[发明专利]一种监控视频关键帧提取方法、系统、介质、设备及终端

权利要求书

1.一种监控视频关键帧提取方法，其特征在于，监控视频关键帧提取方法包括：采集原始视频流数据，并将原始视频流数据分解成图像帧集合；对分解得到的图像帧集合进行采样，并对采样得到的图像帧结果集进行过滤；对过滤后的图像帧集合进行自适应聚类，并收集聚类后的结果组成视频摘要。

2.如权利要求1所述的监控视频关键帧提取方法，其特征在于，监控视频关键帧提取方法还包括：采集原始视频流数据并进行分解处理，得到图像帧集合；基于高斯混合模型的背景差分算法进行图像帧采样，并基于IBP帧进行图像关键帧采样；计算决策分段权重，并依据决策分段权重进行均值采样；利用哈希指纹算法对采样结果进行相似性过滤，并利用自适应聚类算法进行自适应聚类；收集自适应聚类结果组成最终的关键帧集合。

3.如权利要求1所述的监控视频关键帧提取方法，其特征在于，监控视频关键帧提取方法包括以下步骤：

步骤一，采集目标人物的原始视频流数据；对原始视频流数据进行分帧，获得原始视频流的完整图像帧集合；

步骤二，采用基于高斯混合模型的背景差分和IBP帧的自适应均值采样算法完成对原始视频流数据的采样；

步骤三，采用基于图像哈希指纹过滤算法对得到的采样结果集进行相似性过滤，并对过滤后得到的图像帧结果集进行自适应聚类；

步骤四，收集聚类后的结果组成针对原始视频流的视频摘要。

4.如权利要求3所述的监控视频关键帧提取方法，其特征在于，步骤一中，采集的目标人物的原始视频流数据时长不小于1秒；

将原始视频流分解得到的图像帧数据保存在单独的文件夹中。

5.如权利要求3所述的监控视频关键帧提取方法，其特征在于，步骤二中，基于高斯混合模型的背景差分和IBP帧的自适应均值采样算法分为两个分支去决策，第一个分支依据帧间信息的关键程度将整个视频流的图像帧集合分为多个GOP，每个GOP均由一个关键帧--I帧开始并作为GOP之间的间隔，且每个GOP均由关键帧--I帧、前后参考帧--B帧和向前参考帧--P帧三种结构帧组成；第二个分支将视频分割为图像帧集合，选取第一帧图像，间隔k帧后再提取一帧图像；针对提取的两帧图像计算背景差分变化得到发生变化的区域面积占整帧图像的比例为r；将两个分支的信息融合，两个分支共同选取的关键帧分段相应的权值越高，对应的图像帧集合的兴趣值则越高；对整个视频中图像帧完成转换以及统计后，根据兴趣值--权重对不同的片段设置不同的w值，兴趣值越高对应的w值越高，则采样得到的感兴趣图像帧越多。

6.如权利要求3所述的监控视频关键帧提取方法，其特征在于，步骤三中，采样完成后得到原视频的采样结果集，进行下一步的针对相似帧以及冗余帧的过滤操作，从相邻视频帧图像的指纹哈希的相似度去完成该候选视频帧的过滤；经过步骤得到初步的关键帧集合，再针对得到的集合逐帧进行聚类；

其中，集合逐帧的聚类方法为：以集合中的第一帧作为初始的聚类中心，集合中的每一帧均与当前的聚类中心进行相似性度量；如果两帧之间的最大相似性小于给定的阈值t，则归为一类，否则帧与当前聚类中心距离太远，自成一类，重复聚类过程直至取完集合中的所有关键帧集合；

步骤四中，聚类完成后，取每个与聚类中心最接近的帧加入最终关键帧结果集得到最终的关键帧结果集。

7.一种应用如权利要求1～6任意一项所述的监控视频关键帧提取方法的监控视频关键帧提取系统，其特征在于，监控视频关键帧提取系统包括：

数据采集分解模块，用于采集目标人物的原始视频流数据，并对原始视频流数据进行分帧，获得原始视频流的完整图像帧集合；

图像帧集合采样模块，用于采用基于高斯混合模型的背景差分和IBP帧的自适应均值采样算法完成对原始视频流数据的采样；

图像帧过滤聚类模块，用于采用基于图像哈希指纹过滤算法对得到的采样结果集进行相似性过滤，并对过滤后的图像帧结果集进行自适应聚类；

关键帧提取模块，用于收集自适应聚类后的结果，取每个与聚类中心最接近的帧加入最终关键帧结果集得到最终的关键帧结果集。