1)中建立的视频滑动窗口内进行变化点检测；
[0041] 步骤（1-3)
[0042] 若在视频序列窗口内检测到有时序变化点n，则以时间点η为下一轮检测的起始帧 并重新初始化滑动窗口帧长度为Lo，即11 1+1 = 11和1^ = 1^，对后续视频进行下一轮变化点检 测;若在视频序列窗口中未检测到时序变化点，则仍以初始化的m为检测起始帧，即:m +1 = m，而滑动窗口长度更新为Li+1 = Li+△ L，Δ L为滑动窗长度增量步长：M = f继续进行变 化点检测；
[0043] 步骤（1-4)
[0044] 整个变化点检测过程直到所有视频帧序列全部检测完成或到达预先指定的截止 时间To结束，即L>N或i>To,其中N为给定的完整监控视频总帧数，To为预先指定的截止时 间；否则，i = i+l并返回步骤(1-2)。
[0045] 所述利用检测出来的变化点将视频分割成包含不同内容的视频片段的方法为:通 过在每个窗口内检测视频子序列的时序变化点来实现对视频的时序分割，其中视频子序列 的时序变化点检测包括：
[0046] 步骤(2-1):视频特征提取
[0049] 步骤(2-2):相异性检测
[0047]在HSV颜色空间内对视频帧进行基于颜色直方图的特征提取，并采用量化方法对 色相、饱和度、明度分别降维到16维、8维、8维，最终得到32维的视频时间序列特征，同样记 为
[0048]
[0050] 假设Yi是给定的视频F中时间长度为L的一段视频子序歹 时间i开始，至时间i+L-Ι结束，对于每一个参考变化点net，相似度测量公式为：
[00511
[0052] 其畔
是将样本点(Xi，yj)映射到高斯核内；通过这样的映 射使原样本点在新空间中不同类别的样本点有更大分离性，并使新空间中的样本点对原数 据有更好的描述能力；
[0053] 步骤(2-3):假设检验
[0054] 基于以下假设检验进行时序变化点检测：
[0055] HuUYil^ }<λ?
[0056] HA^iYiln'} 2入土
[0057] 其中M为一设定阈值，可在算法执行中自适应得到的，若Ho成立，则没有变化点；否 贝1J，Ha为真时，在V处存在时序变化点，并在V处对Yi进行分割。
[0058]所述在得到的视频片段中利用聚类方法完成关键帧的提取方法，包括如下内容： [0059]在得到变化点V并对h进行分割后，前半视频片段使用k-means聚类算法，并提取 关键帧为与聚类中心最接近的视频帧;对后半视频片段则将继续进行变化点检测;待整个 检测过程结束时，提取出所有关键帧组成集合F并按时序进行排列，即为最后生成的视频摘 要。
【主权项】
1. 一种监控视频特征帧在线提取方法，其特征在于，所述提取方法包括步骤如下:首先 对视频序列进行时序变化点检测;并利用检测出来的变化点将视频分割成包含不同内容的 视频片段，进而在得到的视频片段中利用聚类方法完成关键帧的提取。2. 根据权利要求1所述的一种监控视频特征帧在线提取方法，其特征在于，所述对视频 序列进行时序变化点检测的方法包括如下步骤： 步骤（1-1):建立滑动窗口模型 初始化视频变化点检测的起始帧m = 1和相应的滑动窗口的帧长度UiLo; 步骤(1-2) 在所述步骤(1-1)中建立的视频滑动窗口内进行变化点检测； 步骤(1-3) 若在视频序列窗口内检测到有时序变化点η，则以时间点η为下一轮检测的起始帧并重 新初始化滑动窗口帧长度为L〇，即111+1 = 11和1^ = 1^，对后续视频进行下一轮变化点检测;若 在视频序列窗口中未检测到时序变化点，贝仍以初始化的m为检测起始帧，即：m+i = m，而 滑动窗口长度更新为Li+1 = Li+ △ L，△ L为滑动窗长度增量步长：况.=^继续进行变化点检 测； 步骤(1_4) 整个变化点检测过程直到所有视频帧序列全部检测完成或到达预先指定的截止时间To 结束，即 L>喊i >To，其中N为给定的完整监控视频总帧数，To为预先指定的截止时间;否则，i = i+l并返回步骤(1-2)。3. 根据权利要求1所述的一种监控视频特征帧在线提取方法，其特征在于，所述利用检 测出来的变化点将视频分割成包含不同内容的视频片段的方法为:通过在每个窗口内检测 视频子序列的时序变化点来实现对视频的时序分割，其中视频子序列的时序变化点检测包 括： 步骤(2-1):视频特征提取 在HSV颜色空间内对视频帧进行基于颜色直方图的特征提取，并采用量化方法对色相、 饱和度、明度分别降维到16维、8维、8维，最终得到32维的视频时间序列特征，同样记为F = {fi，f2, · · ·，fN} E32XN;步骤(2-2):相异性检测 假设h是给定的视频F中时间长度为L的一段视频子序列 从时间i 开始，至时间i+L-1结束，对于每一个参考变化点net，相似度测量公式为：步骤(2-3):假设检验 基于以下假设检验进行时序变化点检测： HuUYil^ }<入土 HA^iYiln' }2入土 其中λι为一设定阈值，若Ho成立，则没有变化点；否则，Ha为真时，在V处存在时序变化 点，并在水处对h进行分割。4.根据权利要求1所述的一种监控视频特征帧在线提取方法，其特征在于，所述在得到 的视频片段中利用聚类方法完成关键帧的提取方法，包括如下内容： 在得到变化点V并对Yi进行分割后，前半视频片段使用k-means聚类算法，并提取关键 帧为与聚类中心最接近的视频帧;对后半视频片段则将继续进行变化点检测;待整个检测 过程结束时，提取出所有关键帧组成集合F并按时序进行排列，即为最后生成的视频摘要。
【专利摘要】本发明提供一种监控视频特征帧在线提取方法。该方法在增量滑动窗口技术框架下，首先对视频子序列的时序变化点进行检测，并利用检测出来的变化点将视频分割成包含不同内容的视频片段，进而在得到的视频片段中利用聚类方法完成关键帧的提取。该方法不需要任何人为预先设定的参数，可实现完全无监督的监控视频关键帧提取。
【IPC分类】G06K9/00
【公开号】CN105678243
【申请号】CN201511025385
【发明人】卢国梁, 刘阳, 闫鹏, 王亮
【申请人】山东大学
【公开日】2016年6月15日
【申请日】2015年12月30日