1．目的及意义
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。第一代视觉信息检索系统是基于关键字访问图像和视频。标引员在离线状态下通过手工方式对图像和视频信息进行标引，提供在线查询时所需的索引。用户则借助文字查询方法利用搜索引擎进入索引库进行匹配检索。由于标引内容常无法完全匹配，导致其搜索效率与索引成功率较低。第二代视觉信息检索系统支持基于内容的检索，即对视觉信息的访问不仅利用概念层的关键字进行。系统自动对数据库图像进行分析，提取特征从而提供在线查询时所需的多维索引。用户不仅可以借助文字查询方法，也可以借助视觉浏览或视觉范例查询等方法利用搜索殷勤进入索引库进行检索。关键帧提取可以提供视频特征，解决海量信息的压缩存储后人工查找信息或单一索引查找耗时耗力的问题，有利于提高工作效率，为视频数据库的建设使用提供一种有效的检索方式。
关键帧提取是视频信息预处理过程中的一个关键步骤。帧是最小单位的单幅影像画面，相当于电影胶片上每一格镜头；关键帧则是指角色或物体运动变化中的关键动作所处的帧，是代表镜头中最重要的、有代表性的一幅或多幅图像。依据镜头内容的复杂程度，可以在便于处理的前提下从一个镜头中提取一个或多个关键帧。关键帧是对视频内容分析起关键作用的帧，蕴含大量信息，其作用类似于文本检索中的关键字。用户可以利用目标特征说明直接查询和指定的特征集查询等多种方法在数据库中检索需要的关键帧，提取并分析关键帧即可完成对视频内容的分析。{title}

2. 研究的基本内容与方案

{title}

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。

我拟采用聚类的基本思想通过对镜头内帧的颜色直方图进行聚类来抽取关键帧，即先把视频聚成n个类，这n个类内的视频帧是相似的，而类与类之间的视频帧是不相似的。第二步是从每个类内提取一个代表作为关键帧，如果一个类的帧数太少，那么这个类不具有代表性，可以直接与相邻帧合并，即对于低活动性镜头，提取少量的关键帧，反之，提取较多的关键帧。聚类算法适用于比较大的图像数据库，可以把图像库中的图像进行分类，在此基础上提取关键帧会使计算量大大减少。这种方法计算效率高，具有良好的自适应性，能有效获取视频镜头变化显著的视觉内容。3. 参考文献

[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.

[4] Sanjay K. Kuanar,Rameswar Panda,Ananda S.Chowdhury. Video key frame extraction through dynamic Delaunay clustering witha structural constraint[J]. Journal of Visual Communication and ImageRepresentation,2013,24(7)：1212-1227.

[5] 文辉,林华.视频关键帧提取方法分类研究[J].兰州工业学院学报,2017,24(03):76-79.

[6] 汪成峰,王庆,梅树立,张瑞萱,陈洪,朱德海.基于插值小波关键帧提取的动作评价算法[J].计算机工程,2017,43(01):309-315.

[7] Zhiqiang Zhao. Infrared Image SegmentationAlgorithm Using Histogram-Based Self-adaptive K-means Clustering[A].International Informatization and Engineering Associations、Atlantis Press.Proceedings of 2015 5th InternationalConference on Computer Sciences and Automation Engineering (ICCSAE 2015)[C].InternationalInformatization and Engineering Associations、AtlantisPress:,2015(7):696-702.