专利名称：一种提取压缩视频关键帧的方法
技术领域：
本发明涉及视频技术领域，尤其涉及ー种提取压缩视频关键帧的方法。
背景技术：
随着网络技术和多媒体技术的快速发展，数字时代来临了，海量的视频涌入Internet，进入人们的生活，给人们带来了视觉和听觉的享受。与此同时，对这些海量视频进行科学合理的管理便成了摆在人们面前的一个艰巨的任务。人们如何在海量的视频中获取自己感兴趣的视频数据也成为计算机技术必须解决的问题。视频检索技术研究也正是在数字时代的召喚下成为了当今世界计算机领域研究的一个热点问题。关键巾贞提取是视频检索的关键部分，关键巾贞的质量直接影响到视频检索的效率。为了节省检索过程的时间开销以及计算机系统资源消耗，许多学者开始考虑直接在压缩域下进行视频检索。现有的关键帧提取方法包括基于镜头边界法、基于内容分析的方法、基于运动分析的方法、基于镜头活动性的方法、基于视频无监瞀聚类提取关键帧、基于MPEG压缩域提取关键帧等方法。其中现有技术中ー种提取视频关键帧的方法是，在根据I帧及DC系数进行最小程度解码的条件下，采用抽象的质点表示图像的组成，并通过跟踪质心的特征提取关键帧。该方法实现此较简单，但是选取的特征相对单一，并且阈值的确定也需要多次测试，所以该方法提取的关键帧准确度较低。
发明内容
本发明的目的是为了克服现有技术的缺陷，提供一种提取压缩视频关键帧的方法，通过该方法能够此较准确地提取出可以反映视频主要内容的关键帧，并且弥补了単一利用DC系数特征信息对视频内容描述不完整的缺陷。ー种提取压缩视频关键帧的方法，该方法分为两部分，第一部分是对视频进行特征提取，第二部分是对特征曲线进行检测提取关键帧；具体的为，首先从DC系数提取视频的顔色特征，其次提取AC系数的边缘和纹理等方面的特征，采用高斯模型归ー化不同的数值，进而得到融合特征，由此得到完整的特征相似度，以便提高关键帧的代表性和准确率；然后利用特征相似度建立曲线，最后对曲线进行两次曲率检测提取关键帧。基于DCT的DC系数特征提取的具体操作如下DC系数中包含了帧图像的大部分顔色信息，为了使提取的图像颜色信息能够接近人眼的视觉感知，利用式⑴把从DC系数中提取的图像的RGB颜色特征转换到HSV顔色空间；
权利要求
1.ー种提取压缩视频关键帧的方法，其特征在于，该方法分为两部分，第一部分是对视频进行特征提取，第二部分是对特征曲线进行检测提取关键帧；具体的为，首先从DC系数提取视频的颜色特征，其次提取AC系数的边缘和纹理等方面的特征，采用高斯模型归ー化不同的数值，进而得到融合特征，由此得到完整的特征相似度，以便提高关键帧的代表性和准确率；然后利用特征相似度建立曲线，最后对曲线进行两次曲率检测提取关键帧。
2.如权利要求I所述的方法，其特征在于，基于DCT的DC系数特征提取的具体操作如下 DC系数中包含了帧图像的大部分顔色信息，为了使提取的图像颜色信息能够接近人眼的视觉感知，利用式(I)把从DC系数中提取的图像的RGB颜色特征转换到HSV顔色空间；
3.如权利要求I或2所述的方法，其特征在于，基于DCT的AC系数特征提取的具体操作如下 本发明中采用Canny算子提取图像的AC系数；纹理提取采用了 Gabor滤波；AC系数的提取分为两步，第一歩是对边缘的提取，第二步是对纹理的提取； Step2. I :提取边缘特征边缘检测是所有基于边界的图像分割的基础，边缘分布直方图主要是用来统计图像边缘的分布情况，一般两个具有不同灰度值的相邻区域之间总存在边缘，因而边缘是灰度不连续的结果，为了得到边缘直方图，按照一定角度对边缘方向进行划分，从而得到ー个若干级的边缘直方图；边缘直方图不受图像中对象位置的影响，为了能够不受图像缩放的影响，利用式(5)对边缘直方图进行归ー化处理； e(i) = e(i)/S(5) 其中e(i)为图像边缘直方图，S为图像面积； Step2. 2 :提取纹理特征 鉴于Gabor滤波器中的尺度和方向的可变性使其在纹理分析中特别有用，采用Gabor滤波器提取图像的纹理特征，对于ー个给定的图像，尺寸为PxQ，它的离散Gabor小波变换的卷积形式为
4.如权利要求I或3所述的方法，其特征在干，特征提取之后，对其进行归ー化及融合，采用ー种无须计算权重的综合特征相似度融合的方法，如式(10)所示 Dpef = (P · e) + (e · f) + (f · P)(10) 其中P表示采用颜色直方图相交距计算得到的顔色特征相似度，e表示边缘特征的相似度，f表示纹理特征相似度；由于不同特征的物理意义不同，取值范围也常大相径庭，不同的特征距离之间常不具有可比性；为此，综合利用不同特征进行检索时，需要首先对不同的数值进行归ー化；本发明采用高斯模型进行归一化，所以P、e、f被映射到空间
； 式(10)表示，只有当至少两个特征具有明显变化时，全局特征才会有明显的变化，所以该相似度计算模型既避免了复杂的权重选择，又能准确地描述图像帧之间视觉内容上的差异。
5.如权利要求I或4所述的方法，其特征在干，对特征曲线进行检测提取关键帧时要用特征相似度建立曲线，具体如下在对视频进行特征提取时已经获得了融合的特征向量Dprf，利用视频融合特征相似度集合中的元素Dprf为纵坐标，以镜头内部的帧号Fi为横坐标，构造融合特征相似度曲线；为了能较好地利用曲线进行关键帧提取，本发明还利用了三个可调的參数dmax表示最大相邻可此距离，dmin表示最小相邻可此距离，cimax表示曲线上某点处角度的最大值，本发明试验中取d_ = cU+2。
6.如权利要求5所述的方法，其特征在干，关键帧的提取采用两次扫描曲线的方法确定最終的关键帧；首先扫描得到的特征点序列曲线，选择出可能的高曲率点作为关键帧的候选帧；然后根据特定的条件，再次扫描特征点序列曲线，删除不符合条件的候选帧，形成最終的关键帧集合； 第一次扫描曲线的时候严格按照数学意义上的高曲率定义标准确定候选关键帧，在当前所处理的点a两侧，分别找出满足式(11)的点对a_(a点左侧的点)、a+(a点右侧的点)，并计算由此三点构成的三角形的内角α ;如果Z α满足式(11)，则称a点为高曲率点，并将其作为候选的关键帧，加入候选关键帧的点集；继续处理曲线上其他的点，直到处理完一个镜头曲线内的所有点为止，记录所有候选点的坐标值及Z α ；
全文摘要
本发明公开了一种提取压缩视频关键帧的方法。该方法首先从DC系数提取视频的颜色特征，然后提取AC系数的边缘和纹理等方面的特征，最后采用高斯模型归一化不同的数值，进而得到融合特征，由此得到完整的特征相似度，以便提高关键帧的代表性和准确率；然后利用特征相似度建立曲线，最后对曲线进行两次曲率检测提取关键帧。本发明的方法能够此较准确地提取出可以反映视频主要内容的关键帧，并且弥补了单一利用DC系数特征信息对视频内容描述不完整的缺陷。其次，采用二次检测曲线的方法实现关键帧的自动提取，避免了人为确定关键帧数量。
文档编号H04N7/30GK102695056SQ20121016450
公开日2012年9月26日 申请日期2012年5月23日 优先权日2012年5月23日
发明者罗笑南, 蒋昊, 黄鹏 申请人:中山大学