[发明专利]基于邻近I帧DC图像相似度的压缩域关键帧提取方法

摘要

本发明公开了一种基于邻近I帧DC图像相似度的压缩域关键帧提取方法，该方法首先计算原始视频中邻近I帧DC图像的相似度，形成相似度集合，其次利用聚类算法Kmeans对邻近I帧的DC图像相似度集合进行聚类，最后根据聚类结果中各I帧的相关度值进行关键帧提取。本发明充分利用相邻I帧相似度较大的特点，来减少计算次数以避免大量不必要的计算和应用聚类方法Kmeans对相似度集合S_dist在较短时间内完成聚类，改变了先镜头分割后提取关键帧的思路，简化了视频关键帧提取过程，并保证了结果的有效性；而且，本发明可处理多种类型视频文件的关键帧提取。

主权项

1、一种基于邻近I帧DC图像相似度的压缩域关键帧提取方法，其特征在于，该方法按照以下步骤实施：步骤1：假设VS为待处理的原始视频流，DCi为VS中第i个I帧所对应的DC图像，i＝1，2，3，...，n，n为I帧总数，则相邻I帧DC图像的相似度dj定义为：$d_j=\mathrm{dist}(j,j+1)=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{({\mathrm{DC}}_l^j-{\mathrm{DC}}_l^{j+1})}^2---\left(1\right)$公式(1)中j＝1，2，3，...，n-1；L＝WDC×HDC，WDC，HDC分别为DC图像的宽度和高度；Sdist为所有VS中所有相似度dj构成的集合，即Sdist＝{d1，d2，…，di，…，dn-1}，K为聚类总个数，RDC为I帧相关度集合，且Ri∈RDC，其中Ri为VS中第i个I帧的相关度，SRF为关键帧集合，且初始时SRF＝φ，利用公式(1)计算相邻DC图之间的距离dj，得到序列Sdist；步骤2：设置聚类总个数K的值，K＞0，并利用Kmeans方法对步骤1得到的Sdist进行聚类，得到Class1，Class2，Classi，...，ClassK，i＝1，2，...，K；步骤3：按照公式(2)$R_{j+1}=\left\{\begin{array}{ccccc}1& \mathrm{if}& p=q,& d_j\∈{\mathrm{Class}}_p,& d_{j+1}\∈{\mathrm{Class}}_q\\ 2& \mathrm{if}& p\≠q,& d_j\∈{\mathrm{Class}}_p,& d_{j+1}\∈{\mathrm{Class}}_q\end{array}\right.,---\left(2\right)$计算VS中每个I帧的相关度Rj+1，其中p，q＝1，2，...，K；j＝0，1，2...，n-1；R1＝1，Rn＝1；所有VS中每个I帧的相关度Rj+1构成帧相关度集合RDC；步骤4：对于帧相关度集合RDC，若s，t，e满足条件$\left\{\begin{array}{c}{R}_s=2,R_e=2\\ R_{s+1}=R_{s+2}=\·\·\·=R_t=\·\·\·R_{e-2}=R_{e-1}=1\end{array}\right.,---\left(3\right)$其中s，e＝1，2，…，n-1；s≤e且s≤t≤e；则将s，t，e并入集合SRF中，即SRF＝SRF∪{s，t，e}；步骤5：重复步骤4，直到找出所有满足条件的s、t、e为止，SRF即为最终所提取的关键帧集合。