[发明专利]使用群组稀疏性分析来识别关键帧

权利要求书

1.一种用于从包含视频帧的时间序列的视频序列识别关键视频帧集合的方法，每一视频帧包含具有像素值的图像像素阵列，所述方法包括：

a)从所述视频序列选择视频帧集合；

b)提取所述视频帧集合中的每一视频帧的特征向量；

c)应用包括群组稀疏求解器的群组稀疏性算法以将特定视频帧的所述特征向量表示为所述视频帧集合中的其它视频帧的所述特征向量的群组稀疏组合，所述其它视频帧在所述群组稀疏组合中的每一特征向量具有相关联加权系数，其中对应于与所述特定视频帧最类似的其它视频帧的特征向量的所述加权系数为非零，且对应于与所述特定视频帧最不类似的其它视频帧的特征向量的所述加权系数为零；

d)分析所述加权系数以确定在时间上邻接的类似视频帧的包含所述特定视频帧的视频帧群集；

e)针对多个特定视频帧重复步骤c)到d)以提供多个视频帧群集；

f)基于所述视频帧群集选择关键视频帧集合；以及

g)将所述选定关键视频帧的指示存储于处理器可存取存储器中；

其中至少部分地使用数据处理器执行所述方法，且其中针对每一群组调用所述群组稀疏求解器一次，以减小计算复杂性。

2.根据权利要求1所述的方法，其中所述提取视频帧的所述特征向量包含：

形成包含来自所述视频帧的像素值的帧向量；

定义包含多个基函数的基函数集合，每一基函数为具有到所述帧向量的相同长度的向量；

形成所述帧向量与所述基函数之间的积以确定对应特征系数；

通过收集每一基函数的所述特征系数而形成所述特征向量。

3.根据权利要求2所述的方法，其中用于帧向量中的所述像素值为亮度像素值。

4.根据权利要求2所述的方法，其中所述帧向量包含所述视频帧中的所述图像像素的根据预定义取样模式选择的子集的像素值。

5.根据权利要求2所述的方法，其中所述基函数为随机数的向量。

6.根据权利要求2所述的方法，其中所述基函数为傅里叶变换基函数、离散余弦变换基函数或小波基函数。

7.根据权利要求1所述的方法，其中所述所确定视频帧群集仅包含所述特定视频帧及在所述视频序列中在所述特定视频帧之后的视频帧。

8.根据权利要求7所述的方法，其中通过识别具有小于预定义阈值的不重要加权系数的下一视频帧而确定包含于所述视频帧群集中的所述视频帧。

9.根据权利要求1所述的方法，其中所述视频帧群集包含所述对应特征向量具有超过预定义阈值的加权系数的所述在时间上邻接的视频帧。

10.根据权利要求1所述的方法，其进一步包含丢弃包含少于最小数目个视频帧或包含多于最大数目个视频帧的任何视频帧群集。

11.根据权利要求1所述的方法，其进一步包含分析所述视频帧群集以将视频帧群集的群组合并成较大视频帧群集。

12.根据权利要求11所述的方法，其中将所述经合并视频帧群集约束为彼此在时间上邻接。

13.根据权利要求11所述的方法，其中基于分析所述视频帧群集的相似性而识别将合并的所述视频帧群集。

14.根据权利要求11所述的方法，其中使用二分图分割算法合并所述视频帧群集。

15.根据权利要求11所述的方法，其进一步包含指定关键视频帧的目标数目，且其中合并所述视频帧群集，直到经合并视频帧群集的剩余数目等于关键视频帧的所述所指定目标数目为止。

16.根据权利要求15所述的方法，其中响应于所述视频帧集合中的视频帧的数目而自动确定关键视频帧的所述目标数目。

17.根据权利要求15所述的方法，其中关键视频帧的所述目标数目是用户指定的。

18.根据权利要求1所述的方法，其中将最接近于所述视频帧群集中的最大的在时间上邻接的视频帧系列的中心的中心视频帧选择为所述关键视频帧。

19.根据权利要求1所述的方法，其中分析视频帧群集内的所述视频帧以确定对应图像质量度量值，且其中响应于所述所确定图像质量值而选择所述关键视频帧。