视频关键帧提取方法、系统、存储介质及终端技术方案

本发明专利技术提供一种视频关键帧提取方法、系统、存储介质及终端，包括以下步骤：基于预设时间间隔从视频中提取视频帧；提取所述视频帧的特征向量；基于所述特征向量获取所述视频的静动态片段；基于所述静动态片段提取所述视频的关键帧。本发明专利技术的视频关键帧提取方法、系统、存储介质及终端能够准确提取视频中的关键帧，且不受应用场景的限制。不受应用场景的限制。不受应用场景的限制。

【技术实现步骤摘要】
视频关键帧提取方法、系统、存储介质及终端


[0001]本专利技术涉及视频处理的
，特别是涉及一种视频关键帧提取方法、系统、存储介质及终端。

技术介绍

[0002]视频中的一个画面就是一帧。关键帧是帧间压缩编码的最重要帧。视频的编码是按照“组”来进行。每一个组叫作GOP(Group of Picture，图像组)，每一个GOP都是由关键帧开始。GOP与GOP之间没有联系，编码关系只在GOP之间产生。关键帧是一幅完整的画面，GOP中间的帧都是不完整的，需要由关键帧、前面帧以及后面帧等一起运算得到。因此，在视频处理领域，关键帧的准确提取变得非常重要。
[0003]现有技术中，视频关键帧提取主要采用以下几种方法：
[0004](1)基于镜头边界的方法
[0005]该方法首先将视频按照镜头变化进行分割，再将每个镜头的第一帧和最后一帧作为关键帧。然而，该方法仅适用于画面内容活动性小或者保持不变的镜头；对于复杂的画面内容，提取的镜头首尾两帧代表性不强，效果差。
[0006](2)基于运动分析方法
[0007]该方法通过分析视频镜头中的物体运动的光流量，选择镜头中光流移动次数最少的视频帧作为提取到的关键帧。但是，该方法过度依赖物体运动的局部特征，计算过程复杂，鲁棒性差。
[0008](3)基于视频聚类的方法
[0009]该方法通过聚类方法将视频帧分为若干簇，并在每个簇中选取离聚类中心最近的视频帧作为关键帧。但是，该方法没有充分考虑各帧之间时间的先后变化顺序，并且在聚类之前需要预先设定一定数量的簇，导致适用性受到一定程度的限制。
[0010](4)平均值法
[0011]平均值法包括帧平均值法和直方图平均值法两种情况。帧平均值法取一个镜头中所有帧在某个特殊位置上的像素平均值，将镜头中该位置的像素值等于平均值的帧作为关键帧。直方图平均值法将镜头中所有帧的统计直方图取平均值，选择与该平均直方图最接近的顿作为关键帧。但是，上述方法一个镜头仅选取一个关键帧，不适用于长镜头、变化大的场景，也无法描述多个物体运动的镜头。

技术实现思路

[0012]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种视频关键帧提取方法、系统、存储介质及终端，能够准确提取视频中的关键帧，且不受应用场景的限制。
[0013]为实现上述目的及其他相关目的，本专利技术提供一种视频关键帧提取方法，包括以下步骤：基于预设时间间隔从视频中提取视频帧；提取所述视频帧的特征向量；基于所述特征向量获取所述视频的静动态片段；基于所述静动态片段提取所述视频的关键帧。
[0014]于本专利技术一实施例中，所述预设时间间隔为1秒。
[0015]于本专利技术一实施例中，提取所述视频帧的特征向量包括以下步骤：
[0016]训练特征向量提取模型；
[0017]将所述视频帧输入训练好的特征向量提取模型，获取所述特征向量提取模型输出的特征向量。
[0018]于本专利技术一实施例中，所述特征向量提取模型采用卷积神经网络。
[0019]于本专利技术一实施例中，基于所述特征向量获取所述视频的静动态片段包括以下步骤：
[0020]计算每个视频帧与下一视频帧的特征向量的相似度；
[0021]基于所述相似度获取所述视频的静动态片段；其中所述静态片段包含的视频帧属于所述视频的一段连续视频片段且所包含的所有视频帧与下一视频帧的特征向量的相似度大于预设静态阈值；所述动态片段包含的视频帧属于所述视频的一段连续视频片段且所包含的所有视频帧与下一视频帧的特征向量的相似度小于所述预设静态阈值大于预设动态阈值。
[0022]于本专利技术一实施例中，基于所述静动态片段提取所述视频的关键帧包括以下步骤；
[0023]对于所述静态片段，计算所述静态片段内的每个视频帧与其他视频帧的特征向量的相似度，计算所述相似度的平均值并将所述平均值最高的视频帧作为所述视频的关键帧；
[0024]对于视频帧数量为偶数的动态片段，以所述动态片段的第一个视频帧为起始帧，每间隔预设数量帧提取一个视频帧作为所述视频的关键帧；对于视频帧数量为奇数的动态片段，以所述动态片段的第二个视频帧为起始帧，每间隔预设数量帧提取一个视频帧作为所述视频的关键帧；所述起始帧也作为所述视频的关键帧。
[0025]于本专利技术一实施例中，所述预设数量帧为1帧。
[0026]本专利技术提供一种视频关键帧提取系统，包括视频帧提取模块、特征向量提取模块、片段获取模块和关键帧提取模块；
[0027]所述视频帧提取模块用于基于预设时间间隔从视频中提取视频帧；
[0028]所述特征向量提取模块用于提取所述视频帧的特征向量；
[0029]所述片段获取模块用于基于所述特征向量获取所述视频的静动态片段；
[0030]所述关键帧提取模块用于基于所述静动态片段提取所述视频的关键帧。
[0031]本专利技术提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的视频关键帧提取方法。
[0032]本专利技术提供一种视频关键帧提取终端，包括：处理器及存储器；
[0033]所述存储器用于存储计算机程序；
[0034]所述处理器用于执行所述存储器存储的计算机程序，以使所述视频关键帧提取终端执行上述的视频关键帧提取方法。
[0035]如上所述，本专利技术的视频关键帧提取方法、系统、存储介质及终端，具有以下有益效果：
[0036](1)通过相似度来划分视频的静动态片段，通过静动态片段来准确提取视频关键
帧；
[0037](2)解决现有技术中的视频关键帧提取方法在复杂场景下提取不准确、易遗漏的问题；
[0038](3)不受场景复杂程度影响，适用于多种应用场景，实用性强。
附图说明
[0039]图1显示为本专利技术的视频关键帧提取方法于一实施例中的流程图；
[0040]图2显示为本专利技术的视频关键帧提取方法于一实施例中的框架示意图；
[0041]图3显示为本专利技术的视频关键帧提取系统于一实施例中的结构示意图；
[0042]图4显示为本专利技术的视频关键帧提取终端于一实施例中的结构示意图。
[0043]元件标号说明
[0044]31
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
视频帧提取模块
[0045]32
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
特征向量提取模块
[0046]33
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
片段获取模块
[0047]34
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
关键帧提取模块
[0048]41
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
处理器
[0049]42
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
存储器
具体实施方式
[0050本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频关键帧提取方法，其特征在于：包括以下步骤：基于预设时间间隔从视频中提取视频帧；提取所述视频帧的特征向量；基于所述特征向量获取所述视频的静动态片段；基于所述静动态片段提取所述视频的关键帧。2.根据权利要求1所述的视频关键帧提取方法，其特征在于：所述预设时间间隔为1秒。3.根据权利要求1所述的视频关键帧提取方法，其特征在于：提取所述视频帧的特征向量包括以下步骤：训练特征向量提取模型；将所述视频帧输入训练好的特征向量提取模型，获取所述特征向量提取模型输出的特征向量。4.根据权利要求3所述的视频关键帧提取方法，其特征在于：所述特征向量提取模型采用卷积神经网络。5.根据权利要求1所述的视频关键帧提取方法，其特征在于：基于所述特征向量获取所述视频的静动态片段包括以下步骤：计算每个视频帧与下一视频帧的特征向量的相似度；基于所述相似度获取所述视频的静动态片段；其中所述静态片段包含的视频帧属于所述视频的一段连续视频片段且所包含的所有视频帧与下一视频帧的特征向量的相似度大于预设静态阈值；所述动态片段包含的视频帧属于所述视频的一段连续视频片段且所包含的所有视频帧与下一视频帧的特征向量的相似度小于所述预设静态阈值大于预设动态阈值。6.根据权利要求1所述的视频关键帧提取方法，其特征在于：基于所述静动态片段提取所述视频的关键帧包括以下步骤；对于所述静态片段，计算所述静态片段内...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：北京蜜度信息技术有限公司，
类型：发明
国别省市：