在網際網路發達的今日，影像和視訊資料快速地充斥在多媒體資訊網路上。對於多媒體資訊而言，特別是視訊資料，具有最多樣的資訊、最豐富的內容，集最多可能的應用。
對於視訊資料的組織和索引而言，場景切割是不可或缺的工作。一般而言，場景片段通常被視作組成視訊資料的基本單位，因此場景轉換偵測（video-shot-boundary detection）是提供我們做視訊摘要、檢索、瀏覽和甚至更高階視訊切割的基礎，而場景切割的主要目的在於修補、修改、剪輯等方面。
本研究以亮度變化與HSV顏色空間為基礎，作場景轉換偵測與類型判定。至少對於切入切出(Cut)、淡出淡入(Fade)與溶出溶入(Dissolve)這三種最常見最常使用的轉換，都要精確度很高的偵測出來。

In recent years, due to the rapid progress of computer science, internet is flooded with multimedia data, especially video, which has the most variety of information. For video on the organization and indexing, the video shot boundary detection is essential work. In general, the shot is usually regarded as the basic unit of the video, video shot boundary detection is to provide us to do video summary, retrieval and browsing. In this system, we use illumination change data to detect shot boundary based on HSV color space and to check shot change type. In the experiment result, the most common shot change types which are cut, fade and dissolve has high degree of accuracy of detection.

目錄	I
圖目錄	III
表目錄	V
第一章 緒論	1
1.1  研究動機與目的	1
1.2  論文的組織與架構	4
第二章  理論基礎	5
2.1  彩色模組	5
2.2  場景轉換	9
2.3 現有處理技術	16
第三章  研究方法	24
3.1 整體流程圖	24
3.2 亮度特徵的運用	25
3.3 相似度的比較	40
3.4  判斷場景轉換的類型	44
第四章  實驗數據與討論	49
4.1  效能評估	49
4.2  測試影片	50
4.3  實驗數據	51
第五章  系統實作	56
第六章  結論與未來展望	60
6.1  結論	60
6.2  未來展望	61
參考文獻	62
附錄—英文論文	64
 
圖目錄
圖1. RGB彩色空間	6
圖2. HSV 圓錐體色彩示意圖	8
圖3. 場景	9
圖4. 切入切出	10
圖5. 淡入	11
圖6. 淡出	11
圖7. 溶出溶入	13
圖8. 上往下水平擦拭	13
圖9. 圓形邊界的擦拭	14
圖10. 不規則曲線邊界的擦拭	14
圖11. 往中間的推擠	15
圖12. 特殊技術轉換	15
圖13. SCCR偵測紅點量依水平與垂直所設定範圍做累加	18
圖14. 使用圖形決定臨界值的判斷方式	22
圖15. word structure 對照場景切割位置	23
圖16. 區塊劃分的影像	25
圖17. 變化間隔的不同	28
圖18. 亮度變化穩定與否	29
圖19. 穩定變化	33
圖20. 不穩定變化	35
圖21. 場景間背景相似	37
圖22. 淡出淡入先後做	39
圖23. ΔHSVi與frame之間的關係	42
圖24. 緩慢場景轉換簡圖	43
圖25. 影像的H劃分	45
圖26. 區塊的編號	47
圖27. 編輯程式介面1	57
圖28. 程式執行1	58
圖29. 程式執行2	59
 
表目錄
表1. 影片介紹	51
表2. 劇烈場景轉換	52
表3. 緩慢場景轉換	53
表4. 場景轉換命名正確比率	54
表5. 劇烈場景轉換的比較	55
表6. 緩慢場景轉換的比較	55

[1] Tsung-Han Tsai and Yung-Chien Chen , “A Robust Shot Change Detection Method for Content-based Retrieval”, IEEE International Symposium on Circuits and Systems, (ISCAS’05), Vol. 5 , pp. 4590 - 4593 ,23-26 May 2005.
[2] Xi-Dao LUAN, Yu-Xiang XIE, Ling-Da WU, Jun WEN, Song-Yang LAO, “AnchorClu: An Anchorperson Shot Detection Method Based on Clustering”, Proceedings of the Sixth International Conference on Parallel and Distributed Computing Applications and Technologies, p.840-844, December 05-08, 2005
[3] G. Boccignone, A. Chianese, V. Moscato, and A. Picariello, "Foveated shot detection for video segmentation," IEEE Transactions on Circuits and Systems for Video Technology., Vol. 15, No. 3, pp. 365-377, Mar. 2005.
[4] Chang-Jian Fu, Guo-Hui Li, Xin-Wen Xu, Ke-Xue Dai, “Mining Video Hierarchical Structure for Efficient Management and Access”, Proceedings of the Fifth International Conference on Machine Learning and Cybernetics, pp. 1013-1018, Aug. 2006.
[5] C. Cotsaces, N. Nikolaidis, and I. Pitas, “Shot detection and condensed representation--a review”, IEEE Signal Processing Magazine, Vol. 23, No. 2, pp. 28-37, 2006.
[6] Weigang Zhang, Jianqiu Lin, Xiaopeng Chen, Qingming Huang and Yang Liu, “Video Shot Detection Using Hidden Markov Models with Complementary Features”, Proceedings of First International Conference on Innovative Computing, Information and Control, (ICICIC’06) , Vol. 3, pp. 593 – 596, Aug. 2006.
[7] Costantino Grana and Rita Cucchiara, “Linear Transition Detection as a Unified Shot Detection Approach”, IEEE Transactions on Circuits and Systems for Video Technology, Vol. 17, No. 4, April 2007.
[8] Matthew Cooper, Ting Liu, Eleanor Rieffel, “Video Segmentation via Temporal Pattern Classification”, IEEE Transactions on Multimedia, Vol. 9, No. 3, pp. 610-618, April 2007.
[9]Yang Liu, Weiqiang Wang, Wen Gao, and Wei Zeng, “A Novel Compressed Domain Shot Segmentation Algorithm on H.264/AVC”, Proceedings of International Conference on Image Processing, ICIP 2004, pp. 2235-2238, October 2004.
[10] W. Kraaij, A. Smeaton, P. Over, and J. Arlandis, “Trecvid2004 – An introduction”, Proceedings of TREC Video Retrieval Evaluation (TRECVID), Washington, DC, pp.1–13, 2004.
[11]高志邦（2005）：《以支援向量分類為依據之影片場景變化偵測》。國立中山大學資訊工程學系研究所碩士論文。