随着人们安全意识的提高,大量监控设备投入使用,导致监控视频数据爆炸式增长。如何实现监控视频数据的高效管理、快速检索和查询,已经成为困扰人们的难题。关键帧提取作为可以解决该问题的有效方法之一,引起了研究者们的关注。目前,关键帧提取已经取得了众多研究成果。然而,将现有的比较有效的视频关键帧提取方法直接应用于监控视频,提取的关键帧不够精准。相比于视频关键帧提取方法的快速发展,视频关键帧的评价方法却发展相对缓慢。视频关键帧的评价方法较为单一,并且目前应用比较广泛的保真度准则、镜头重构度准则、精确率和召回率等,并不适用于评价监控视频关键帧。因此,本文围绕监控视频关键帧精准提取及其评价机制两大部分展开研究,主要研究内容如下:1.监控视频关键帧精准提取在监控视频中,人们会更关注运动状态发生变化的目标。因此,视频中目标运动状态的变化能更准确地反映出监控视频内容的变化。为了能够精准地捕捉目标运动状态的变化,实现监控视频关键帧精准提取,提出了以下三种方法:(1)提出了一种基于运动速度的监控视频关键帧提取方法。与现有的关键帧提取方法相比,该方法采用运动速度来描述视频中目标运动状态的变化。首先通过运动目标检测提取出视频中的主要运动目标,获得目标的坐标位置。其次计算每帧中目标的运动速度,对其绝对值进行相应加权。然后根据处理后的运动速度形成速度曲线,检测其峰值点。最后将峰值突变处的视频帧提取为关键帧。实验结果表明,该方法的正确性和有效性,与对比方法相比,所提方法能及时、准确地捕捉目标运动状态的变化。(2)提出了一种基于中心偏移的监控视频关键帧提取方法。由于基于运动速度的监控视频关键帧提取方法会遗漏目标的局部运动状态的变化。为此,提出了利用中心偏移来捕捉目标的全局和局部运动状态的变化。该方法首先通过运动目标检测提取出运动目标,利用目标运动形状中心点代替目标。当视频中有多个目标时,则求多个中心点坐标的均值,作为该视频帧的中心点。其次,计算每帧中心点的偏移量。然后,连接每帧中心偏移量,形成中心偏移曲线。最后,提取峰值点突变处的视频帧并利用关键帧优化准则对提取的视频帧进一步精简,确定最终关键帧。实验结果表明,所提方法在镜头重构度和捕捉目标局部运动状态的变化方面优于对比方法。(3)提出了一种基于频域分析的监控视频关键帧提取方法。与基于中心偏移的监控视频关键帧方法相比,该方法对视频帧进行频域分析,利用频域信息的变化来反映目标运动状态的变化。该方法首先对视频帧进行二维傅里叶变换,获得视频帧的频谱和相位谱。其次,分别计算相邻帧频谱和相位谱的均方误差,并分别对两者的均方误差进行加权。然后,将处理后的均方误差值相加得到每帧的均方误差,形成均方误差曲线。最后,提取峰值点突变处的视频帧并采用关键帧优化准则对提取的视频帧进一步精简,确定最终关键帧。实验结果表明,所提方法在镜头重构度方面优于其它方法,能更精准地捕捉目标局部运动状态的变化。2.监控视频关键帧评价机制在监控视频中,目标运动状态发生变化的视频帧更重要,因此适用于评价监控视频关键帧的方法需要能够从捕捉目标运动状态变化方面对提取的关键帧进行评价。针对监控视频关键帧的评价需求,从目标运动轨迹出发,提出了一种适用于监控视频关键帧的评价机制——运动轨迹重构。该评价机制首先利用运动目标检测和追踪,提取出视频中目标的运动轨迹,形成目标的原运动轨迹集。然后,根据提取关键帧的目标运动轨迹,利用线性插值算法,重构目标的运动轨迹集。最后,将原运动轨迹集与重构后运动轨迹集进行对比,重合度越高,关键帧提取方法捕捉目标运动状态变化的能力越强。实验结果表明,本文所提运动轨迹重构评价机制能够从捕捉目标全局和局部运动状态变化的方面对监控视频关键帧进行评价。