基于车辆特征的关键帧提取方法研究

摘   要： 对目前存在的几类提取关键帧的方法进行了分析，并基于车辆自身特征提出一种新的关键帧提取方法。该算法具有良好的通用性和适应性，计算简单，正确率高，有效避免了冗余，并可以控制关键帧的数量。实验结果表明，该算法在提取关键帧方面具有良好的有效性。
关键词： 视频检索；车辆特征；关键帧；圆检测
       随着网络和多媒体技术的飞速发展，视频得到了广泛应用，其数量迅速增加。为了方便对这些数据进行有效的索引和管理，视频检索技术得到广泛的研究,其中，就需采用有效的镜头分割和关键帧技术。利用关键帧技术对视频数据库进行有效的快速查询、检索和浏览，可以大大减轻工作量。
     关键帧是镜头中最重要、最具代表性的图像帧，它反映了一个镜头的主要内容。针对关键帧这些特点，关键帧的提取有两个基本要求[1]：一方面必须反映镜头中的主要事件，即描述要尽可能准确和完整；另一方面要求数据量小，即计算不能太复杂。当前一般采用的关键帧选取原则较为保守，即“宁错勿少”，这样在保证完整地描述一个镜头内容的同时造成了大量的冗余。为解决这一问题，本文针对交通监控视频中相关车辆的检索，提出一种基于车辆自身特征的关键帧提取方法，此算法有效地避免了冗余。
1 常用的主流关键帧提取方法
     目前的关键帧提取方法依据是否基于压缩域可分为非压缩域和压缩域方法，依关键帧来源可分为关键帧重组和关键帧提取，其中，关键帧提取是目前主流方法。典型的关键帧提取算法主要分为四类： (1)基于镜头边界提取关键帧[1]，该方法将镜头的首帧和尾帧作为镜头的关键帧，简单易行，关键帧数目确定,但是效果不稳定。(2)根据相邻帧间的距离提取关键帧。若距离大于某个预先设定的阈值，则产生一个新关键帧。该方法较为灵活，但只对相邻帧进行距离计算。容易漏检，且对于重复画面多的镜头容易产生冗余。(3)基于运动分析的方法，例如WOLF[2]的光流法，分析计算镜头中的运动量，在其局部最小