一种基于图像特征快速提取关键帧的方法和系统技术方案

本发明专利技术公开了一种基于图像特征快速提取关键帧的方法和系统，该方法包括以下步骤：S1：获取第一帧图像的图像特征，设置保存图像标识符为1；S2：获取下一帧图像的图像特征；S3：获取图像特征变化值；S4:判断图像特征变化值是否超过预设图像特征变化阈值，若是，配置当前帧图像特征为特征模板，设置保存图像标识符为1，执行步骤S2；若否，执行步骤S5；S5：判断保存图像标识符是否为1，若是，保存当前帧图像，当前帧图像为关键帧图像，设置保存图像标识符为0，执行步骤S2；若否，执行步骤S2。通过对比前后帧的图像特征、设置预设阈值和保存图像标识符，来达到快速提取关键帧的目的，同时实现过滤动作帧，减少了工作量，节省大量时间开销。

【技术实现步骤摘要】
一种基于图像特征快速提取关键帧的方法和系统
本专利技术涉及人机交互
，具体涉及一种基于图像特征快速提取关键帧的方法和系统。
技术介绍
目前常用的关键帧提取算法，例如K-means算法，需事先给定类别数量，需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此，当数据量非常大时，算法的时间开销是非常大的。
技术实现思路
针对上述现有技术，本专利技术的第一个目的在于提供一种基于图像特征快速提取关键帧的方法，仅将当前帧图像特征与特征模板进行对比，减少了计算量，节省大量时间开销，实现过滤运动帧，提取关键帧。本专利技术通过下述技术方案实现：一种基于图像特征快速提取关键帧的方法，包括以下步骤：S1：获取第一帧图像的图像特征，配置所述第一帧图像的图像特征为特征模板，设置保存图像标识符为1；S2：获取下一帧图像的图像特征，所述下一帧图像为当前帧图像，配置所述下一帧图像特征为当前帧图像特征；S3：获取所述当前帧图像特征与所述特征模板对比得出的图像特征变化值；S4：判断所述图像特征变化值是否超过预设图像特征变化阈值，若是，更新所述当前帧图像特征为特征模板，转换保存图像标识符为1，执行步骤S2；若否，执行步骤S5；S5：判断所述保存图像标识符是否为1，若是，保存所述当前帧图像，所述当前帧图像为关键帧图像，转换保存图像标识符为0，执行步骤S2；若否，执行步骤S2。可选地，所述图像特征包括图像特征形状和图像特征点。进一步地，所述图像特征形状包括凸包形状、凹包形状、外接矩形的轮廓形状和外接圆的轮廓形状。进一步地，所述图像特征点包括凸包点、凹包点、外接矩形中心点和外接圆的圆心。进一步地，所述图像特征变化阈值包括所述图像特征形状的面积阀值和所述图像特征点的坐标阀值；所述图像特征变化值包括所述图像特征形状的面积变化值和所述图像特征点的坐标变化值。本专利技术的第二个目的在于提供一种基于图像特征快速提取关键帧的系统，包括：预设模块，用于预设图像特征变化阈值；设置模块，用于设置在第一帧图像时的保存图像标识符为1、转换保存图像标识符和更新特征模板；获取模块，用于获取图像特征和图像特征变化值；判断模块，用于判断所述图像特征变化值是否超过所述图像特征变化阈值和判断所述保存图像标识符是否为1；保存模块，用于保存关键帧。可选地，所述图像特征包括图像特征形状和图像特征点。进一步地，所述图像特征形状包括凸包形状、凹包形状、外接矩形的轮廓形状和外接圆的轮廓形状。进一步地，所述图像特征点包括凸包点、凹包点、外接矩形中心点和外接圆的圆心。进一步地，所述图像特征变化阈值包括所述图像特征形状的面积阀值和所述图像特征点的坐标阀值；所述图像特征变化值包括所述图像特征形状的面积变化值和所述图像特征点的坐标变化值。本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术提供了一种基于图像特征快速提取关键帧的方法，通过对比当前帧图像特征与特征模板和设置图像特征变化阈值，来判断当前帧图像特征与特征模板的相似度，减少了工作量，节省大量时间开销；通过转换保存图像标识符，来保存相似度较小的图像达到快速提取关键帧的目的，同时实现过滤掉连续相似图像的动作帧，减少了关键帧的冗余。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术实施例一提供的一种基于图像特征快速提取关键帧的方法的流程示意图；图2为本专利技术实施例一提供的一种基于图像特征快速提取关键帧的方法中关键帧提取过程的示意图图3为本专利技术实施例二提供的一种基于图像特征快速提取关键帧的系统的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。现有的关键帧提取方法常采用K-means算法，K-means算法是一种基于样本间相似性度量的间接聚类方法，此算法以k为参数，把n个对象分为k个簇，以使簇内具有较高的相似度，而且簇间的相似度较低。此算法首先随机选择k个对象，对于其余的每一个对象，根据该对象与各聚类中心之间的距离，把它分配到与之最相似的聚类中。然后，计算每个聚类的新中心，重复上述过程。即K-means算法需事先给定类别数量，需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此，当数据量非常大时，计算量大，算法的时间开销是非常大的。因此，本专利技术针对现有基于K-means算法来提取关键帧的方法存在的不足，提出一种改进型的基于图像特征快速提取关键帧的方法，据了解，在镜头未发生突变的情况下，一段连续的视频其每帧的图像信息特征值处于一种微变的状态，视频序列中的任何一帧，其图像信息特征值总是和其前后几帧图像的图像信息特征值相近的，也就是说对于非突变的视频序列，该视频序列中的每一帧图像的特征值是渐变的，当这种渐变累计到一定程度的时候，对于视频序列中的某些帧，比较其特征值，其特征值可能已经发生巨大变化。本专利技术利用这一特性仅对比前后两帧图像的图像特征，进而完成对所有帧的实时判断，实现过滤掉连续相似的运动帧，保存渐变累积后变化较大的图像即为关键帧，通过这种方法大大减少了计算量，节省大量时间开销。实施例一本实施例一提供了一种基于图像特征快速提取关键帧的方法，如图1所示，包括以下步骤：S1：获取第一帧图像的图像特征，配置第一帧图像的图像特征为特征模板，设置保存图像标识符为1；在本实施例中，将第一帧图像作为起始帧，提取第一帧图像的图像特征，并将第一帧图像的图像特征作为特征模板，同时设置保存图像标标识符为1。需要指出的是，起始帧的设定不限于第一帧图像，可根据用户自定义关键帧提取视频片段而设定起始帧。S2：获取下一帧图像的图像特征，下一帧图像为当前帧图像，配置下一帧图像特征为当前帧图像特征；S3：获取当前帧图像特征与特征模板对比得出的图像特征变化值；S4：判断图像特征变化值是否超过预设图像特征变化阈值，若是，更新当前帧图像特征为特征模板，转换保存图像标识符为1，执行步骤S2；若否，执行步骤S5；S5：判断保存图像标识符是否为1，若是，保存当前帧图像，当前帧图像为关键帧图像，转换保存图像标识符为0，执行步骤S2；若否，执行步骤S2。本专利技术提供的一种基于图像特征快速提取关键帧的方法，首先将当前帧图像特征与第一帧的图像特征(即特征模板)进行对比，判断对比后得出的图像特征变化值是否超过预设图像特征变化阈值；若超过，则表示当前帧图像特征与特征模板不相似，即不保存该当前帧图像，更新当前帧图像特征为特征模板，同时将保存图像标识符转换为1，然后重复获取下一帧图像的图像特征的步骤。若未超过，则表示当前帧图像特征与特征模板相似，本文档来自技高网...

【技术保护点】
1.一种基于图像特征快速提取关键帧的方法，其特征在于，包括以下步骤：/nS1：获取第一帧图像的图像特征，配置所述第一帧图像的图像特征为特征模板，设置保存图像标识符为1；/nS2：获取下一帧图像的图像特征，所述下一帧图像为当前帧图像，配置所述下一帧图像特征为当前帧图像特征；/nS3：获取所述当前帧图像特征与所述特征模板对比得出的图像特征变化值；/nS4：判断所述图像特征变化值是否超过预设图像特征变化阈值，若是，更新所述当前帧图像特征为特征模板，转换保存图像标识符为1，执行步骤S2；若否，执行步骤S5；/nS5：判断所述保存图像标识符是否为1，若是，保存所述当前帧图像，所述当前帧图像为关键帧图像，转换保存图像标识符为0，执行步骤S2；若否，执行步骤S2。/n

【技术特征摘要】
1.一种基于图像特征快速提取关键帧的方法，其特征在于，包括以下步骤：
S1：获取第一帧图像的图像特征，配置所述第一帧图像的图像特征为特征模板，设置保存图像标识符为1；
S2：获取下一帧图像的图像特征，所述下一帧图像为当前帧图像，配置所述下一帧图像特征为当前帧图像特征；
S3：获取所述当前帧图像特征与所述特征模板对比得出的图像特征变化值；
S4：判断所述图像特征变化值是否超过预设图像特征变化阈值，若是，更新所述当前帧图像特征为特征模板，转换保存图像标识符为1，执行步骤S2；若否，执行步骤S5；
S5：判断所述保存图像标识符是否为1，若是，保存所述当前帧图像，所述当前帧图像为关键帧图像，转换保存图像标识符为0，执行步骤S2；若否，执行步骤S2。


2.根据权利要求1所述的基于图像特征快速提取关键帧的方法，其特征在于，所述图像特征包括图像特征形状和图像特征点。


3.根据权利要求2所述的基于图像特征快速提取关键帧的方法，其特征在于，所述图像特征形状包括凸包形状、凹包形状、外接矩形的轮廓形状和外接圆的轮廓形状。


4.根据权利要求2所述的基于图像特征快速提取关键帧的方法，其特征在于，所述图像特征点包括凸包点、凹包点、外接矩形中心点和外接圆的圆心。


5.根据权利要求2所述的基于图像特征快速提取关键帧的方法，其特征在于，所述图像特征变化阈值包括所述...

【专利技术属性】
技术研发人员：王筱野，邓雪，郭海涛，陈威，
申请(专利权)人：成都运达科技股份有限公司，
类型：发明
国别省市：四川;51