由于本项目需要实现大量视频的自动切分，各类视频数据量非常多，实现视频的自动切分不仅识

图1. 视频帧的空间结构模型

别的准确率要高，而且识别的时间也必须提高。因此本文采用了改进的模板匹配 [ 13 ] 方法不仅能够提高识别的准确率，而且也提高了识别的效率。模板匹配方法是通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配，算法的检测速度比较快，可以对视频流进行实时检测，通过多次分析统计项目视频中的时间表，逐步对算法进行改进，并利用改进后的算法对项目视频中固定区域(位于屏幕右上方十二分之一范围内)的图片进行了检测，下面对优化后的基于帧图像序列模板提取的模板匹配方法做简要介绍。

根据图1所示空间结构可知，时间表出现的位置是一定的，因此要设定一个局部区域来进行检测，为了提高检测的准确性，局部区域的选择要满足两个条件：

1) 位置要准，所选的区域一定是时间表可能出现的区域；

2) 范围不能大，否则直接导致检测的时间会延长，而且准确率也会下降。

基于上述条件，选择了图1空间结构图所示的“局部A”区域。图中所示的“局部A”区域相对帧于整帧图像的尺寸如式(2-1)所示：

其中，H——整帧图像的高度；W——整帧图像的宽度；h——局部区域的高度；w——局部区域的宽度；a，b——尺寸系数。

对于不同项目视频，尺寸系数略有差异，可以根据具体情况来调整尺寸系数的大小。对于本文中所采用的项目视频，本文用a = 0.25，b = 1/3。

得到了视频中的区域，算法开始用模板匹配的方法进行检测，多次分析视频数据，提取时间表本身作为固定的模板对项目视频进行检测。具体实现过程为：首先，读取视频，在视频帧序列中选取一幅有时间帧的图像，根据上述区域分割的方法提取出时间表，作为模板匹配方法的模板，然后连续读入视频序列，对视频序列中所有帧进行固定区域检测，将提取出的模板与视频序列中所有的帧进行模板匹配，检测视频帧中是否包含时间表帧，最后，将检测的结果进行输出并将包含时间表的帧提取出来。时间表的具体提取流程图如图2所示。

直方图 [ 14 ] 中的数值都是统计而来，描述了该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调。本文采用了直方图比较的方法实现两幅图像的对比。要比较两个直方图(H1和H2)，首先必须要选择一个衡量直方图相似度的对比标准 。Opencv中提供了函数cvCompareHist()用于对比两个直方图的相似性。该函数提供了四种比较标准来计算直方图的相似性。

a) 相关(CV_COMP_CORREL)，如式(2-2)所示。

图2. 时间表的提取步骤

其中， 且N等于直方图中bin的个数。

b) 卡方(CV_COMP_CHISQR)，如式(2-3)所示。

c) 相交(CV_COMP_INTERSECT)，如式(2-4)所示。

d) Bhattacharyya距离(CV_COMP_BHATTACHARYYA)，如式(2-5)所示。

通过大量的实验可以验证，使用Bhattacharyya方法的效果最好。对Bhattacharyya方法的直方图匹配，低分数表示好匹配，而高分数表示坏的匹配。完全匹配是0，完全不匹配是1。本文所采用的直方图具体步骤如下。

1) 计算视频中提取到的模板图片的直方图hist1。

2) 读取视频帧，截取帧上与模板图片相同大小的位置，并计算其直方图。

3) 采用Bhattacharyya直方图比较的方法比较每一帧图片与模板图片的直方图相似性。

4) 统计结果设定出阈值T，通过对所有项目视频做大量的实验分析，可以将本项目视频的阈值T设定为0.6，将直方图比较结果与阈值T进行对比，若小于T，则包含时间表，否则，此视频帧不包含时间表。

通过上述两种方法，为了验证算法的准确性与高效性，本文选取了多个项目中的视频作为实验对象，其中包括多人做ppt时的报告视频。采用识别的准确率与识别效率作为评判标准，模板匹配具体结果如表1所示，直方图比较具体结果如表2所示。

由表可以看出，模板匹配的方法匹配的准确率较直方图匹配的方法要高一些，且平均识别时间也较少，可以看出本文提出的模板匹配方法的优越性和高效性。

字符分割是一种将一行包含文字的图像分割为单个字符图像的技术。由于本文处理的时间表结构完整间隔明显，因此，可以依靠先验知识，对字符进行分割，字符的固定模式为：N₁N₂:N₃N₄其中N_1,N₂,N_3,N₄分别为0到9的数字，“:”为固定模式不需要识别。如图3为在视频中提取出的时间表。

字符分割的算法有很多种，本文采用对图片重置像素的方法，如图3所示，时间表中的字符为固定的模式，因此对时间表中的每一个数字所在的位置进行就能够把每一个字符都分割出来。设width为图3中时间表的宽度，则每一个字符分割的结果如图4所示。

其中，当宽度大于width/4+10时，将其像素值设为255，分割出第一个字符(a)。

当宽度小于width/4且大于width/2-6时，将其像素值设为255，分割出第二个字符(b)。

当宽度小于width/2 + 10且大于(width/4)*3 + 6时，将其像素值设为255，分割出第三个字符(c)。

当宽度小于(width/4)*3+6时，将其像素值设为255，分割出第四个字符(d)。

本文运用了模板匹配的方法对字符进行识别，模板匹配方法的基本原理：模板匹配方法是实现离散输入模式分类的有效途径之一，其实质是度量输入模式与样本之间的某种相似性，取相似性最大者为输入模式所属类别。它根据字符的直观形象抽取特征，采用归一化相关匹配法进行识别，即是将输入字符与标准字符在一个分类器中进行匹配，若I表示图像，T——模板，R——结果，Z——归一化结果，x、y表示图像中的某个点，相关匹配法是采用模板和图像之间的乘法操作，所以匹配结果中较大的数表示匹配程度较高，0表示最坏的匹配效果。如式(3-1)，式(3-2)，式(3-3)所示。

图3. 视频中提取出的时间表

图4. 分割出的字符

对于一种匹配方法有其归一化的形式，根据Rodgers[Rodgers88]的描述，归一化最早由Galton[Galton]提出，此方法可以减少模板和图像上光线变化所产生的影响，归一化系数如式(3-4)所示：

其中，则 为模板图像， 为原图，x、y表示图像中的某个点， 为模板图像上的某个点，由以上内容可知，归一化的相关匹配法计算结果为式(3-5)。

其中， 为模板图像与原图像的相关性值， 为归一化值， 表示归一化相关匹配结果。

本文采用的字符识别的算法具体步骤如图5所示。

根据上述所介绍的本文所采用的模板匹配的字符识别方法，为使得模板与待识别的字符具有最大的相似性，本文所建造了10个模板。为使它们与待识别的字符不管在字体还是笔画的粗细上都具有极大的相似性，本文使用windows自带的软件画图中通过反复的实验并调用opencv库得到数字模板，且所有模板的尺寸大小同样为62 × 85像素。