비디오 데이터는 장르나 등장인물, 배경 등이 서로 다른 데이터가 대량으로 존재하기 때문에 이를 배경에 대한 사전지식(배경지식)으로 분석한다는 것은 실효성이 적다. 따라서 이러한 사전지식을 사용하지 않은 분석 방법의 중요성이 점차 커지고 있는데, 본 논문에서는 진화 파티클 필터링 기법과 우점 이미지를 이용하여 비디오 스트림을 분절하는 기법을 소개한다. 비디오 스트림을 나누는데 있어 어려운 점은 영상의 시점이나 등장인물 등의 움직임, 혹은 영상의 조명이 변화함에 따라 컴퓨터 관점에서는 세그먼트를 분절해야 하는 지점으로 보일 수 있다는 것이다. 이러한 어려움을 해결하기 위해 우리는 비디오 샷 이미지의 일부를 표현하는 파티클의 군집을 생성하여 협력적인 방식으로 개별 비디오 세그먼트를 표현하는 방법을 개발하였다. 또한 인물들의 움직임과 같은 변화에 대응할 수 있도록 하였고 그 결과를 실제 TV 드라마에 대해 실험 참가자들이 나눈 결과와 비교하여 제안 방법의 성능을 확인하였다.
Video data is one of the most important and accessible real-world data of a large scale. Since, there are a variety of videos having different genres, characters and backgrounds, so analyzing videos with unified prior knowledge become impractical and the analyzing methods without any prior knowledge are getting more important relatively. In this paper, we introduce you a video stream segmentation method using an evolutionary particle filter and dominant images. A difficulty in segmenting video streams lies in the ambiguity of change points which have different viewpoints, moving characters or changing illumination. To solve this problem, we generate particle sets which represent a part of a video shot image to describe each segment of video cooperatively. We design a new matching method based on SIFT witch is robust minor changes such as character moving. To show its improvement, we compare the result of proposed method and the manually-tagged results on TV drama.
