[发明专利]一种基于多维特征向量的关键帧提取算法

权利要求书

1.一种基于多维特征向量的关键帧提取算法，其特征在于首先利用基于图像灰度统计直方图特征的快速关键帧提取算法提取备选关键帧；其次，通过基于图像频域的方法对备选关键帧进行过滤处理；最后，通过基于伪聚类算法的关键帧复检，用以对运动场景或大运动画面的安防视频进行关键帧索引的建立。 

2.根据权利要求1所述的算法，其特征在于利用一种基于图像灰度统计直方图的关键帧初检算法进行视频的关键帧快速筛选，首先，将前后两帧图像转换成灰度图并提取其统计直方图；其次，利用卡方分布得出两个灰度统计的相似值，结合整个历史帧之间的相似值，以高斯分布为统计理论基础，建立基于滑动窗口的视频帧序列差异分布；最后利用基于滑动窗口的判定算法，得出视频序列的备选关键帧序列。 

3.根据权利要求1所述的算法，其特征在于利用一种基于图像频域信息的算法对备选关键帧进行光照和模糊化过滤，为了降低算法的运算复杂性，算法中通过图像的的梯度统计信息来反映图像的频域信息；首先，利用Sobel算子作为卷积核，先对图像的灰度图做水平方向的卷积，之后再对卷积结果做垂直方向的卷积，从而得到备选关键帧图像对应的梯度图；其次，对得到的梯度图像进行统计直方图统计；最后，能得到的一维统计直方图进行高低频分量的分析，若高频分量小于阈值T时，则认为该备选关键帧为受干扰图像，故而将该图像从备选关键帧图像中删除。 

4.根据权利要求1所述的算法，其特征在于利用一种基于HS彩色统计直方图的关键帧复检算法进行备选关键帧的复选检测，首先，将经过频域过滤的备 选关键帧转换到HSV色彩空间；第二，对HSV图像进行基于HS色彩分量的二维统计直方图统计；最后，利用基于伪聚类的方法抽取备选关键帧中的最终结果，输出关键帧序列。 

5.根据权利要求2所述的算法，其特征在于利用基于滑动窗口的算法进行帧间差异性预计和归类，其特点为，第一，待处理的数据集为一维数据集；第二，该方法基于一定的概率统计理论基础根据已经获取到的数据对数据的发展趋势进行预测；第三，根据已有数据的发展趋势来判定当前获取数据是否满足既定趋势。 

6.根据权利要求4所述的算法，其特征在于利用基于伪聚类的算法进行对备选关键帧的复检处理，其特点在于，首先，对备选关键帧序列进行伪聚类运算，最终选取每个聚类的聚类中心为最终关键帧；其次，伪聚类算法的特征选取对帧间图像HS颜色空间的统计直方图的卡方分布对比；最后，伪聚类算法的相似性测度选取基于滑动窗口的预测统计方法来规定聚类是否收敛，从而得到最终的一个聚类结果。