平均帧数计算

镜头边界检测的关键在于选取合适的特征量来表示视频内容的变化程度，即特征值的选取；以及如何设定适当的阈值来对视频内容的变化进行判断，即镜头转换边界的判断准则。

本算法是对Stephen和Zhang[1994]等人提出的双边比较法的一种改进：一是采用自适应阈值；二是在双阈值的基础上增加一个阈值；三是对渐变检测增加一个时间窗口来过滤伪渐变边界。本实验选择1秒，这是因为本实验所采用的AVI视频流的帧速为25fps，即在帧差图上选择25帧作为一个帧窗口。

具体算法如下：

RGB分量绝对帧差AFD（absolute frame difference）的计算公式如下:

上式中X和Y代表视频帧的宽和高；f(x,y,t)是视频帧序列中t时刻图像帧在(x,y)坐标处像素点的RGB分量值，f(x,y,t+1)是视频序列中t+1时刻图像帧(即t时刻的后一帧)在（x,y）坐标处像素点的RGB分量值。

观察到在同一镜头中的视频图像由于变化不大，所以其帧差大致呈现出相对平均分布，且平均值较小。而在发生突变处的帧差则明显要比同一镜头内图像之间帧差的平均值大很多，在发生渐变时(主要指淡入淡出和慢转换)，其帧差也会发生较大的变化。因此可设定三个系数：α，β和γ（α>β>γ），将镜头的平均帧差乘以α作为突变的判断阈值，而将镜头的平均帧差乘以γ作为渐变的判断阈值，将镜头的平均帧差乘以β作为累计帧差的判断阈值。其具体实现过程如下:

（1）初始化所有数据。设总的帧差TotalAFD=0，帧数I=1。开始一段新的视频，读入视频流的帧数信息num；

（2）读入第I帧图像的R分量值，再读入其后一帧的R分量值，计算两帧间R分量的绝对帧差。同样计算G、B分量的绝对帧差。将R、G、B各个分量的绝对帧差加起来，就得到了RGB分量的绝对后向帧差。将该帧差再除以X、Y，就得到归一化RGB分量的绝对后向帧差。采用归一化帧差有利于进行阈值判断；

（3）判断帧数，如果帧数I=1，判断为一个新的镜头的开始，转到第5步，如果I>1,转到第4步；

（4）判断当前帧差AFD是否达到镜头转换阈值，如果大于α* AVGAFD表