Analysis of Invariant Motion Components in Dynamic Video Content

Abstract

English: The fast expansion of Internet and DVB channels has brought a fast increase of video footage which needs to be indexed for efficient and easy retrieval. A novel video structural dissimilarity metric based on trajectories analysis has been developed. The proposed algorithm uses a highly customized block matching engine which forms a high density Vector Motion Field. Using this Vector Motion Field, trajectories are extracted via grouping neighboring motion vectors with similar direction. Trajectories are described by four sets of primitives which are split at key points to remove outliers and ensure each split component belongs to a specific motion. A novel component similarity metric is used to measure distances between components of different videos, which are stored and subsequently processed to extract a final distance between videos using a newly developed double pass algorithm based on the analysis of component distances density estimations. Hierarchical clustering over a video database is carried to check the general validity of the metric for Query by Example video retrieval, also three other video metrics have been tested against our proposal to compare its performance.

Castellano: La rápida expansión de Internet y la TDT ha conllevado un fuerte incremento de la cantidad de vídeos albergados que requieren indexación para búsquedas sencillas y eficientes. Una nueva métrica de similitud estructural basada en el análisis de las trayectorias ha sido desarrollada. Nuestra propuesta utiliza un algoritmo de "block matching" altamente customizado para generar campos vectoriales de movimiento. Usando estos campos vectoriales, las trayectorias son extraídas agrupando vectores conectados con valores similares. Las trayectorias son descritas mediante cuatro tipos de primitivas que son cortadas en puntos clave para eliminar valores atípicos y asegurar que cada componente pertenece a un movimiento específico. Una nueva métrica para secuencias es usada para medir las distancias entre componentes de diferentes vídeos, las cuales son guardadas y posteriormente procesadas para extraer una distancia final entre vídeos usando un algoritmo de doble paso basado en el análisis de las estimaciones de densidades de estas distancias entre componentes. Se ha comprobado la valide "clustering" jerárquico sobre una base de datos de vídeos. Además se han probado otras tres métricas para compararlas respecto a nuestra propuesta.

Català: La ràpida expansió de Internet i la TDT ha suposat un fort increment en la quantitat de vídeos allotjats que requereixen indexació per cerques senzilles i eficients. Una nova mètrica de similitud estructural basada en l'anàlisi de les trajectòries ha estat desenvolupada. La nostra proposta utilitza un algorisme de "block matching" altament customitzat per generar camps vectorials de moviment. Fent servir aquest camps, les trajectòries son extretes agrupant vectors connectats de valors similars. Les trajectòries son descrites mitjançant quatre tipus de primitives que son tallades en punts clau per eliminar valors atípics així com per assegurar que cada component pertany a un moviment específic. Una nova mètrica per seqüències es emprada per mesurar les distàncies entre components de diferents vídeos, les quals son emmagatzemades i posteriorment processades per extreure una distancia final entre vídeos fent servir un algorisme de doble passada basat en l'anàlisi de les estimacions de densitats d'aquestes distàncies entre components. S'ha comprovat la validesa de la mètrica proposta mitjançant "clustering" jeràrquic sobre una base de dades de vídeos. A més s'han provat tres altres mètriques per comparar-les respecte a la nostra proposta.