[发明专利]一种基于聚类的镜头关键帧提取方法

说明书

本发明公开了一种基于聚类的镜头关键帧提取方法，首先针对视频，提取视频帧的HSV颜色直方图作为特征向量；接着对HSV颜色直方图进行聚类，动态生成若干个簇，每个簇中包含镜头的若干个视频帧；然后对规模较小的簇进行合并，某个簇的大小小于预设值，则将该簇合并到其他簇中；最后根据颜色直方图距离或者图像熵选取关键帧。本方法能根据镜头内容的复杂程度自动确定镜头内关键帧的数量，因而选取的关键帧能准确代表镜头内容，且没有冗余。

技术领域

本发明属于视频分析技术领域，涉及一种镜头关键帧提取方法，具体涉及一种基于聚类的镜头关键帧提取方法。

技术背景

新闻视频拆分是将一段长时间、完整的新闻视频拆分成独立的新闻故事单元、镜头以及关键帧。如果用户需要快速浏览或者需要查找到自己关注的新闻片段，就需要提前对新闻视频进行拆分。新闻视频拆分是个性化推送、短视频、视频摘要、智能拆条等应用的基础。

传统的人工视频拆分方式存在诸多缺点。首先，对于视频镜头分割需要浏览完视频的全部内容，整个过程需要消耗大量的时间和人力，处理效率低，难以批量生产；其次，对于视频中关键帧的选取存在很大的主观因素，没有一个选取关键帧的客观标准，不同的人选取出的关键帧可能会不同；最后，拆分的镜头不够准确，有可能出现遗漏和误判。为此，需要一个自动化的新闻视频拆分算法，对新闻视频进行高效精确的处理。

由于镜头中的帧是摄像机连续拍摄得到的，因此，在镜头内相邻帧之间的内容重复度极高。通常而言，只需要阅览镜头中少数的几帧，就可以了解到该镜头表达的核心内容。但是选取体现镜头核心内容的关键帧因视频内容而异，镜头内关键帧的数量由镜头复杂程度决定，当镜头内容越复杂，所取得的关键帧的个数也就越多；反之，当镜头内容基本稳定，即使镜头的时间再长，所提取的关键帧也应该比较少。

聚类算法被广泛应用于视频关键帧提取，基于K-means聚类的关键帧提取是其中的典型代表。尽管K-means算法能够有效的选取出镜头中存在的关键帧，且选出的关键帧具有一定的代表性，但是，由于K是事先设定的值，选取出的关键帧数量无法随着镜头内容复杂程度变化而变化。

发明内容

为了解决传统的K-means聚类方法提取关键帧存在的缺陷，本发明提出了一种改进的基于聚类的镜头关键帧提取方法，能够动态的确定簇的个数，且能合并规模较小的簇，从而提高选出的关键帧的代表性并且降低关键帧的冗余度。

本发明所采用的技术方案是：一种基于聚类的镜头关键帧提取方法，其特征在于，包括以下步骤：

步骤1：针对视频，提取视频帧的HSV颜色直方图作为特征向量；

步骤2：对HSV颜色直方图进行聚类，动态生成若干个簇，每个簇中包含镜头的若干个视频帧；

步骤3：对规模较小的簇进行合并，若某个簇的大小小于预设值，则将该簇合并到其他簇中；

步骤4：根据颜色直方图距离或者图像熵选取关键帧。

本发明具有如下优点和积极效果：

(1)本方法选取的关键帧能准确代表镜头内容，且没有冗余。

(2)能根据镜头内容的复杂程度自动确定镜头内关键帧的数量。镜头内容越复杂，所取得的关键帧的个数也就越多；镜头内容越稳定，即使镜头的时间再长，所提取的关键帧也较少。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的《新闻三十分》片段中提取关键帧的比较示意图；

图3为本发明实施例的《新闻联播》片段中提取关键帧的比较示意图。

具体实施方式