隨著多媒體和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展,多媒體基于內(nèi)容的訪問(wèn)、檢索和交互操作的應(yīng)用越來(lái)越廣泛。視頻作為各種媒體中形式和內(nèi)容最豐富的媒體類型,越來(lái)越受到用戶的青睞,然而視頻信息內(nèi)容的豐富性是以視頻數(shù)據(jù)的無(wú)結(jié)構(gòu)性和數(shù)據(jù)量巨大為代價(jià)的。因此,無(wú)法對(duì)視頻數(shù)據(jù)直接進(jìn)行基于內(nèi)容的提取，如何高效、快速的把視頻媒體中用戶感興趣的內(nèi)容分析并提取出來(lái),作為快速搜尋、過(guò)濾的重點(diǎn)是這些應(yīng)用的技術(shù)關(guān)鍵。
　　何為視頻摘要，我們可以通過(guò)一個(gè)比喻來(lái)分析。眾所周知，一篇文章的摘要對(duì)這篇文章的高度概括，通過(guò)文章的摘要，我們基本可以了解全文的主要內(nèi)容，我們利用文字的摘要對(duì)文獻(xiàn)進(jìn)行初選，然后再對(duì)自己感興趣的文章進(jìn)行精度。
　　而對(duì)于視頻的摘要，我們可以理解為對(duì)視頻的結(jié)構(gòu)和內(nèi)容進(jìn)行分析，從原始視頻文件中提取出有意義的部分，并將它以某種方式進(jìn)行組合，形成簡(jiǎn)潔的能夠充分表現(xiàn)視頻內(nèi)容的概要，是對(duì)長(zhǎng)視頻內(nèi)容的簡(jiǎn)短總結(jié)，通常用一段靜態(tài)或者動(dòng)態(tài)的圖像序列來(lái)表示，并對(duì)原始信息予以保留。
　　由上述分析，視頻摘要的理論基礎(chǔ)，就是從時(shí)域、空域兩方面去除冗余信息，并結(jié)合視頻索引技術(shù)。提供給人們一個(gè)概括原始視頻主要內(nèi)容，但長(zhǎng)度卻比原始視頻短得多的較為精煉的關(guān)鍵信息。
　　那么，基于此理論，我們來(lái)討論一下視頻摘要的生成過(guò)程。
　　在此之前，我們先了解一下幾個(gè)概念。視頻，是多幅靜止圖片（圖片幀）與連續(xù)的音頻信息在時(shí)間軸上同步運(yùn)動(dòng)的混合媒體，多幀圖片隨時(shí)間變化而產(chǎn)生運(yùn)動(dòng)感，因此視頻也被稱為運(yùn)動(dòng)圖像。而視頻關(guān)鍵幀，是指在視頻文件的一系列圖像幀序列中，具有很強(qiáng)的代表性，能夠比較準(zhǔn)確、全面的反映一個(gè)鏡頭甚至整個(gè)視頻內(nèi)容的圖片幀。
　　視頻摘要技術(shù)，應(yīng)該主要包括視頻內(nèi)容提取、摘要合成、摘要表現(xiàn)等三大技術(shù)要點(diǎn)。
　　任何視頻摘要的算法，都應(yīng)遵循“先分后合”的原則，要進(jìn)行視頻內(nèi)容的理解和分析，必須首先將視頻切分成合理的基本單位，這些基本單位包括場(chǎng)景、鏡頭、關(guān)鍵幀、元素、軌跡等。再采用模式識(shí)別或視頻結(jié)構(gòu)探測(cè)的方法，獲取能夠被計(jì)算機(jī)直接處理?；蚰軌虮蝗说母杏^直接感覺(jué)到的信息。這就是對(duì)視頻內(nèi)容的提取過(guò)程。
　　摘要的合成，應(yīng)該能夠與視頻索引技術(shù)等相結(jié)合，通過(guò)播放速度、軌跡密度等參數(shù)，將重要的元素組合在一起，進(jìn)行視頻片段的重鑄，形成某種形式的視頻流。
　　摘要表現(xiàn)，是基于內(nèi)容的視頻檢索和分析，考慮符合人類的感觀和便于瀏覽的原則。其瀏覽方式包括視頻總體摘要和單個(gè)事件軌跡摘要等。
　　對(duì)于視頻摘要分析，它的最終目標(biāo)就是讓計(jì)算機(jī)視覺(jué)達(dá)到或接近人的視覺(jué)水平，由于視頻內(nèi)容的復(fù)雜性和人類理解的多樣性，因此生成完整、準(zhǔn)確、令人滿意的視頻摘要比較困難，所以目前計(jì)算機(jī)的視覺(jué)水平與人的視覺(jué)能力相差還有一段距離。但總體來(lái)說(shuō)，視頻摘要正在向更高級(jí)的方向發(fā)展，具有廣闊的研究空間和極大的應(yīng)用價(jià)值。