基于Hadoop 的分布式视频关键帧提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110705462A(43)申请公布日2020.01.17(21)申请号201910935963.3(22)申请日2019.09.29(71)申请人四川乐为科技有限公司地址610000四川省成都市高新区益州大道中段1800号1栋9层901号(72)发明人程飞(74)专利代理机构成都厚为专利代理事务所(普通合伙)51255代理人幸凯(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书4页附图1页(54)发明名称基于Hadoop的分布式视频关键帧提取方法(57)摘要本发明公开了一种基于Hadoop的分布式视频关键帧提取方法，包括：获取待处理的原始视频；将所述原始视频按照预设顺序拆分为独立的图像帧；检测所述图像帧中是否包含第一目标，若所述图像帧包含所述第一目标则标记为目标帧，否则标记为普通帧；将所述目标帧分为若干目标帧合集；分别获取每个目标帧合集的关键帧；根据所有目标帧合集的关键帧生成关键帧合集。本发明针对视频中包含目标的部分进行关键帧提取，提高了关键帧提取的效率。CN110705462ACN110705462A权利要求书1/2页1.基于Hadoop的分布式视频关键帧提取方法，其特征在于，包括：获取待处理的原始视频；将所述原始视频按照预设顺序拆分为独立的图像帧；检测所述图像帧中是否包含第一目标，若所述图像帧包含所述第一目标则标记为目标帧，否则标记为普通帧；将所述目标帧分为若干目标帧合集；分别获取每个目标帧合集的关键帧；根据所有目标帧合集的关键帧生成关键帧合集。2.根据权利要求1所述的基于Hadoop的分布式视频关键帧提取方法，其特征在于，基于Hadoop的分布式视频关键帧提取方法，还包括：对所述关键帧合集中的关键帧进行去冗余。3.根据权利要求1所述的基于Hadoop的分布式视频关键帧提取方法，其特征在于，当所述第一目标包括多个物体时，若所述图像帧包含至少一个该物体，则将该图像帧标记为目标帧。4.根据权利要求1所述的基于Hadoop的分布式视频关键帧提取方法，其特征在于，将所述目标帧分为若干目标帧合集，包括：分别检测所述普通帧是否与所述目标帧相邻，若所述普通帧与所述目标帧相邻，则将该普通帧标记为节点帧；根据所述节点帧将所述目标帧分为若干目标帧合集。5.根据权利要求1所述的基于Hadoop的分布式视频关键帧提取方法，其特征在于，将所述目标帧分为若干目标帧合集，包括：定义前一帧为普通帧的目标帧为第一目标帧，前一帧为目标帧的目标帧为第二目标帧；分别为每个第一目标帧创建一个目标帧合集，并将该第一目标帧添加到对应的目标帧合集中；检测第二目标帧与其前一目标帧之间的相似度，若相似度大于等于第一阈值，则将该第二目标帧添加到其前一目标帧所属的目标帧合集中；若相似度小于第一阈值，则为该第二目标帧创建一个目标帧合集，并将该第二目标帧添加到该目标帧合集中。6.根据权利要求1所述的基于Hadoop的分布式视频关键帧提取方法，其特征在于，分别获取每个目标帧合集的关键帧，包括：步骤一，设置聚类中心值N；步骤二，利用最大间距法对所述目标帧合集中的目标帧进行处理，获得N个聚类中心，所述最大间距法用于计算目标帧之间的相似度是否符合预设条件；步骤三，计算所述聚类中心之间的相似度，若相似度大于等于第二阈值，则将相应的两个聚类中心进行合并；步骤四，利用最小距离分类将所述目标帧合集中的目标帧进行分类；步骤五，计算各聚类中目标帧的平均相似度，获取与平均相似度差值最小的目标帧作为新的聚类中心；步骤六，若各聚类的新聚类中心与原聚类中心的相似度均大于等于第三阈值，则终止2CN110705462A权利要求书2/2页算法，各聚类的新聚类中心即为关键帧；否则，执行步骤三。3CN110705462A说明书1/4页基于Hadoop的分布式视频关键帧提取方法技术领域[0001]本发明属于视频处理技术领域，特别是涉及一种基于Hadoop的分布式视频关键帧提取方法。背景技术[0002]在进行舆情监督时采集的全媒体舆情数据量呈指数增长，特别是视频数据，若全部由人工进行预处理和后处理，不仅需要消耗大量的时间和精力，而且容易遗漏关键目标信息。关键帧提取技术的出现使得这种情况得到了极大的改善，关键帧不受时间、音视频同步等问题的影响，而且还可以提供多种方式进行浏览和导航使用。但是，目前在实际应用关键帧提取技术的过程中，面临的最大困难就是关键帧的提取速度太慢。发明内容[0003]本发明的目的在于克服现有技术的不足，提供一种基于Hadoop的分布式视频关键帧提取方法，改善关键帧提取的效率。[0004]本发明的目的是通过以下技术方案来实现的：基于Hadoop的分布式视频关键帧提取方法