專(zhuān)利名稱(chēng)：：基于鄰近i幀dc圖像相似度的壓縮域關(guān)鍵幀提取方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于網(wǎng)絡(luò)視頻內(nèi)容分析
技術(shù)領(lǐng)域：
，涉及一種基于鄰近I幀DC圖像相似度的壓縮域關(guān)鍵幀提取方法。
背景技術(shù)：
：隨著網(wǎng)絡(luò)多媒體技術(shù)的深入發(fā)展，網(wǎng)絡(luò)視頻已逐漸成為信息表達(dá)的一種主流方式。在網(wǎng)絡(luò)視頻內(nèi)容分析中，由于視頻本身數(shù)據(jù)量較大，若對(duì)全部的視頻幀進(jìn)行分析需要花費(fèi)大量的時(shí)間和空間，無(wú)法滿(mǎn)足對(duì)實(shí)時(shí)性有一定要求的場(chǎng)合。由于視頻內(nèi)容在時(shí)空上具有一定的相關(guān)性，而關(guān)鍵幀通常能反應(yīng)出視頻的主要內(nèi)容。因此，通過(guò)提取關(guān)鍵幀并進(jìn)行分析，可以有效減少視頻處理的數(shù)據(jù)量，降低計(jì)算的時(shí)空復(fù)雜度，提高網(wǎng)絡(luò)視頻內(nèi)容分析的效率。目前，對(duì)于關(guān)鍵幀的提取方法，國(guó)內(nèi)外學(xué)者做了大量的研究工作，根據(jù)所處理的視頻數(shù)據(jù)對(duì)象，可以將這些方法分為像素域的關(guān)鍵幀提取和壓縮域的關(guān)鍵幀提取。針對(duì)像素域上的關(guān)鍵幀提取，可以通過(guò)對(duì)幀內(nèi)像素進(jìn)行光流分析來(lái)計(jì)算運(yùn)動(dòng)量，并選取單個(gè)鏡頭中運(yùn)動(dòng)量局部最小值處的幀作為關(guān)鍵幀。也可以通過(guò)利用幀的顏色直方圖，邊界方向直方圖以及小波統(tǒng)計(jì)等特征來(lái)度量出幀與幀之間的差異，并選取兩個(gè)連續(xù)差異較大幀的中間幀作為關(guān)鍵幀。還可以通過(guò)對(duì)幀間顏色直方圖的差異應(yīng)用低通濾波器來(lái)突出編輯持續(xù)效果，以此進(jìn)行鏡頭分割，并在此基礎(chǔ)上應(yīng)用自適應(yīng)時(shí)域采樣方法提取關(guān)鍵幀。上述方法都是在視頻完全解壓縮后進(jìn)行的，所以計(jì)算量比較大，效率較低難以滿(mǎn)足實(shí)時(shí)性的要求。壓縮域視頻處理技術(shù)是直接面向數(shù)據(jù)量較小的壓縮視頻數(shù)據(jù)，在不解壓或者少解壓的情況下對(duì)視頻進(jìn)行處理，可以大大提高視頻的處理速度，因此壓縮域上的關(guān)鍵幀提取方法研究也引起的廣泛關(guān)注。有一種方法利用視頻幀所包含各類(lèi)型宏塊的數(shù)量差異衡量幀與幀之間的差距，并應(yīng)用高斯濾波和離散曲線進(jìn)化方法進(jìn)行關(guān)鍵幀的提取。另一種方法給出了利用壓縮域運(yùn)動(dòng)向量的感知運(yùn)動(dòng)能量來(lái)選擇關(guān)鍵幀的方法，并在基于MPEG-7的視頻文件中取得了較好的效果。還有一種是針對(duì)在MPEG壓縮視頻域中基于DC系數(shù)圖像直方圖和運(yùn)動(dòng)矢量的關(guān)鍵幀提取方法，主要應(yīng)用于視頻檢索中視頻摘要的提取。這些方法的共同點(diǎn)是利用視頻壓縮域中的某些特征(如運(yùn)動(dòng)矢量MV、宏塊類(lèi)型等)來(lái)確定鏡頭邊界，實(shí)現(xiàn)鏡頭分割，并從分割出的鏡頭中提取出關(guān)鍵幀，且所做的實(shí)驗(yàn)多數(shù)是針對(duì)MPEG系列視頻壓縮標(biāo)準(zhǔn)的。而目前開(kāi)放的視頻壓縮標(biāo)準(zhǔn)比較多，上述方法在應(yīng)用于其它視頻壓縮標(biāo)準(zhǔn)如H.261、H.263時(shí)處理速度的效果不明顯。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種基于鄰近I幀DC圖像相似度的壓縮域關(guān)鍵幀提取方法，可以快速準(zhǔn)確地完成網(wǎng)絡(luò)視頻關(guān)鍵幀提取過(guò)程，解決了現(xiàn)有關(guān)鍵幀提取方法存在的只能處理單一視頻標(biāo)準(zhǔn)的缺點(diǎn)，簡(jiǎn)化了視頻關(guān)鍵幀提取過(guò)程。本發(fā)明所采用的技術(shù)方案是，一種基于鄰近I幀DC圖像相似度的壓縮域關(guān)鍵幀提取方法，該方法按照以下步驟實(shí)施步驟1:假設(shè)VS為待處理的原始視頻流，DC'為VS中第/個(gè)I幀所對(duì)應(yīng)的DC圖像，/=7,2,i"，w為I幀總數(shù)，則相鄰I幀DC圖像的相<formula>formulaseeoriginaldocumentpage6</formula>c分別為DC圖像的寬度和高度;為所有VS中所有相似度《構(gòu)成的集合，即S&「fA,^4,A尺為聚類(lèi)總個(gè)數(shù)，及zx:為I幀相關(guān)度集合，且凡e及ix:，其中A為VS中第/個(gè)I幀的相關(guān)度，S^為關(guān)鍵幀集合，且初始時(shí)^=小，利用公式(1)計(jì)算相鄰DC圖之間的距離《，得到序列&w步驟2:設(shè)置聚類(lèi)總個(gè)數(shù)尺的值，《>0，并利用Kmeans方法對(duì)步驟1得到的&w進(jìn)行聚類(lèi)，步驟3:按照公式(2)^y,jp,^，(2)2z/p#《,dyeC7咖p，(i乂+!eC7oss《計(jì)算VS中每個(gè)I幀的相關(guān)度，其中p,2,…，尺，.7'2…'&=7;所有VS中每個(gè)I幀的相關(guān)度iV,構(gòu)成幀相關(guān)度集合/z)c;步驟4:對(duì)于幀相關(guān)度集合及z)c，若""e滿(mǎn)足條件及i=2,ie=2(3)其中s,e=1,2，…，"一l;"e且""e;則將s,6e并入集合S^中，即S^-S^u",^〉；步驟5:重復(fù)步驟4，直到找出所有滿(mǎn)足條件的S、f、e為止，S^即為最終所提取的關(guān)鍵幀集合。本發(fā)明的方法，該方法在壓縮域上直接進(jìn)行關(guān)鍵幀提取，改變了先鏡頭分割后關(guān)鍵幀提取的思路，能夠提高視頻內(nèi)容分析的速度，可以快速完成網(wǎng)絡(luò)視頻關(guān)鍵幀提取過(guò)程，并保證結(jié)果的有效性和準(zhǔn)確性；本發(fā)明可處理多種類(lèi)型視頻文件的關(guān)鍵幀提取，能夠應(yīng)對(duì)視頻文件種類(lèi)多、壓縮格式多等情況。圖1是本發(fā)明方法實(shí)施例在5個(gè)不同的視頻中，根據(jù)不同的聚類(lèi)個(gè)數(shù)K值提取出的關(guān)鍵幀數(shù)量曲線圖2是本發(fā)明方法實(shí)施例針對(duì)圖1中不同的5個(gè)視頻和不同的聚類(lèi)個(gè)數(shù)值的情況下關(guān)鍵幀提取過(guò)程所需的時(shí)間開(kāi)銷(xiāo)曲線圖3是本發(fā)明方法實(shí)施例在聚類(lèi)個(gè)數(shù)值固定的情況下，對(duì)一段視頻在不同的播放時(shí)間內(nèi)所提取的關(guān)鍵幀數(shù)量曲線圖4是本發(fā)明方法實(shí)施例針對(duì)圖3中視頻各播放時(shí)間內(nèi)關(guān)鍵幀提取過(guò)程所對(duì)應(yīng)的時(shí)間開(kāi)銷(xiāo)曲線圖。具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。本發(fā)明方法考慮到存在多個(gè)視頻壓縮標(biāo)準(zhǔn)和網(wǎng)絡(luò)視頻內(nèi)容審計(jì)的實(shí)時(shí)性等因素，利用壓縮域內(nèi)I幀的DC圖像特征，給出了一種在壓縮域內(nèi)快速提取關(guān)鍵幀的方法。假設(shè)VS為待處理的原始視頻流，DC'為VS中第/個(gè)I幀所對(duì)應(yīng)的DC圖像，/=門(mén)2,3,...，"。"為I幀總數(shù)，則相鄰I幀DC圖像的相似度4定義為A=^^/+"=tpC/-DC/"/(1)/=0公式(1)中/=/,2,^..,"-7;丄-『^X/^c，『D。/^c分別為DC圖像的寬度和高度。為了方便描述，在這里做如下的約定&^為VS中所有相似度4構(gòu)成的集合，即&^^""4,U。《為聚類(lèi)總個(gè)數(shù)。及zx:為I幀相關(guān)度集合，且凡E/^c，i,為VS中第z'個(gè)I幀的相關(guān)度。幀相關(guān)度是指與某個(gè)I幀相關(guān)聯(lián)的類(lèi)的個(gè)數(shù)。s^為關(guān)鍵幀集合，且初始時(shí)=(|)。本發(fā)明的基于鄰近I幀DC圖像相似度的壓縮域關(guān)鍵幀提取方法(簡(jiǎn)稱(chēng)KSIDCIS)的具體實(shí)施步驟如下步驟l:利用公式&W0、y+7J計(jì)算相鄰DC圖之間的距離4，得到序列U;步驟2:設(shè)置聚類(lèi)總個(gè)數(shù)為《(尺>0)，并利用Kmeans方法對(duì)&w進(jìn)行聚類(lèi)，得到C7osW,C7ow2,C/fl^/,…，C7ow/G/=h2,…，&步驟3:按照公式(2)<formula>formulaseeoriginaldocumentpage8</formula>計(jì)算VS中每個(gè)I幀的相關(guān)度J川，其中戶(hù)『h2,…，尺,'2...,^=7;所有VS中每個(gè)I幀的相關(guān)度及,+,構(gòu)成幀相關(guān)度集合步驟4:對(duì)于幀相關(guān)度集合及zx:，若s,6e滿(mǎn)足條件<formula>formulaseeoriginaldocumentpage8</formula>其中s，e-l,2，…，"-l;s《e且s^Z《e;則將"6e并入集合S^中，即^=^葉#}。步驟5:重復(fù)步驟4，直到找出所有滿(mǎn)足條件的s、f、e為止，且5W為最終所提取的關(guān)鍵幀集合。即本方法先利用公式(1)求出兩個(gè)相鄰I幀DC圖像之間的相似度4，然后執(zhí)行步驟2，此時(shí)Kmeans聚類(lèi)方法可將相似度集合5^,中的所有元素《聚集成不同的類(lèi)，以確定相鄰I幀是否相似，若連續(xù)的多個(gè)4被分在同一個(gè)類(lèi)中，則說(shuō)明這些4值大小接近，其所對(duì)應(yīng)的多個(gè)連續(xù)I幀相似性也較強(qiáng)，此時(shí)可選取這些I幀中的任意一幀作為關(guān)鍵幀來(lái)代表這些連續(xù)I幀內(nèi)容；若這些《被分散在多個(gè)不同的類(lèi)中，則說(shuō)明這些4值大小變化劇烈，其所對(duì)應(yīng)的多個(gè)連續(xù)I幀的內(nèi)容差異較大(如發(fā)生鏡頭突變切換等)，此時(shí)這些《值被劃分成多段，應(yīng)選擇分段點(diǎn)《所對(duì)應(yīng)的/幀作為關(guān)鍵幀。例如，對(duì)于一段連續(xù)的4值^4,若4力，4,44分別屬于不同的類(lèi)，則分段點(diǎn)為^，此時(shí)應(yīng)將第5號(hào)I幀作為關(guān)鍵幀。步驟3、步驟4和步驟5給出了選取關(guān)鍵幀的過(guò)程。其中，若《，《+7屬于同一類(lèi)，則第y+7個(gè)I幀的相關(guān)度《+尸/，否則，《+尸2，此時(shí)說(shuō)明在第y+7個(gè)I幀處，幀內(nèi)容發(fā)生了較大變化；且很容易得出A和A分別為1。S^為所提取的關(guān)鍵幀編號(hào)組成的集合。從上述過(guò)程可以看出，本發(fā)明KSIDCIS方法的空間開(kāi)銷(xiāo)主要是存儲(chǔ)DC圖像的空間開(kāi)銷(xiāo)S，但在計(jì)算出相似度的集合6"^后，后續(xù)步驟都沒(méi)有涉及到S，則此時(shí)空間開(kāi)銷(xiāo)S可以被釋放，可見(jiàn)，盡管S值較大，但由于它在執(zhí)行過(guò)程中存在時(shí)間較短，且僅被使用一次，所以S對(duì)空間開(kāi)銷(xiāo)的影響是短暫的，因此本發(fā)明KSIDCIS方法的空間性能完全滿(mǎn)足實(shí)際應(yīng)用要求。此外，本方法也具有較高的時(shí)間效率，從以下兩方面可以看出(1)本發(fā)明KSIDCIS方法充分利用相鄰I幀相似度較大的特點(diǎn)，只計(jì)算相鄰I幀DC圖像的相似度，而不是計(jì)算任意兩個(gè)DC圖像相似度，將計(jì)算次數(shù)從1S^N次減少到N-1次，避免大量不必要的計(jì)算，節(jié)約了時(shí)間開(kāi)銷(xiāo)。(2)通過(guò)結(jié)合聚類(lèi)方法Kmeans收斂較快的特性，在選取適當(dāng)/i:值的情況下，可對(duì)相似度集合S^在較短時(shí)間內(nèi)完成聚類(lèi)。由于集合&w中的各元素為一維向量，各聚類(lèi)中心點(diǎn)的維數(shù)也為一維向量，這使得聚類(lèi)方法計(jì)算量大大降低，提高了聚類(lèi)處理效率。表l和圖1、2、3、4給出了本發(fā)明的實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)中的視頻數(shù)據(jù)均來(lái)自于YouTube網(wǎng)站。表1中給出了6個(gè)具體實(shí)施例的視頻文件的編號(hào)、視頻文件的大小及播放時(shí)間、各視頻中所含I幀的總數(shù)量以及視頻的類(lèi)別。表2給出了視頻文件的原始URL地址。表1<table>tableseeoriginaldocumentpage10</column></row><table>表2視頻文件URL列表<table>tableseeoriginaldocumentpage10</column></row><table>圖1是在5個(gè)不同的視頻中，根據(jù)不同的聚類(lèi)個(gè)數(shù)《值提取出的關(guān)鍵幀數(shù)量曲線圖，圖中橫坐標(biāo)表示視頻的編號(hào)，縱坐標(biāo)是關(guān)鍵幀數(shù)量；圖2是本發(fā)明方法實(shí)施例針對(duì)圖1中不同的5個(gè)視頻和不同的聚類(lèi)個(gè)數(shù)值的情況下關(guān)鍵幀提取過(guò)程所用的時(shí)間開(kāi)銷(xiāo)曲線圖，圖中橫坐標(biāo)表示視頻的編號(hào)，縱坐標(biāo)表示提取關(guān)鍵幀所花費(fèi)的時(shí)間；圖中，U表示視頻中I幀的總數(shù)，《表示聚類(lèi)的個(gè)數(shù)，時(shí)間坐標(biāo)軸的單位是10_4秒。由圖1、2可以看出，選取合適的聚類(lèi)個(gè)數(shù)K值，能夠在壓縮域上提取出合適的可以反應(yīng)視頻主要內(nèi)容的關(guān)鍵幀數(shù)量。圖3是在特定的聚類(lèi)個(gè)數(shù)值下，一段特定的視頻在不同的播放時(shí)間內(nèi)關(guān)鍵幀數(shù)量曲線圖，圖中橫坐標(biāo)表示一段特定視頻的播放時(shí)間(單位為分鐘)，縱坐標(biāo)表示關(guān)鍵幀的數(shù)量；圖4給出了各播放時(shí)間內(nèi)關(guān)鍵幀提取過(guò)程所花費(fèi)的時(shí)間，是針對(duì)圖3中提取出的不同數(shù)量的關(guān)鍵幀所對(duì)應(yīng)的時(shí)間開(kāi)銷(xiāo)曲線圖，圖中橫坐標(biāo)表示關(guān)鍵幀數(shù)量，縱坐標(biāo)表示提取相應(yīng)的關(guān)鍵幀所花費(fèi)的時(shí)間，U表示視頻中I幀的總數(shù)，尺表示聚類(lèi)的個(gè)數(shù)，時(shí)間坐標(biāo)軸的單位是10"秒。本發(fā)明對(duì)播放時(shí)間較長(zhǎng)的視頻文件V6，完成了在聚類(lèi)《值為固定值時(shí)，取不同播放時(shí)間(間隔為2分鐘)的情況下進(jìn)行關(guān)鍵幀提取的實(shí)驗(yàn)。由圖3、4可以看出，在特定的聚類(lèi)個(gè)數(shù)《值固定的情況下，對(duì)于同一個(gè)視頻，雖然隨著視頻播放時(shí)間的增加，關(guān)鍵幀的數(shù)目會(huì)增加，提取關(guān)鍵幀的時(shí)間開(kāi)銷(xiāo)會(huì)隨著視頻文件播放時(shí)間長(zhǎng)度的增加呈總體上升趨勢(shì)，但其時(shí)間開(kāi)銷(xiāo)保持在毫秒級(jí)，可以滿(mǎn)足實(shí)時(shí)性要求。本發(fā)明方法考慮到存在多個(gè)視頻壓縮標(biāo)準(zhǔn)和網(wǎng)絡(luò)視頻內(nèi)容審計(jì)的實(shí)時(shí)性等因素，利用壓縮域內(nèi)I幀的DC圖像特征，給出了一種在壓縮域內(nèi)快速提取關(guān)鍵幀的方法，改變了先鏡頭分割后關(guān)鍵幀提取的思路，在保證準(zhǔn)確性的條件下，簡(jiǎn)化了視頻關(guān)鍵幀提取過(guò)程，能夠提高視頻內(nèi)容分析的速度，可以快速完成網(wǎng)絡(luò)視頻關(guān)鍵幀提取過(guò)程，并保證結(jié)果的有效性和準(zhǔn)確性；同時(shí)，本發(fā)明可處理多種類(lèi)型視頻文件的關(guān)鍵幀提取，面向各種視頻壓縮標(biāo)準(zhǔn)(如MPEG-l/2/4、H.261、H.263等)的視頻文件，解決了現(xiàn)有關(guān)鍵幀提取方法存在的只能處理單一視頻標(biāo)準(zhǔn)的缺點(diǎn)，能夠應(yīng)對(duì)視頻文件種類(lèi)多、壓縮格式多等情況。權(quán)利要求1、一種基于鄰近I幀DC圖像相似度的壓縮域關(guān)鍵幀提取方法，其特征在于，該方法按照以下步驟實(shí)施步驟1假設(shè)VS為待處理的原始視頻流，DCi為VS中第i個(gè)I幀所對(duì)應(yīng)的DC圖像，i＝1，2，3，...，n，n為I幀總數(shù)，則相鄰I幀DC圖像的相似度dj定義為<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>d</mi><mi>j</mi></msub><mo>=</mo><mi>dist</mi><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>j</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>0</mn></mrow><mi>L</mi></munderover><msup><mrow><mo>(</mo><msubsup><mi>DC</mi><mi>l</mi><mi>j</mi></msubsup><mo>-</mo><msubsup><mi>DC</mi><mi>l</mi><mrow><mi>j</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math></maths>公式(1)中j＝1，2，3，...，n-1；L＝WDC×HDC，WDC，HDC分別為DC圖像的寬度和高度；Sdist為所有VS中所有相似度dj構(gòu)成的集合，即Sdist＝{d1，d2，…，di，…，dn-1}，K為聚類(lèi)總個(gè)數(shù)，RDC為I幀相關(guān)度集合，且Ri∈RDC，其中Ri為VS中第i個(gè)I幀的相關(guān)度，SRF為關(guān)鍵幀集合，且初始時(shí)SRF＝φ，利用公式(1)計(jì)算相鄰DC圖之間的距離dj，得到序列Sdist；步驟2設(shè)置聚類(lèi)總個(gè)數(shù)K的值，K＞0，并利用Kmeans方法對(duì)步驟1得到的Sdist進(jìn)行聚類(lèi)，得到Class1，Class2，Classi，...，ClassK，i＝1，2，...，K；步驟3按照公式(2)<mathsid="math0002"num="0002"><math><![CDATA[<mrow><msub><mi>R</mi><mrow><mi>j</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mi>if</mi></mtd><mtd><mi>p</mi><mo>=</mo><mi>q</mi><mo>,</mo></mtd><mtd><msub><mi>d</mi><mi>j</mi></msub><mo>∈</mo><msub><mi>Class</mi><mi>p</mi></msub><mo>,</mo></mtd><mtd><msub><mi>d</mi><mrow><mi>j</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>∈</mo><msub><mi>Class</mi><mi>q</mi></msub></mtd></mtr><mtr><mtd><mn>2</mn></mtd><mtd><mi>if</mi></mtd><mtd><mi>p</mi><mo>≠</mo><mi>q</mi><mo>,</mo></mtd><mtd><msub><mi>d</mi><mi>j</mi></msub><mo>∈</mo><msub><mi>Class</mi><mi>p</mi></msub><mo>,</mo></mtd><mtd><msub><mi>d</mi><mrow><mi>j</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>∈</mo><msub><mi>Class</mi><mi>q</mi></msub></mtd></mtr></mtable></mfenced><mo>,</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math></maths>計(jì)算VS中每個(gè)I幀的相關(guān)度Rj+1，其中p，q＝1，2，...，K；j＝0，1，2...，n-1；R1＝1，Rn＝1；所有VS中每個(gè)I幀的相關(guān)度Rj+1構(gòu)成幀相關(guān)度集合RDC；步驟4對(duì)于幀相關(guān)度集合RDC，若s，t，e滿(mǎn)足條件<mathsid="math0003"num="0003"><math><![CDATA[<mrow><mfencedopen='{'close=''><mtable><mtr><mtd><msub><mi>R</mi><mi>s</mi></msub><mo>=</mo><mn>2</mn><mo>,</mo><msub><mi>R</mi><mi>e</mi></msub><mo>=</mo><mn>2</mn></mtd></mtr><mtr><mtd><msub><mi>R</mi><mrow><mi>s</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>R</mi><mrow><mi>s</mi><mo>+</mo><mn>2</mn></mrow></msub><mo>=</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>=</mo><msub><mi>R</mi><mi>t</mi></msub><mo>=</mo><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>R</mi><mrow><mi>e</mi><mo>-</mo><mn>2</mn></mrow></msub><mo>=</mo><msub><mi>R</mi><mrow><mi>e</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><mn>1</mn></mtd></mtr></mtable></mfenced><mo>,</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中s，e＝1，2，…，n-1；s≤e且s≤t≤e；則將s，t，e并入集合SRF中，即SRF＝SRF∪{s，t，e}；步驟5重復(fù)步驟4，直到找出所有滿(mǎn)足條件的s、t、e為止，SRF即為最終所提取的關(guān)鍵幀集合。全文摘要本發(fā)明公開(kāi)了一種基于鄰近I幀DC圖像相似度的壓縮域關(guān)鍵幀提取方法，該方法首先計(jì)算原始視頻中鄰近I幀DC圖像的相似度，形成相似度集合，其次利用聚類(lèi)算法Kmeans對(duì)鄰近I幀的DC圖像相似度集合進(jìn)行聚類(lèi)，最后根據(jù)聚類(lèi)結(jié)果中各I幀的相關(guān)度值進(jìn)行關(guān)鍵幀提取。本發(fā)明充分利用相鄰I幀相似度較大的特點(diǎn)，來(lái)減少計(jì)算次數(shù)以避免大量不必要的計(jì)算和應(yīng)用聚類(lèi)方法Kmeans對(duì)相似度集合S<sub>dist</sub>在較短時(shí)間內(nèi)完成聚類(lèi)，改變了先鏡頭分割后提取關(guān)鍵幀的思路，簡(jiǎn)化了視頻關(guān)鍵幀提取過(guò)程，并保證了結(jié)果的有效性；而且，本發(fā)明可處理多種類(lèi)型視頻文件的關(guān)鍵幀提取。文檔編號(hào)G06F17/30GK101577824SQ20091002294公開(kāi)日2009年11月11日申請(qǐng)日期2009年6月12日優(yōu)先權(quán)日2009年6月12日發(fā)明者孫欽東,倩王,敏胡,郭曉軍申請(qǐng)人:西安理工大學(xué)