1.本发明涉及到视频处理技术领域，尤其涉及一种针对人像视频系统的关键帧获取方法。
背景技术：2.人像视频系统中人脸识别是最核心的模块。在大部分人像系统中，对于经过人员，都会得到对应的轨迹。单个人员的轨迹可以表示为k帧图像上的矩形框的集合。人像视频系统中人脸识别模块输入的是一个人的轨迹，输出该人的身份。
3.目前的人像视频系统在提取关键帧时主要是通过将特定时间段内的视频进行逐步筛查来实现关键帧的提取，由于整个筛查过程中没有包含目标信息的视频片段会大大增加关键帧提取时的筛查量，从而导致关键帧的提取效率较为低下，同时关键帧在提取后容易存在图像模糊的情况，导致关键帧的提取质量较差。
技术实现要素：4.本发明的目的就在于为了解决上述问题而提供一种针对人像视频系统的关键帧获取方法。
5.本发明通过以下技术方案来实现上述目的：一种针对人像视频系统的关键帧获取方法，它包括以下步骤：步骤1：获取目标视频，并将目标视频划分成多个视频片段；步骤2：将步骤1中对于在目标类中取得最大概率的视频片段进行优化；步骤3：利用imagenet预训练的vgg-16提取优化后视频片段中每一帧的特征，并根据每个视频的类别，将同一类别的帧组成一个集合，对于每一类，利用lda学习一个矩阵，最大化与其他类别的距离，计算出视频片段中每一帧的得分；步骤4：将步骤3中所计算出的每个视频片段中各帧的平均得分作为该视频片段的最终得分，以此来对视频片段进行排序；步骤5：选出高得分的视频片段，并将高得分的视频片段中的帧按照的分数进行排序，其中得分最高的几帧便为关键帧。
6.进一步的，所述步骤2主要利用softmax得到的各个类比概率来判断输入的视频片段是否是在目标类中取得最大概率的视频片段，利用该种筛选方式能够快速剔除不包含目标类型信息的视频片段，减少关键帧提取的筛查量，确保关键帧的提取效率。
7.进一步的，所述步骤3中得分的计算公式为：f
i.m
=||f
i.m-w
tafi.m
||2，利用该公式来计算各视频片段中每帧的得分，能够实现关键帧的快速区分。
8.进一步的，所述步骤5中关键帧获取后的验证方法如下：首先输出每一帧的得分，并将原来帧加权后得到新的特征，然后将得到的新特征就行编码，再得到一个新特征，接着将最新得到的特征进行特征解码，恢复原来的特征，以便判断得到的特征是否还是原来的特征，通过实验验证得知经该种方法所提取的关键帧，完全满足实际应用过程中使用需求，
从而说明本发明所述的提取方法快速且有效。
9.本发明的有益效果在于：本发明通过预先剔除视频片段中的不包含目标信息的视频，有效减小了人像视频系统在提取关键帧时的筛查量，大大提高了人像视频系统中关键帧的识别提取效率，同时配合目标视频中每帧的得分来选取视频中的关键帧，确保了关键帧在提取后的清晰度，大大提高了人像视频系统中关键帧的提取质量。
具体实施方式
10.一种针对人像视频系统的关键帧获取方法，它包括以下步骤：步骤1：获取目标视频，并将目标视频划分成多个视频片段；步骤2：将步骤1中对于在目标类中取得最大概率的视频片段进行优化；步骤3：利用imagenet预训练的vgg-16提取优化后视频片段中每一帧的特征，并根据每个视频的类别，将同一类别的帧组成一个集合，对于每一类，利用lda学习一个矩阵，最大化与其他类别的距离，计算出视频片段中每一帧的得分；步骤4：将步骤3中所计算出的每个视频片段中各帧的平均得分作为该视频片段的最终得分，以此来对视频片段进行排序；步骤5：选出高得分的视频片段，并将高得分的视频片段中的帧按照的分数进行排序，其中得分最高的几帧便为关键帧。
11.本实施例中，所述步骤2主要利用softmax得到的各个类比概率来判断输入的视频片段是否是在目标类中取得最大概率的视频片段，利用该种筛选方式能够快速剔除不包含目标类型信息的视频片段，减少关键帧提取的筛查量，确保关键帧的提取效率。
12.本实施例中，所述步骤3中得分的计算公式为：f
i.m
=||f
i.m-w
tafi.m
||2，利用该公式来计算各视频片段中每帧的得分，能够实现关键帧的快速区分。
13.本实施例中，所述步骤5中关键帧获取后的验证方法如下：首先输出每一帧的得分，并将原来帧加权后得到新的特征，然后将得到的新特征就行编码，再得到一个新特征，接着将最新得到的特征进行特征解码，恢复原来的特征，以便判断得到的特征是否还是原来的特征，通过实验验证得知经该种方法所提取的关键帧，完全满足实际应用过程中使用需求，从而说明本发明所述的提取方法快速且有效。
14.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种针对人像视频系统的关键帧获取方法，其特征在于：它包括以下步骤：步骤1：获取目标视频，并将目标视频划分成多个视频片段；步骤2：将步骤1中对于在目标类中取得最大概率的视频片段进行优化；步骤3：利用imagenet预训练的vgg-16提取优化后视频片段中每一帧的特征，并根据每个视频的类别，将同一类别的帧组成一个集合，对于每一类，利用lda学习一个矩阵，最大化与其他类别的距离，计算出视频片段中每一帧的得分；步骤4：将步骤3中所计算出的每个视频片段中各帧的平均得分作为该视频片段的最终得分，以此来对视频片段进行排序；步骤5：选出高得分的视频片段，并将高得分的视频片段中的帧按照的分数进行排序，其中得分最高的几帧便为关键帧。2.根据权利要求1所述的一种针对人像视频系统的关键帧获取方法，其特征在于：所述步骤2主要利用softmax得到的各个类比概率来判断输入的视频片段是否是在目标类中取得最大概率的视频片段。3.根据权利要求1所述的一种针对人像视频系统的关键帧获取方法，其特征在于：所述步骤3中得分的计算公式为：f
i.m
=||f
i.m-w
ta
f
i.m
||2。4.根据权利要求1所述的一种针对人像视频系统的关键帧获取方法，其特征在于：所述步骤5中关键帧获取后的验证方法如下：首先输出每一帧的得分，并将原来帧加权后得到新的特征，然后将得到的新特征就行编码，再得到一个新特征，接着将最新得到的特征进行特征解码，恢复原来的特征，以便判断得到的特征是否还是原来的特征。
技术总结本发明公开了一种针对人像视频系统的关键帧获取方法，它包括以下步骤：步骤1：获取目标视频，并将目标视频划分成多个视频片段；步骤2：将步骤1中对于在目标类中取得最大概率的视频片段进行优化。有益效果在于：本发明通过预先剔除视频片段中的不包含目标信息的视频，有效减小了人像视频系统在提取关键帧时的筛查量，大大提高了人像视频系统中关键帧的识别提取效率，同时配合目标视频中每帧的得分来选取视频中的关键帧，确保了关键帧在提取后的清晰度，大大提高了人像视频系统中关键帧的提取质量。质量。
技术研发人员：王陆平
受保护的技术使用者：上海魔拾科技有限公司
技术研发日：2022.06.21
技术公布日：2022/11/1
