[发明专利]一种关键帧提取方法、终端及计算机可读存储介质

说明书

本发明公开了一种关键帧提取方法、终端及计算机可读存储介质，其中，方法包括：获取预设识别训练模型，并获取预设视频图像数据库中的多个视频图像数据；通过预设识别训练模型分别对多个视频图像数据进行识别，得到各视频图像数据对应的关键帧；对各视频图像数据对应的关键帧进行检测，并根据检测结果提取并显示满足检测条件的关键帧。本发明通过预设识别训练模型分别对多个视频图像数据进行识别，以深度学习模型的方式快速地提取各视频图像数据的关键帧，提高了视频图像数据中关键帧的提取效率；并且，通过对各视频图像数据对应的关键帧进行检测，可根据检测结果提取并显示满足检测条件的关键帧，提高了视频图像数据中关键帧的提取质量。

技术领域

本发明涉及图像处理技术领域，尤其涉及的是一种关键帧提取方法、终端及计算机可读存储介质。

背景技术

视频图像随着互联网和多媒体技术的不断发展日益剧增，视频相比图像来说信息更加丰富，但是一个序列里冗余信息太多，在很多场景下，我们不想或者不能处理视频的每一帧图片，这时我们希望能够从视频中提取出一些重要的帧进行处理，这个过程我们称为视频关键帧提取，如何有效地提取出所需要的关键帧对于很多任务都是至关重要的，如：大数据时代将海量视频进行安全过滤、视频快速浏览等领域。

关键帧的提取方法丰富多样，根据各自场景不同的需求人们设计了许多解决方案，比较常用且相对有效的提取方法为：基于镜头的方法、基于运动分析的方法、基于视频聚类的方法和深度学习方法。

基于镜头的关键帧提取算法是视频检索领域中最先发展起来，也是目前最为成熟的一种通用方法，该算法的一般实现过程是：先按照某种技术手段把源视频文件按照镜头变化分割，然后在视频每个镜头中选择首、尾两帧作为关键帧，这种方法的使用场景存在很大的局限性，当视频中内容变化剧烈、场景非常复杂时，选取镜头中的首、尾两帧并不能代表视频的全部内容变化，所以，该方法远远不能满足当今社会人们对关键帧提取的标准和要求。

基于运动分析的方法提取关键帧的一般实现过程是：在视频镜头中分析物体运动的光流量，每次选择视频镜头中光流移动次数最少的视频帧作为提取到的关键帧，这种方法本身的算法鲁棒性较差，因为它不仅依赖于物体运动的局部特征，而且计算过程也较为复杂，导致关键帧的提取效率低下。

基于视频聚类的方法提取关键帧是通过聚类的方式来表达视频的主题，实现的方式比较多，大部分基于视频聚类的方法在划分聚类簇的过程中并没有充分考虑到各帧之间时间先后变化顺序，因此，基于视频聚类提取关键帧的方法在聚类之前，需要预先设定一定数量的簇，而簇的设定方式直接影响聚类效果，且簇的设定本身就基本做不到精确设定，因此，此算法在时间上的开销代价很大，导致漏帧现象严重，所以，该方法的适用性也受到一定程度的限制。

深度学习提取关键帧主要是用一些无监督学习、有监督学习来实现，目前有些人也尝试了在此基础上加入注意力机制来提升效果，这种提取关键帧的方法是近年来发展起来的新式方法，有很大的研究空间。

因此，现有技术还有待改进。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种关键帧提取方法、终端及计算机可读存储介质，以快速而精准地提取视频中的关键帧。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明提供一种关键帧提取方法，关键帧提取方法包括以下步骤：

获取预设识别训练模型，并获取预设视频图像数据库中的多个视频图像数据；

通过所述预设识别训练模型分别对所述多个视频图像数据进行识别，得到各视频图像数据对应的关键帧；

对各视频图像数据对应的关键帧进行检测，并根据检测结果提取并显示满足检测条件的关键帧。

在一种实现方式中，所述获取预设的识别训练模型，之前包括：