Останнім часом актуальними стали дослідження, пов'язані з реферування відео з урахуванням контенту і розробкою відповідного інструментарію, де реалізовані методи машинного навчання, розпізнавання шаблонів і образів. Такий інструментарій покликаний забезпечити простий і гнучкий інтерфейс обробки і скорочення відеоматеріалу із збереженням його смислової частини. На сьогоднішній день в цій області проведено досить багато досліджень, хоча напрям зародився відносно недавно. Однак, існуючі методи та інструментальні засоби недостатньо задовольняють зростаючим вимогам користувачів, крім того, витяг значущих відеокадрів на концептуальному і програмному рівні виявилося скрутним без участі з боку користувача. Дана робота присвячена дослідженню методів реферування відео та розробці методу відбору статичних кадрів, які максимально розкривають сюжет. Статичне реферування, як правило, передбачає пошук ключових кадрів, для чого використовуються різні підходи: аналіз руху, кластерний аналіз, спрощення кривої. У Науковій роботі булі проаналізовані методи пошуку ключових кадрів, ознаки і міри близькості для порівняння кадрів та їх розбиттів, а на базі висновків розроблено метод пошуку ключових кадрів з за допомогою діаграм Вороного. Програмний продукт реалізує розроблений метод. КЛЮЧОВИЙ КАДР, ОПОРНІ ТОЧКИ, ДІАГРАМИ ВОРОНОГО, СЦЕНА В последнее время актуальными стали исследования, связанные с реферированием видео с учетом контента и разработкой соответствующего инструментария, где реализованы методы машинного обучения, распознавания шаблонов и образов. Такой инструментарий призван обеспечить простой и гибкий интерфейс обработки и сокращение видеоматериала с сохранением его смысловой части. На сегодняшний день в этой области проведено достаточно много исследований, хотя направление зародилось относительно недавно. Однако, существующие методы и инструментальные средства недостаточно удовлетворяют растущим требованиям пользователей, кроме того, извлечение значимых видеокадров на концептуальном и программном уровне оказалось затруднительным без участия со стороны пользователя. Данная работа посвящена исследованию методов реферирования видео и разработке метода отбора статических кадров, максимально раскрывающих сюжет. Статическое реферирования, как правило, предполагает поиск ключевых кадров, для чего используются различные подходы: анализ движения, кластерный анализ, упрощение кривой. В Научной работе были проанализированы методы поиска ключевых кадров, признаки и меры близости для сравнения кадров и их разбиений, а на базе выводов разработан метод поиска ключевых кадров с с помощью диаграмм Вороного. Программный продукт реализует разработанный метод. КЛЮЧЕВОЙ КАДР, ОПОРНЫЕ ТОЧКИ, ДИАГРАММЫ ВОРОНОГО, СЦЕНА Recently, the current study were related to video summarization based on the content and development of appropriate tools, which are implemented methods of machine learning, pattern recognition and pattern. This toolkit is intended to provide a simple and flexible interface processing and reduction footage while preserving its semantic parts. Today in this area conducted a lot of research, although the direction originated relatively recently. However, existing methods and tools not meet the increasing demands of users, in addition, extract meaningful video on the conceptual and program level was difficult without participation by the user. This work is devoted to techniques and the development of a video summarization method selection static shots that best reveal the plot. Static summarization usually includes searching keyframes, which uses different approaches: analysis of movement, cluster analysis, simplification of the curve. In scientific work boule analyzed methods of finding key personnel, signs and proximity measure to compare frames and partitions, and at the conclusion the method of recruiting key personnel from using Voronoi diagrams. The software implements a method developed. KEY FRAMES, PIVOT POINTS, VORONOI MOSAICS, SCENE
