[發明專利]一種視頻關鍵幀提取方法

有效

• 申請號: 201711165320.2
• 申請日: 2017-11-21
• 公開（公告）號: CN107844779B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 羅元;周寒興;張毅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/254;G06T5/00;G06K9/46;G06K9/62
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

1.一種視頻關鍵幀提取方法，其特征在于，包括以下步驟：

1)、獲取待處理原視頻數據，對所述待處理原視頻數據提取原視頻幀序列；

2)、使用視頻序列背景減除算法ViBe算法融合幀間差分法對所獲取的原視頻序列進行運動目標檢測，得到含有運動目標的關鍵視頻序列；

3)、對步驟2)所述的關鍵視頻序列利用全局特征峰值信噪比進行關鍵幀粗提取，獲取候選關鍵幀序列；

4)、對步驟3)所述候選關鍵幀序列建立視頻幀綜合相似度，利用視頻幀綜合相似度對所述候選關鍵幀序列進行自適應關鍵幀提取，獲取目標關鍵幀序列；

所述步驟4)對候選關鍵幀序列建立視頻幀綜合相似度，利用其對所述候選關鍵幀序列進行自適應關鍵幀提取，獲取目標關鍵幀序列，包括步驟：

對候選關鍵幀序列使用峰值信噪比建立相鄰視頻幀的全局相似度；

對候選關鍵幀序列使用SURF特征點建立相鄰視頻的局部相似度；

對全局相似度與局部相似度進行加權融合得到相鄰視頻幀的綜合相似度；

對候選關鍵幀序列利用綜合相似度計算劃分關鍵幀與冗余幀的自適應閾值；

對候選關鍵幀序列的相鄰視頻幀綜合相似度，判斷與自適應閾值的大小，若小于自適應閾值則加入所述關鍵幀序列，否則舍去，依次循環得到所述目標關鍵幀序列。

2.根據權利要求1所述的視頻關鍵幀提取方法，其特征在于，所述步驟2)對待處理視頻數據進行運動目標檢測，得到含有運動目標的關鍵視頻序列，包括步驟：

對所述視頻幀序列中當前兩兩相鄰的視頻幀，分別用ViBe算法和幀差法進行處理，并將兩種方法處理后的結果進行與運算，作為當前幀運動目標檢測結果；

對當前幀運動目標檢測結果，判斷與設定閾值的大小，若大于設定閾值則將當前幀存入所述關鍵視頻序列，否則舍去當前幀，依次循環，得到含有所述運動目標的關鍵視頻序列。

3.根據權利要求2所述的視頻關鍵幀提取方法，其特征在于，

所述步驟3)對關鍵視頻序列利用全局特征峰值信噪比進行關鍵幀粗提取，得到候選關鍵幀序列，包括步驟：

從首幀開始，對所述關鍵視頻序列將當前幀依次與后續幀計算其峰值信噪比值；

對所述峰值信噪比值與設定閾值進行比較，直到峰值信噪比值比設定閾值小，將當前的后續幀存入所述候選關鍵幀序列，當前幀與當前后續幀之間的所有視頻幀全部舍去，依次循環，得到所述候選關鍵幀序列。

4.根據權利要求1所述的視頻關鍵幀提取方法，其特征在于，所述相鄰視頻幀的全局相似度包括：

其中，k_i,k_j為所述候選關鍵幀序列中的相鄰視頻幀，P(k_i,k_j)表示兩視頻幀間的峰值信噪比，i，j均表示候選關鍵幀序列中的視頻幀號，α表示全局相似度的歸一化因子，這里設置為視頻幀間峰值信噪比的最大值。

5.根據權利要求4所述的視頻關鍵幀提取方法，其特征在于，所述建立視頻幀的局部相似度，首先采用SURF特征點描述圖像的局部特征，包括：

計算積分圖像；使用積分圖像完成卷積運算度；

檢測特征點；構建Hessian矩陣，然后構建尺度空間，確定特征點；

生成描述子；分配基準方向，生成描述子特征向量；

特征點匹配；通過兩個特征點之間的歐氏距離以及Hessian矩陣的跡來確定匹配度。

6.根據權利要求5所述的視頻關鍵幀提取方法，其特征在于，所述相鄰視頻的局部相似度包括：

其中，k_i，k_j為所述候選關鍵幀序列中的相鄰視頻幀，m和n分別為視頻幀k_i,k_j的SURF特征點個數，l它們能夠匹配的特征點個數。