融合視覺內容分析的網絡視頻縮略圖推薦

收稿日期：2014－04－18

基金項目：國家重點基礎研究發展計劃(973)(2012CB316400)；國家自然科學基金(61025011， 61332016， 61202322)。

作者簡介：張維剛(1980- )，男，湖北咸寧人，博士研究生，講師，主要研究方向：多媒體計算、視頻分析與檢索；

王禎駿(1990- )，男，安徽黃山人，碩士研究生，主要研究方向：多媒體計算；

黃慶明(1965- )，男，黑龍江哈爾濱人，博士，教授，博士生導師，主要研究方向：多媒體計算、模式識別等；

高文(1956- )，男，遼寧大連人，博士，教授，博士生導師，中國工程院院士，主要研究方向：數字視頻編碼、多媒體計算、模式識別與多模態人機交互等。

摘要：視頻在網站上呈現時，最先映入眼簾的都是一幅靜態的封面圖像——視頻縮略圖。主題明確且圖像易見的視頻縮略圖，能讓用戶在預覽時更容易、更快捷地抓住視頻主題信息，提高該視頻的吸引力，獲得更多的點擊量和提升用戶的瀏覽體驗及觀看興趣。本文針對網絡視頻縮略圖的推薦，在視覺內容分析基礎上，通過融合圖像易獲取性評價和視頻內容代表性評價來獲得縮略圖推薦結果。在網絡視頻數據集上實施的主客觀評價實驗表明，本文方法所推薦的視頻縮略圖與原有人工標注的縮略圖相比，有著較好的一致性，能夠滿足實際應用的需求。

關鍵詞：視頻縮略圖； 圖像易獲取性； 視頻內容代表性； 支持向量回歸

中圖分類號：TP3914文獻標識碼：A文章編號：2095-2163（2014）03-0005-06

Web Video Thumbnail Recommendation by Visual Content Analysis

ZHANG Weigang1， WANG Zhenjun2， HUANG Qingming2， GAO Wen1， 3

(1 School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150001， China;

2 School of Computer and Control， University of Chinese Academy of Sciences， Beijing 100049， China;

3 School of Electronics Engineering and Computer Science， Peking University， Beijing 100871， China)

Abstract：When a web video is shown on the website， its static cover image， which is also called video thumbnail， will firstly come into sight. A good thumbnail， which is easy to be accessed and much relevant to the video theme， can give the browsers as much content information as possible at a glance and makes the video more attractive. It will bring more website traffic and the user’s video browsing experience will also be improved. To attempt to solve the video thumbnail recommendation problem， the paper proposes a new approach based on visual content analysis of video keyframes. This method includes three operations: image accessibility evaluating， video content representativeness evaluating and fusing. The subjective and objective experiments on the web video dataset show good consistency between the recommended thumbnails and the original manual ones， which shows that the presented framework can meet the actual needs.

Key words：Video Thumbnail; Image Accessibility; Video Content Representativeness; Support Vector Regression

0引言

近年來，隨著數字視頻攝錄設備的普及和網絡社交媒體的快速發展，眾多視頻分享網站（Video Sharing Sites）涌現出來，吸引了大量的網絡用戶并獲得了非常高的點擊量，如著名的YouTube、Google Video和優酷（Youku）等。據YouTube網站統計信息［1］：每月有超過10億的唯一身份用戶訪問YouTube；用戶每月在YouTube上觀看的視頻總時長超過60億小時；而每分鐘就有時長可達100小時的視頻上傳到YouTube。這些視頻分享網站擁有海量的各類視頻，其中一部分是網站自身提供的，更多的則是由網絡用戶上傳的。如何呈現這些視頻，以便有效提升用戶的感興趣程度和觀看體驗，實現更高點擊率，是一項值得研究的工作。當前，絕大多數視頻分享網站提供如圖1所示的視頻縮略圖（Video Thumbnail，相當于視頻封面），可將視頻的主題內容概要做以展現，并輔以標題、點擊量、評論數、視頻清晰度、內容描述、內容提示標簽等文字信息，供用戶瀏覽和點擊觀看。在這些視頻信息中，最先映入眼簾并吸引人眼球的就是視頻縮略圖。優秀

圖1視頻分享網站上展示出的視頻縮略圖示例

Fig.1Some video thumbnails shown

on the video sharing sites

的視頻縮略圖，一是要求縮略圖里的目標足夠顯著，使用戶“瞥一眼”就能看清其中的物體，尤其是在視頻分享網站上縮略圖顯示尺寸有限的情況下（YouTube上為175×98）；二是要求縮略圖能夠貼切地反映視頻的主題內容；這樣才能使得用戶在快速瀏覽視頻網站時能夠看清楚圖像并準確獲知視頻的主題，從而決定是否點擊打開后再詳細觀看。

那如何自動生成好的視頻縮略圖呢？本文基于視頻關鍵幀的視覺內容分析，從圖像易獲取性(Image Accessibility，用來表征視頻縮略圖里目標顯著可見)和視頻內容代表性(Video Content Representativeness，用來表征視頻縮略圖所表達內容與視頻主題的吻合度)兩個方面展開工作，提出相應評價方法，并根據評價結果融合得到一個有效的網絡視頻縮略圖推薦框架。

1相關研究工作

視頻縮略圖往往來自于視頻本身。從視頻中選取一幅易獲取性高的、且具有良好視頻內容代表性的關鍵幀，即可將其作為視頻縮略圖用。第3期張維剛，等：融合視覺內容分析的網絡視頻縮略圖推薦智能計算機與應用第4卷

對于一些視頻分享網站，通常是直接從原始視頻中根據時間(視頻的第一幀、中間幀或最后一幀)等間隔或隨機抽取一幀來作為視頻縮略圖，或者為用戶抽取多幀圖像再選擇其中一幀來作為視頻縮略圖。這類方法雖然簡單易行，但所獲得的視頻縮略圖卻具有很大的不確定性，即導致其缺乏足夠吸引力以及還能同時由用戶接受和認可。此外，其他一些更為優質的方法有：Gong等人［2］和Hua等人［3］考慮將顏色、空間位置以及運動信息作為特征來從視頻的每個鏡頭中選取關鍵幀。DuFaux［4］則將一些較高層的特征（如檢測出的人臉）融合到視頻縮略圖的生成過程中。Gao等人［5］提出利用一種主題標準來對一個視頻的關鍵幀進行打分排序，從而選擇得分最高的關鍵幀作為相應視頻的縮略圖，并且要求選出的縮略圖能夠包含視頻上下文中所有文本信息的語義主題。Lian等人［6］則將一系列的高層和低層的視覺特征，如人臉、光照、灰度直方圖、彩色直方圖等特征進行了閾值選取和加權求和，并以此而作為評價視頻縮略圖優劣的標準。只是該方法具有一定的缺陷，即這些特征的視覺表現力不夠，而且閾值和權值的確定都要依賴于經驗式的選取。

以上方法在選取視頻縮略圖的關鍵幀時，一是未具體考慮所用低層或高層特征在視覺上是否具有足夠顯著性(視覺關注度)；二是未考慮所選關鍵幀本身的視覺顯著性是否足夠優良，是否足夠清晰可見、能讓用戶一目了然。另外，某些方法僅僅注重視頻縮略圖與視頻上下文的聯系是否緊密，但卻忽略了其本身需要能夠代表整段視頻的主題內容。

針對視頻縮略圖需具有顯著直觀的特點，本文從圖像顯著性分析著手，定義了五個顯著性特征指標，并結合紋理特征，利用支持向量回歸方法來對視頻關鍵幀進行圖像易獲取性評價；其次又從視覺內容表達能力出發，利用一種基于幀間相似度的互增強思想［7］，來對視頻關鍵幀的內容代表性進行評價；最后，將上述兩部分的評價結果通過線性加權融合而選取得到最優關鍵幀，作為最終的視頻縮略圖，推薦給視頻上傳者或其他用戶瀏覽。本文所提出的網絡視頻縮略圖推薦框架如圖2所示。框架中，采用基于學習的鏡頭邊界檢測方法［8］和基于遞歸同組濾波的關鍵幀提取方法來獲得源視頻的關鍵幀序列后，再進行圖像易獲取性評價和內容代表性評價，而后再通過多特征加權融合排序以得到推薦的視頻縮略圖。

圖2本文提出的視頻縮略圖推薦框架

Fig.2Framework of the proposed video

thumbnail recommendation method

2圖像易獲取性評價

在大部分視頻分享網站上，除了首頁頭條之外，能用于展示視頻的空間位置是極為有限的，因此，絕大部分視頻縮略圖的尺寸都會很小。在如此小尺寸的圖像上，若使用戶一眼即能看清其中的目標，并感知所表達的內容，就要求圖像中的主要目標足夠大，且處于居中位置，只有這樣才容易被用戶注意并捕捉到。此外，由于視頻分享網站上的視頻來源復雜，拍攝質量參差不齊，基于此而要想獲得用戶的青睞，其縮略圖也必須是紋理豐富、清晰可見的。綜上所述，視頻縮略圖就需要具有較好的圖像易獲取性，利于用戶在極短的觀看時間內能夠更為完整地接收到其中所表達的視頻內容。

視頻圖像的視覺顯著圖(Visual Salience Map)能夠直接反映人們在觀看該圖像時的視覺注意程度。當人們觀察一張圖像時，圖像中不同區域的物體對人眼的吸引力也將是各不相同的。能夠吸引大部分注意力的圖像部分就是其中的視覺顯著區域。若該部分區域在整個圖像中占據主要位置，且處于圖像中部，則觀看者將會更容易捕捉到圖像內容。進一步地，若顯著性區域中物體的細節，如紋理等能夠更為清晰一些，則必將會增加人們的感興趣程度。因此，為了使得所推薦的視頻縮略圖能夠具備容易被人眼抓取并且理解的特性，本文綜合圖像視覺顯著圖特征及紋理特征，提出了一種能夠更好切合本文研究問題的評價指標——圖像易獲取性。

2.1圖像視覺顯著圖獲取

本文主要采用了Cheng等人［9］提出的基于直方圖對比度的視覺顯著圖的計算方法。該方法依據與其他像素的顏色差異來分配顯著性值，并能夠產生與原圖大小一致的顯著圖。

為了充分利用圖像的全彩色信息、并且降低計算量，該方法首先將每個RGB顏色通道的256級重新量化為12個不同數值，使顏色數量減少到123 = 1 728。而且為更進一步地減少顏色數目，則僅僅保留高頻出現的顏色，并確保這些顏色能夠覆蓋原圖95%以上的像素。剩下的少于5%的像素所占的顏色則由直方圖中距離最近的顏色所代替。在顏色重新量化后，圖像I中顏色ci對應的顯著性值定義為：

S(ci)=∑nj=1fjD(ci，cj)(1)

其中，n為量化后圖像的顏色總數，fj為cj在圖像I中出現的概率。D（ci，cj）為顏色ci和cj在L*a*b*空間的顏色距離度量，具體可參見文獻［10］。得到顏色ci的顯著性值S(ci)后，則可將圖像I中所有顏色為ci的像素對應的顯著性值也置為S(ci)，由此而生成I的視覺顯著圖。在后續處理上，為了減少顏色量化所帶來的噪聲，還可對其進行平滑處理。

基于視覺顯著圖，本文定義了5個量化指標來衡量圖像中顯著內容的易獲取性。對這些指標則進行如下描述。

（1）平均顯著度。為了評價整幅圖像的顯著性，不僅要考慮一些顯著區域的顯著性數值，更要考慮到這些顯著性區域在整幅圖像中發揮的作用處于何種等級。因此，引入平均顯著度來表征整幅圖像的顯著性大小。平均顯著度計算如下：

Sal_Ave=∑Hi=1∑Wj=1sal(i，j)(2)

其中，H和W表示圖像的高和寬，sal(i，j)表示原圖像對應的顯著圖中第i行j列像素的顯著性值。

（2）水平方向顯著中心的位置。對視覺顯著圖進行垂直投影，也就是將顯著圖中所有像素點按行累加。其后設定一個適當閾值，將超過該閾值的水平位置判定為具有顯著性的區域。這些水平位置的平均值就是水平方向的顯著中心。具體計算公式為：

Sal_x=1N∑Nk=1Sal_X(k)(3)

Sal_X={j｜∑Hi=1sal(i，j)-T＞0}

其中，Sal_x為所求水平方向顯著位置中心；T為設定閾值，Sal_X則是判定為顯著區域的水平坐標集合，且N為元素個數。

（3）垂直方向顯著中心的位置。垂直方向顯著中心的位置可由對視覺顯著圖進行水平投影來展開計算，方法與（2）中類似，不再贅述。

（4） 水平方向顯著位置散度。水平方向顯著位置散度，用以表征圖像中顯著區域在水平方向上的離散程度。顯著區域水平方向的坐標集合選取方法和公式(3)中相一致。位置散度計算如下：

Sal_Vx=1N∑Nk=1(Sal_X(k)-Sal_x)2(4)

（5）垂直方向顯著位置散度。垂直方向顯著位置散度的定義類比（4），計算方法則與公式(4)類似。

通過以上5個有關顯著性的量化指標，可獲得圖像整體的顯著性程度，以及圖像中顯著性區域的位置分布情況等重要信息。閾值T是通過將投影生成的直方圖進行歸一化后，再歷經多次實驗而選取確定的。由于網絡視頻圖像的大小不一，單一方向上的投影值將直接受到圖像寬度和高度的影響，因此歸一化就成為至關重要的實現步驟。實驗發現，T=0.96時，所選取的顯著性區域效果較好。

2.2紋理特征計算

紋理是一種重要的視覺線索，本文采用簡單易于實現且效果良好的基于灰度共生矩陣的紋理特征提取方法［11］。其中定義的5個紋理量化指標則用于評價視頻幀圖像的易獲取性。

（1）能量。即角二階矩(Angular Second Moment)，為灰度共生矩陣所有元素值的平方和，反映了圖像灰度分布均勻程度和紋理的粗細度；

（2）對比度。反映了圖像的清晰度和紋理溝紋深淺的程度；

（3）相關。度量空間灰度共生矩陣元素在行或列方向上的相似程度；

（4）熵。表示圖像所擁有信息量的度量；

（5）逆差矩。同質性（Homogeneity），反映圖像紋理的同質程度，度量圖像紋理局部變化的多少。

實驗中選取0°，45°，90°，135°方向上距離為1的兩個像素作為計算單元，將圖像劃分為的4×3小塊，并算得4個方向上的各個特征值再取平均，構成60維紋理特征向量，用于評價該圖像的易獲取性。

2.3圖像易獲取性得分計算

將5維視覺顯著性特征和60維紋理特征組合，得到視頻關鍵幀的65維圖像易獲取性特征向量。之后，本文參照圖像質量評價中基于學習的方法［12］，利用人工標注后的訓練樣本，通過支持向量回歸學習而得到分類回歸模型，并使用該模型對視頻關鍵幀進行圖像易獲取性打分，具體如圖3所示。這類學習方法適應性強，并且能較好地處理一些缺乏先驗知識的問題。

圖3圖像易獲取性得分的學習評價框架

Fig.3Framework of the learning-based

evaluation method for image accessibility

針對人工標注后的訓練樣本T={(x1，y1)，(x2，y2)，…，(xL，yl)}，其中，xi為視頻關鍵幀的圖像易獲取性特征向量，yi表示人工評價的易獲取性得分。采用基于SVM的支持向量回歸方法，擬合得到的圖像易獲取性得分評價函數如下：

Accessibility(x)=＜w， Φ(x)＞+b(5)

并采用含有松弛變量的優化模型：

＜w，b＞=arg minw，b12‖w‖2+C∑li=1(ξi+ξi*)

s.t.yi-＜w，xi＞-b≤ε+ξi

＜w，xi＞+b-yi≤ε+ξi*

ξi，ξi*≥0(6)

3視頻內容代表性評價

本文引入了基于互增強(Mutual Reinforcement)操作的排序算法［7］，用以評價各關鍵幀的視頻內容代表性分值，并選取得分最高的關鍵幀來作為候選視頻縮略圖。互增強是指任意兩個對象之間的相似度均可用于計算，從而增強某一對象的代表性分值。已經證實，這種基于互增強的排序算法在多種應用中都具有顯著可見的較好效果。對于視頻關鍵幀序列K={ki，i=1，2，…，N}，記關鍵幀ki和kj的圖像相似度為sij，ki的視頻內容代表性得分為ric，則有：

ric=∑Nj=1sijrjc(7)

由該定義可以看出，任意一幅關鍵幀的視頻內容代表性分值都是由所有關鍵幀的內容代表性分值累計構成的。具體計算過程可見算法1。算法1：基于互增強操作的視頻內容代表性評價輸入：視頻內容代表性初始得分：r0=(0，0，…，0)1×N輸出：視頻內容代表性最終得分：r0=(r1，r2，…，rN)1×NbeginInitializer0=(r10，r20，…，rN0)1×Nrandomly，t1such that∑Ni=1 ri0=1andi， ri0＞0while‖rt-rt-1‖＞eps(such that 10-5)dorit=∑Nj=1 sijrjt-1 ， i∈1，2，…，Nritrt‖rt‖， ‖rt‖1=∑Ni=1 rti ， tt+1endend

4多特征融合排序

在獲得關鍵幀ki的圖像易獲取性得分Accessibilityi和視頻內容代表性得分ri后，通過簡單的線性加權融合方式計算最終得分Ri為：

Ri=εAccessibilityi+(1-ε)ri(8)

其中，ε為可調參數，保證最終得分Ri在0~1之間（本文中，ε=0.5）。

此后，基于最終評價得分Ri進行排序，選取最大Ri值對應的視頻關鍵幀，并將其作為所推薦的視頻縮略圖結果。

5實驗結果

下面以優酷網站上一段頭條視頻為例——“日本東部發生F5級龍卷風”（該段視頻包含有6個鏡頭），給出視頻縮略圖的完整推薦過程。先對源視頻進行鏡頭分割和關鍵幀提取，再利用基于直方圖對比度的顯著性值計算方法來得到視覺顯著圖，如圖4所示。

根據視覺顯著圖計算得到平均顯著度等5個量化指標，并對原圖像提取60維紋理特征，構成65維的特征向量后送入已訓練完成的圖像易獲取性評價模型中，得到關鍵幀的圖像易獲取性評分，結果如圖5所示。其中，圖5(a)給出了得分排序最靠前的3幅關鍵幀圖像。然后利用互增強操作對關鍵幀序列進行視頻內容代表性得分評價，圖5(b)則給出了得分排序最靠前的3幅關鍵幀圖像。

圖4提取出的關鍵幀序列及對應的視覺顯著圖(線框標記)

Fig.4The extracted keyframes and their visual saliency maps

圖5單一排序最靠前的3幅關鍵幀圖像

Fig.5The top 3 key frames

圖6推薦的視頻縮略圖與原圖對比

Fig.6Comparison of the recommended

video thumbnail and the original image

最后，通過圖像易獲取性分值與視頻內容代表性分值的線性加權融合排序，得到最終推薦的視頻縮略圖，如圖6左邊所示。與原網站上給出的視頻縮略圖（對于視頻分享網站上的熱點頭條視頻，其縮略圖往往是專業人員手工精心選定的）相比，本文方法推薦的視頻縮略圖與之是基本一致的。

5.1推薦結果與人工標注結果的對比實驗

從Youku網站下載了50個熱點短節目視頻，將通過所提出框架生成的推薦縮略圖與原網站中已有的專業手工標注的縮略圖進行了對比實驗，結果如圖7(a)所示，一致率為72%。判斷所推薦的視頻縮略圖與原始人工標注縮略圖是否一致的準則是：將最終得分排序最靠前的3幅候選視頻縮略圖逐一與Youku上的原始人工標注縮略圖進行基于直方圖的相似度計算，當其平均相似度超過一定閾值（經過實驗確定該閾值可取值為0.785）時，則認為上述兩者是一致的。

圖7實驗結果

Fig.7Experimental results

5.2用戶主觀評價實驗

為了進一步證明本文方法有效性，邀請了10位熟悉網絡視頻的用戶來對系統推薦的視頻縮略圖結果進行主觀評價。由于視頻上下文環境(如標題、標簽等)的影響，用戶是擁有一定的視頻語義先驗的，這將更加有利于主觀評價實驗。在此將系統推薦的視頻縮略圖與從視頻中隨機抽取的一幀進行了比較，分為較好、較差兩種評價，結果如圖7(b)所示。50個隨機下載的網絡視頻中有42個(占84%)由系統推薦生成的視頻縮略圖的效果要好于隨機抽取的視頻幀，只有8個的效果較差。可見，本文提出方法能夠有效地實現網絡視頻縮略圖的推薦。

5.3特征選擇的影響

為了評測不同特征的使用對所提出方法性能的影響，本文采用以下三種方式來實施對比實驗：僅用圖像易獲取性特征(SCA)、僅用視頻內容代表性特征(MR)及兩者加權融合(SCA-MR)，結果如圖8所示。在recall較低時，系統只選出與人工標注縮略圖最一致的關鍵幀作為推薦結果，而忽略掉更多連續的相似幀，并且SCA-MR的性能要好于SCA及MR。而在recall要求較高時，由于會同時引入較多的噪聲視頻幀，因此SCA-MR與其他二者的優劣性對比并不明顯。

5.4網絡視頻長度的影響

本文所提出框架主要是針對網絡視頻的縮略圖生成推薦。眾所周知，在視頻分享網站上出現的大部分網絡視頻的時長都較短，多是分布在1~10分鐘之間，且視頻內容也相對比較單一集中。

為了測試本文框架對源視頻長度的適應性，將從視頻分享網站上收集到的400個視頻按其時間長度劃分為小于1分鐘、1~4分鐘、4~8分鐘及大于8分鐘的4組實驗數據。在此基礎上，分別采用SCA、MR及SCA-MR方法進行對比實驗，對比結果如圖9所示。

圖8性能對比實驗結果

Fig.8The performance comparison results

圖9不同視頻長度對推薦性能的影響

Fig.9The results for different video lengths

視頻時長小于1分鐘，系統推薦結果和人工標注縮略圖的一致程度在60%左右；而對于1~4分鐘以及4~8分鐘這些中長度的視頻，系統推薦的效果較好，與人工標注縮略圖的一致率超過了70%。隨著視頻時長的進一步增加，推薦結果的一致率再次降低到60%左右。這種整體所呈現的正態分布性可以解釋為：時長較短的視頻，內容較少，較短的關鍵幀序列本身的相似度就較高，因此縮略圖可選范圍小、選取風險較大。對于時長超過8分鐘這種較長的視頻，由于提取的關鍵幀較多，不免會引入更多噪聲視頻幀，因此系統的整體推薦性能有所下降。而對于時長適中的視頻，就可在避免噪聲視頻幀的同時涵蓋更多的視頻關鍵幀，這無疑必將有利于系統的推薦準確性。此外，還能夠看到，多特征融合的方法均要好于僅使用單一特征的方法。

6結束語

本文主要針對網絡視頻的縮略圖生成問題，從縮略圖要紋理清晰、易于在很短時間內由瀏覽者捕捉到其中主要目標，且能夠較好表達整段視頻的主題內容等角度考慮，利用視頻關鍵幀的視覺顯著圖并結合紋理特征來構建圖像易獲取性評價指標；同時利用圖像相似度計算和互增強操作來構建視頻內容代表性評價指標；而且通過對候選縮略圖序列(即視頻關鍵幀序列)進行圖像易獲取性和視頻內容代表性評價得分的線性加權融合排序，并將綜合評價得分最高的候選幀作為最終的視頻縮略圖推薦給用戶，從而提高用戶觀看整段視頻的吸引力和可能性。該系統主要針對時長較短的網絡視頻，有較高的實時性。但在實驗過程中卻已發現，互增強操作在候選縮略圖序列含有幀數較多時，收斂速度將會變慢，系統的實時性也會下降。因此在后續研究中，需努力探索更加魯棒的視頻內容代表性評價排序方法，提高其適應性，并將其拓展到較長的網絡視頻上。

參考文獻：

［1］YouTube網站統計信息（觀看情況）. http://www.youtube.com/yt/press/zh-CN/statistics.html

［2］GONG Y H， LIU X. Generating optimal video summaries［C］ //Proceedings of the 2000 IEEE International Conference on Multimedia and Expo (ICME). New York， USA: IEEE， 2000:1559-1562.

［3］HUA X S， LI S P， ZHANG H J. Video booklet［C］ //Proceedings of the 2005 IEEE International Conference on Multimedia and Expo (ICME). Amsterdam， The Netherlands: IEEE， 2005:189-192.

［4］DUFAUX F. Key frame selection to represent a video［C］ //Proceedings of the 2000 IEEE International Conference on Image Processing (ICIP). Vancouver， BC， Canada: IEEE， 2000:275-278.

［5］GAO Y L， ZHANG T， XIAO J. Thematic video thumbnail selection［C］ //Proceedings of the 2009 IEEE International Conference on Image Processing (ICIP). Cairo， Egypt: IEEE， 2009: 4333-4336.

［6］LIAN H C， LI X Q， SONG B. Automatic video thumbnail selection［C］ //Proceedings of the 2011 IEEE International Conference on Multimedia Technology (ICMT). Hangzhou， China: IEEE， 2011: 242-245.

［7］JOSHI D， WANG J Z， LI J. The story picturing engine: finding elite images to illustrate a story using mutual reinforcement［C］ //Proceedings of the 6th ACM SIGMM International Workshop on Multimedia Information Retrieval (MIR 2004). New York， USA: ACM， 2004: 119-126.

［8］LIU C X， LIU H Y， JIANG S Q， et al. JDL at TRECVID 2006 shot boundary detection. In TRECVID 2006 Workshop. NIST， 2006.

［9］CHENG M M， ZHANG G X， MITRA N， et al. Global contrast based salient region detection［C］ //Proceedings of The 24th IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2011). Colorado Springs， CO， USA: IEEE， 2011: 409-416.

［10］ZHAI Y， SHAH M. Visual attention detection in video sequences using spatiotemporal cues［C］ //Proceedings of the 14th ACM International Conference on Multimedia. Santa Barbara， CA， USA:ACM， 2006: 815-824.

［11］HARALICK R， SHANMUGAM K， DINSTEIN I. Textural feature for image classification［J］. IEEE Transactions on System， Man， and Cyhernetics， 1973， 3(6):610-621.

［12］ WANG M， LIU B， HUA X S. Accessible image search for colorblindness［J］. ACM Transactions on Intelligent Systems and Technology (ACM TIST) ，2010，1(1):8.