【《视频图像关键帧提取算法研究的国内外文献综述》1700字】

视频图像关键帧提取算法研究的国内外文献综述关键帧提取主要应用于视频检索，视频检索技术主要应用于互联网上的视频查找等方面。由于互联网的产生，许多知识都可以在互联网上进行查找，为了快速查找到需要的信息，文字检索应运而生，成为了互联网的主要检索方式，百度，谷歌等公司也是由于跟上了主流的班车，将搜索引擎在最合适的时候作为了公司发展的基础，这也为公司的发展带来了强有力的基础。近些年来，伴随着互联网的发展，多媒体技术也日新月异，单纯的文本信息跟不上了人们的需求，视频成为了人们获取信息的主要途径。因此，搜索引擎在此方面迎来了巨大的挑战，单纯的文字检索已经不能满足人们的需求，在此情况下，图像检索、视频检索的出现为搜索方面带来了新的活力与希望。视频检索技术从1992年被首次提出，到现在已经近30年。如今这项技术已经取得了比较成熟的应用。①视频检索的发展1、在人们安全意识不断提高的情况下，视频监控领域取得了突破性的发展，许多供应商将视频监控的功能做了更广泛的增加，有部分视频监控具有了视频分类检索的功能，国内的合肥博微安全电子科技有限公司的产品就具有较强代表性，其中关键帧提取技术得到广泛应用。2、由IBMAlmaden研究中心开发的QBIC系统:QBIC(QueryByImageContent)可以通过对图像的部分信息进行查询，可以通过用户构写的部分信息如草图、图画、图像的纹理颜色以及目标运动的分析信息来进行对数据库，数据集的查询,它是"基于内容"检索系统的典型代表。视频方面主要利用了图像的静态特征和视频的动态特征（全局运动特征和局部运动特征）来传递信息。该系统的出现为视频检索的发展提供了助力，通过对图像颜色纹理的查询，也可以将视频中的图像帧进行提取，关键帧提取技术得到了发展。3、美国哥伦比亚大学研究出的VisualSeek系统可以进行较为准确的视频图像检索，它是根据静态图像的特征来进行检索，利用到了静态图像的颜色特征和纹理特征等，它还可以将相似色块的进行空间匹配。4、哥伦比亚大学研究的VideoQ系统，增加了可以使视觉特征和时空关系来查询视频，从而使查询方法不再限制于传统的关键字和主题导航,它还可以对视频中的对象进行分割还有追踪，它同时包含了非常丰富的视觉特征数据库，数据库包括颜色、纹理、形状、运动等视频图像的视觉特征，能够更准确的进行查找，并且该系统集成了文字与视觉特征的搜索方法，使搜索方式更加广泛。5、TV-FI系统:TV-FI(TsinghuaVideoFindIt),是清华大学开发的视频节目管理系统。TV-FI系统可以对视频数据进行不同方法的访问，例如对关键字进行搜索，同时它还可以将视频数据按照视频的结构来进行观看，也可以根据用户自己的需求进行自定义的分类，同时还具有着按照视频特征进行检索的方式。由于视频检索的飞速发展，关键帧提取技术作为其重要组成之一，也在对算法进行不断地改善提取。②典型的关键帧提取方法基于视频镜头的关键帧提取该方法是将已经镜头分割完成的镜头的首尾帧作为关键帧，该方法实行起来较为简单，但由于并不是每个镜头的关键内容都能够用镜头的首尾概括，所以该方法提取出的关键帧并不一定具有代表性。基于内容的关键帧提取该方法是根据视频的颜色、纹理等特征来提取关键帧。杨华芬、郑欢鸣根据不同视频帧的颜色特征的差异进行筛选，将差异大于预定阈值的视频帧提取出来作为视频的代表帧REF_Ref4154\r\h[1]。此方法可以根据镜头内容的变化提取关键帧。基于聚类的关键帧提取一种基于聚类的关键帧提取算法，对将某个视频的特征转化为特征分量，将视频的若干视频帧进行聚类，将差异大于阈值的分在不同的簇当中，之后将每簇中最接近质心的视频帧作为关键帧，例如对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。基于帧间欧氏距离的关键帧提取REF_Ref8703\r\h[2]该方法是计算帧间的欧氏距离，并通过对比欧氏距离极值对应的函数值与均值从而提取关键帧。该算法由于将不同变量按同一标准进行看待，所以经常会造成冗余度较大的情况。参考文献杨华芬,郑欢鸣.基于内容的视频关键帧提取技术研究[J].福建电脑,2010,26(05):49-50+124.CioccaGianluigi,SchettiniRaimondo.Aninnovativealgorithm