投影片換頁特效分類之研究:以教學影片為例

Abstract

由於錄影工具的大眾化，使得人人皆能夠自行錄製影片，而線上教學系統即 可利用老師授課時所錄製的影片，置於線上供學生隨時學習甚至複習。但由於一節課影片相當冗長，而學生在複習時也許只對某些上課片段不了解，為了避免觀看特定片段卻需要下載完整影片而浪費許多時間，於是視訊切割的重要性相對地大大增加，但由於教師在製作投影片時，會為了授課時更加地生動活潑，因此投影片中除了靜態的文字和圖片之外，仍有著動態文字特效、動態圖片、動態換頁特效等等效果加入，因此本研究希望提出一個方法，可以判斷出動態換頁特效的存在，並正確地將其分類。 本研究可分為兩個主要階段：第一階段為取出有變化的畫面，採用較簡易快 速的pixel difference 演算法，並由灰階及二元化兩方資訊相輔相成，從大量的連續畫面中偵測出含有變化的許多動態變化片段資訊出來。第二階段則是偵測換頁特效，此動態效果在此研究中定義成三種類型，分別是掃瞄線變化類別(SCT)、分散式變化類別(DCT)、位移變化類別(MCT)。SCT 的判斷方式是先求出水平及垂直投影圖，再利用連續畫面中各畫面與首張及結尾畫面之間進行DPAO 演算法比較求出最小距離，再依照分別對於首張及結尾畫面的距離數據計算其相關性，達到一定程度的負相關者則判斷為SCT 類別；DCT 則是使用與首張和結尾畫面的灰階圖相減，並計算含有變動的pixel 數量，再依照相同的相關性計算方式判斷是否為DCT 類別；MCT 則為不符合前兩項類別則為此類別。最後再經由區塊比對將被判定為SCT 及DCT 的資料中再次進行分類，以求更高的分類正確率。 本研究以avi 格式影片作為實驗，將自動偵測出投影片換頁特效的起始點， 並將換頁特效分類，實驗結果其偵測準確率可達96%以上，而分類準確率可達 91%。