1. 研究目的与意义（文献综述）

现代社会中多媒体技术与大数据分析技术飞速发展，直接让交通、医疗卫生、教育、安全等发生变化，例如智慧城市中，监控视频是安保体系的实体化身也是城市内体量最大的大数据。

随着大数据处理技术的发展，视频数据暴露了一些列问题：摄像头的安装率提高，其拍摄录制的内容也带来了海量的视频信息数据构成了大规模的视频数据库，迫切需要提高视频压缩率，并提供基于内容的视频检索功能，以完成特定镜头的查找和筛选。

基于内容的图像检索（content-based image retrieval）概念在1992年就已经被国际广泛关注，同时对基于内容的视频检索（content-based video retrieval）的研究也展开。

2. 研究的基本内容与方案

本次毕业设计需要学习研究自适应视频关键帧提取算法。目标是提供一种可以取得最佳处理效果的具有自适应性的关键帧提取算法，以实现视频检索功能。

目前常见的关键帧提取算法可分为5类：1）基于镜头的方法，当镜头边界被检测出来以后，抽取镜头的第一帧和最后一帧作为关键帧。2）基于物体运动分析的方法，按照运动能量模型来选取关键帧。3）基于无监督聚类的方法，通过对镜头内帧的颜色直方图进行聚类来抽取关键帧。4）基于摄像机运动分析的方法，首先分析摄像机的运动，然后在摄像机缩放产生的镜头中，抽取第一帧和最后一帧作为关键帧，在摄像机平移产生的镜头中，互相之间重叠小于30％的帧被抽取出来作为关键帧。5）基于镜头内容的方法，通过分析镜头所包含的内容来抽取关键帧。

在选取关键帧提取算法时需要考虑其自适应性，即在处理和分析过程中，需要根据处理数据的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件,使其与所处理数据的统计分布特征、结构特征相适应,以取得最佳的处理效果；同时需要尽可能降低关键帧提取算法的计算复杂度保持视频关键帧的时序性。

3. 研究计划与安排

第1-3周：查阅相关文献资料，明确研究内容，完成开题报告。

第4-6周：安装必要的工具软件，学习编写图像和视频处理程序。

第7-9周：完成自适应帧提取算法的学习和设计，进行总结和适当创新。

4. 参考文献（12篇以上）

[1] 赵天琪,赵海燕,张伟,金芝.基于模型的自适应方法综述[j].软件学报,2018,29(01):23-41.

[2] 孙彬. 基于内容的视频分析关键技术研究[d].南京邮电大学,2017.

[3 ]白慧茹,吕进来.基于聚类方法改进的关键帧提取算法[j].计算机工程与设计,2017,38(07):1929-1933.