, R / Effelsberg, W Automatic Recogmtion of Film Genres Lehrstuhl für Praktische Inforrnatik IV, Universitat Mannheim, Proc ACM Multimedia ’95 , San Francisco, CA, S 295–304Google Scholar
  4. [4]
    Flickner, M./ Sawhney, H./ Niblack, W./ Ashley, J./ Huang, Q./ Dom, B./ Gorkani, MV Hafner, J./ Lee, D./ Petkovic, DV Steele, D./ Yanker, P.: Query by Image and Video Content: the QBIC System. In: IEEE Computer 28/1995, S. 23–32Google Scholar
  5. [5]
    Lienhart, R: Verfahren zur Inhaltsanalyse, zur Indizierung und zum Vergleich von digitalen Videosequenzen. Aachen: Shaker 1998Google Scholar
  6. [6]
    Pass, G./ Zabih, R./ Miller, J.: Comparing Images Using Color Coherence Vectors. Proc. ADM Multimedia 1996, Boston, MA, S. 65–73Google Scholar
  7. [7]
    Pentland, A. et al: Photobook: Tools for Content-Based Manipulation of Image Databases; Perceptual Computing Section. The Media laboratory, MIT, Cambridge, MA 02139, SPIE, Storage and Retrieval Image and Video Databases II, No. 2185, Feb. 1994Google Scholar
  8. [8]
    Pfeiffer, S.: Information Retrieval aus digitalisierten Audiospuren von Filmen. Aachen: Shaker 1999 (im Druck)Google Scholar
  9. [9]
    Rowley, A./ Baluja, SV Kanade, T: Neural Network-Based Face Detection. In: IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 20/1998, No. 1, S.23–38CrossRefGoogle Scholar
  10. [10]
    Tomczykm, P.: Untersuchung von Modellen zur automatischen Rhythmusanalyse in der Musik. Diplomarbeit, Lehrstuhl für Praktische Informatik IV, Universität Mannheim: 1999Google Scholar
  11. [11]
    Wang, J.Z./ Li. J./ Wiederhold, G./ Firschein, O.: Classifying Objectionable Websites Based on Image Content. Proc. 5th International Workshop on Distributed Multimedia Systems, Oslo, 1998, S. 113–124Google Scholar
  12. [12]
    Wold, E / Blum, T / Keislar, D / Wheaton, J Content-based specrfication, search and retneval of audio In IEEE Multimedia Magazine, 3 (3)Google Scholar

Copyright information

© Westdeutscher Verlag GmbH, Opladen/Wiesbaden 1999

Authors and Affiliations

  • Wolfgang Effelsberg
    • 1
  1. 1.Universität MannheimDeutschland

Personalised recommendations