テキスト・音声・画像の協調的処理による放送型スポーツ映像におけるハイライト検出とインデクシング

概要

論文の詳細を見る
本論文では,テキスト・音声・画像の協調的処理による放送型スポーツ映像におけるハイライト検出及びインデクシング法を提案する.提案手法では,まずクローズドキャプションと呼ばれるテキストストリームにおける単語の出現パターンを調べ,ハイライト出現の候補区間を検出する.次に,これらの区間を音声パワーに基づいて再評価し,誤検出と思われるものを棄却する.最後に,得られたハイライト区間をショットに細分割し,音声パワーと大域支配色情報からハイライトショットを同定することによりショットヘインデックスを付与する.本手法を実際のアメリカンフットボール中継の映像に適用した結果,再現率77%,適合率84%でハイライト区間を効率良く検出し,更に,正しくハイライトを検出できた区間に対して,第1候補のみで75%,第2候補までで97%のショットインデクシングの正解率を得た.また,テキスト,音声,画像と段階的に解析することにより効率的な処理を実現し得ることを実験的に検証した.
社団法人電子情報通信学会の論文
2002-11-01