一种视频关键帧的提取方法技术

本发明专利技术公开了一种视频关键帧的提取方法，其包括如下步骤：S1、加载视频，且将视频图像转换为灰度图像；S2、获取每相邻两帧灰度图像的灰度差值；S3、确定边界帧；S4、根据边界帧将全部灰度图像划分为若干子视频图像序列，且确定每一子视频图像序列中的关键帧帧数；S5、根据视频的关键帧帧数总和选择初始聚类中心；S6、获取每帧灰度图像到各聚类中心的距离，且根据该距离对当前灰度图像进行归类；S7、对每一聚类中心进行更新；以及S8、重复步骤S6

【技术实现步骤摘要】
一种视频关键帧的提取方法


[0001]本专利技术涉及图像处理领域，特别涉及一种视频关键帧的提取方法。

技术介绍

[0002]现有的视频关键帧的提取方法主要通过聚类算法实现，如申请号2017102077177
‑
一种基于多特征融合镜头聚类的视频关键帧提取方法，其首先需要通过自适应均值聚类方法将图像分类至对应聚类簇，并实时更新各聚类簇的聚类中心，然后分别提取出距离各自聚类中心最近的图像帧作为各自聚类的关键帧。
[0003]但上述基于聚类的关键帧提取方法没有选择初始簇类中心，并且该方法依赖视频帧图像之间的HSV颜色特征和边缘特征的相似性来划分簇类，若预设的阈值选取不当，则会将帧图像划分到错误的簇类中。
[0004]而其他传统的基于聚类的关键帧提取方法则需要依靠人工选取簇类个数，且一旦初始簇类中心选择不当则会加剧计算的复杂度。
[0005]另外，不同的距离度量方法也会导致聚类结果的差异，因此，如何选取合适的距离度量方法来衡量图像帧之间的相似度也是亟待解决的问题。

技术实现思路

[0006]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种视频关键帧的提取方法，其能够在关键帧提取过程中有效减少视频中的冗余帧，大大提高图像检索的效率。
[0007]本申请提供了一种视频关键帧的提取方法，其包括如下步骤：
[0008]S1、加载视频，且将视频图像转换为灰度图像；
[0009]S2、获取每相邻两帧灰度图像的灰度差值；
[0010]S3、确定边界帧；
[0011]S4、根据边界帧将全部灰度图像划分为若干子视频图像序列，且确定每一子视频图像序列中的关键帧帧数，并根据每一子视频图像序列中的关键帧帧数确定所有子视频图像序列关键帧帧数总和；
[0012]S5、根据视频的关键帧帧数总和选择初始聚类中心；
[0013]S6、获取每帧灰度图像到各聚类中心的距离，且根据该距离对当前灰度图像进行归类；
[0014]S7、对每一聚类中心进行更新；
[0015]以及S8、重复步骤S6
‑
S7，直至每一聚类中心均不再发生变化，以获得最终更新后的聚类中心，且每一最终更新后的聚类中心均包括若干灰度图像；
[0016]在每一最终更新后的聚类中心中，选取与聚类均值距离最小的帧图像作为该视频的关键帧。
[0017]优选的，所述步骤S1包括如下步骤：
[0018]S11、加载视频，以获得M0帧视频图像；
[0019]S12、读取每帧视频图像的RGB参数，且根据公式(1)获取每帧视频图像中每一像素点的灰度值：
[0020][0021]其中，f(x,y)为视频图像像素点(x,y)的灰度值；R(x,y)、G(x,y)、B(x,y)分别为视频图像像素点(x,y)的红、绿、蓝三通道的像素值；
[0022]S13、根据每帧视频图像中每一像素点的灰度值将该帧视频图像转换为灰度图像；
[0023]S14、重复上述步骤S12
‑
S13，直至将每帧视频图像转换为灰度图像。
[0024]优选的，按照公式(2)获取每相邻两帧灰度图像的灰度差值：
[0025][0026]其中，ΔGK
k
代表第k帧灰度图像和第k+1帧灰度图像的灰度差值，下标k的取值范围为：k＝1,2,
…
,M0‑
1；W代表灰度图像的宽度，H代表灰度图像的长度，且每一灰度图像的宽度、长度均相同；f
k
(i,j)为像素坐标(i，j)处的像素点在第k帧灰度图像中的灰度值，f
k+1
(i,j)为像素坐标(i，j)处的像素点在第k+1帧灰度图像中的灰度值。
[0027]优选的，所述步骤S3包括：
[0028]S31、根据公式(3)设定边界帧阈值Q：
[0029][0030]其中，M0为灰度图像的总帧数；c为常数；
[0031]S32、将第k帧灰度图像和第k+1帧灰度图像的灰度差值ΔGK
k
与边界帧阈值Q进行比较，且当ΔGK
k
>T时，则选取第k+1帧灰度图像作为边界帧。
[0032]优选的，c的取值范围为[0.1,0.5]。
[0033]优选的，所述步骤S4包括：
[0034]S41、根据边界帧将全部灰度图像划分为若干子视频图像序列，且将第1个子视频图像序列中的第1帧图像作为边界帧，其余子视频图像序列中，每一个子视频图像序列的第1帧图像均为边界帧；
[0035]S42、根据公式(4)获取第l个子视频图像序列的关键帧帧数K
l
：
[0036][0037]其中，S(l1,l
i
)表示该子视频图像序列中，通过欧氏距离计算出的第1帧图像和第i帧图像之间的帧差值；S(l
j
,l
j+1
)表示该子视频图像序列中，通过欧氏距离计算出的第j帧图像和第j+1帧图像之间的帧差值；
[0038]S43、重复上述步骤S42，直至获取每一子视频图像序列的关键帧帧数；
[0039]S44、当某一子视频图像序列的关键帧帧数小于1时，则将该子视频图像序列的实际关键帧帧数记为1；当某一子视频图像序列的关键帧帧数大于1时，则将大于该关键帧帧数的最小整数记为该子视频图像序列的实际关键帧帧数；
[0040]S45、将所有子视频图像序列的实际关键帧帧数进行累加求和，以获得该视频的关键帧帧数总和K。
[0041]优选的，所述步骤S5包括：
[0042]S51、通过公式(5)计算出步长L：
[0043][0044]S52、选取所有灰度图像中的第1帧图像作为第1个聚类中心c1，之后每间隔L
‑
1帧图像选取1帧图像作为聚类中心，由此获得k个聚类中心；
[0045]S53、建立聚类中心集合C＝{c1,c2,...,ck}，并把上述k个聚类中心作为初始聚类中心。
[0046]优选的，所述步骤S6包括：
[0047]S61、根据公式(6)获取某一帧灰度图像x
i
到某一聚类中心c
j
的混合距离
[0048][0049]其中，为该帧灰度图像x
i
到该聚类中心c
j
的欧式距离，且的欧式距离，且为该帧灰度图像x
i
到该聚类中心c
j
的马氏距离，且其中，T代表矩阵转置，M为度量矩阵，可通过监督学习训练得到；j＝1,2,...,k；a、b为权重系数，且a＝K/M0，b＝1
‑
a；
[0050]S62、重复步骤S61，以获取步骤S61中所对应的灰度图像x
i
到每一聚类中心的混合距离，并建立集合D
H
＝{D
Hij
}(i＝1,2,...,M0)，该集合D...

【技术保护点】

【技术特征摘要】
1.一种视频关键帧的提取方法，其特征在于，包括如下步骤：S1、加载视频，且将视频图像转换为灰度图像；S2、获取每相邻两帧灰度图像的灰度差值；S3、确定边界帧；S4、根据边界帧将全部灰度图像划分为若干子视频图像序列，且确定每一子视频图像序列中的关键帧帧数，并根据每一子视频图像序列中的关键帧帧数确定所有子视频图像序列关键帧帧数总和；S5、根据视频的关键帧帧数总和选择初始聚类中心；S6、获取每帧灰度图像到各聚类中心的距离，且根据该距离对当前灰度图像进行归类；S7、对每一聚类中心进行更新；以及S8、重复步骤S6
‑
S7，直至每一聚类中心均不再发生变化，以获得最终更新后的聚类中心，且每一最终更新后的聚类中心均包括若干灰度图像；在每一最终更新后的聚类中心中，选取与聚类均值距离最小的帧图像作为该视频的关键帧。2.如权利要求1所述的视频关键帧的提取方法，其特征在于，所述步骤S1包括如下步骤：S11、加载视频，以获得M0帧视频图像；S12、读取每帧视频图像的RGB参数，且根据公式(1)获取每帧视频图像中每一像素点的灰度值：其中，f(x,y)为视频图像像素点(x,y)的灰度值；R(x,y)、G(x,y)、B(x,y)分别为视频图像像素点(x,y)的红、绿、蓝三通道的像素值；S13、根据每帧视频图像中每一像素点的灰度值将该帧视频图像转换为灰度图像；S14、重复上述步骤S12
‑
S13，直至将每帧视频图像转换为灰度图像。3.如权利要求1所述的视频关键帧的提取方法，其特征在于，按照公式(2)获取每相邻两帧灰度图像的灰度差值：其中，ΔGK
k
代表第k帧灰度图像和第k+1帧灰度图像的灰度差值，下标k的取值范围为：k＝1,2,
…
,M0‑
1；W代表灰度图像的宽度，H代表灰度图像的长度，且每一灰度图像的宽度、长度均相同；f
k
(i,j)为像素坐标(i，j)处的像素点在第k帧灰度图像中的灰度值，f
k+1
(i,j)为像素坐标(i，j)处的像素点在第k+1帧灰度图像中的灰度值。4.如权利要求1所述的视频关键帧的提取方法，其特征在于，所述步骤S3包括：S31、根据公式(3)设定边界帧阈值Q：
其中，M0为灰度图像的总帧数；c为常数；S32、将第k帧灰度图像和第k+1帧灰度图像的灰度差值ΔGK
k
与边界帧阈值Q进行比较，且当ΔGK
k
>T时，则选取第k+1帧灰度图像作为边界帧。5.如权利要求4所述的视频关键帧的提取方法，其特征在于，c的取值范围为[0.1,0.5]。6.如权利要求1所述的视频关键帧的提取方法，其特征在于，所述步骤S4包括：S41、根据边界帧将全部灰度图像划分为若干子视频图像序列，且将第1个...

【专利技术属性】
技术研发人员：张振，马传香，梁俊，王业率，陈竞，鲜晓东，唐逢爽，李力，
申请(专利权)人：湖北大学，
类型：发明
国别省市：