朱姣洁

【摘要】    为了降低由于内容过渡引起的视频关键帧提取误差，提出基于内容的动画视频关键帧提取技术研究。以视频内容为依据，对动画视频划分为若干个子镜头，对划分后的子镜头视频图像进行归一化处理，降低由于灰度差异引起的关键帧识别错误，根据渐变特征，剔除归一化后视频图像中的渐变帧，最后对各个子镜头进行关键帧识别与提取。并进行实验测试，实验结果表明，所提方法进行关键帧提取时，漏选帧数低于2帧，错帧数低于3帧，具有较高的提取效果。

【关键词】    视频内容    动画视频    关键帧    渐变帧

引言：

近些年来，视频动画的制作精度逐渐提高，视频文件的大小也不断增加，在此环境下，各种视频压缩技术应运而生，为动画视频的传播交流提供了良好基础，并在一定程度上推进了动画视频的发展，使其在各种网络和存储媒介中广泛存在[1]。为了实现在海量视频内容中快速高效地完成对所需内容的查找，标引和检索问题逐渐受到人们的关注[2]。在传统视频检索方法中，主要是通过关键字为进行检索，不但在耗时方面存在较大弊端，同时检索结果也不尽如人意。随着专家学者们的研究不断深入，基于内容的视频检索方法被提出，并成为研究热点[3]。其中，基于视频关键帧的检索最为受到关注，在这一方法中，关键帧提取是关键技术[4]。因此，对于关键帧的准确识别、提取成为现阶段备受关注的问题[5]。

基于此，本文提出基于内容的动画视频关键帧提取技术研究。将内容作为对视频内容划分的依据，在此基础上，对视频通过对视频进行归一化处理、剔除过渡帧的方式，提高关键帧的识别精度，提高关键帧的提取效果。并进行对比实验，验证了所提方法的可行性。

一、基于内容的视频镜头划分

本文以内容差异性最大，也就是相关性最小的内容作为分隔镜头的节点。首先，对动画视频内容数据X={x1，x2，...，xi}构建内容差异函数，获得视频内容数据的相关性λij，

其中，ε（λ）为动画视频相关性性计算函数，当xj不是xi的视频中时间近邻时内容时，取λij=0。那么，由所有动画视频内容数据相关性权值λij，可以组成的矩阵则表示为λ=（λij）。这样，得到的动画视频中，内容数据点xi和它邻域数据点之间的相关性关系。以此为基础，根据计算出的相关性结果，将视频内容划分为N个子镜头，为后续的动画视频关键帧提取提供基础。

二、动画视频关键帧提取

2.1视频图像归一化处理

在进行关键帧提取之前，需要对动画视频子镜头的图像进行归一化处理。本文主要是对灰度进行归一化处理，对动画视频子镜头的图像中出现的灰度不均部分进行补偿，使在关键帧识别和提取时，动画视频子镜头的图像灰度保持统一。假设动画视频子镜头的图像像素为a×b，灰度为A（x，y），1≤x≤a，1≤y≤b。则灰度均值和方差分别为

通过该方法，将动画视频子镜头的图像灰度均值和方差设定为固定值，以此降低在后续关键帧提取过程中由于视频图像灰度差异较大引起的识别错误。

2.2渐变帧检测与剔除

根据渐变过程帧特征，对动画视频子镜头的信息数据进行编码，编码参数分别设定为视频图像亮度变化梯度、视频声音变化梯度、梯度变化连续时间、梯度变化前后差异，式4是动画视频子镜头中渐变过程帧的计算方式。

其中，L表示视频图像亮度变化梯度评价结果，S表示视频声音变化梯度评价结果，T表示梯度变化连续时间评价结果，C表示梯度变化前后差异评价结果，P表示交叉结果。根据其计算出子镜头中的渐变过程帧，降低在关键帧提取过程中的干扰，提高提取结果的可靠性。

2.3关键帧识别与提取

在上述对动画视频处理基础上，对子镜头关键帧进行识别，对于各子镜头，首先将镜头的起始帧作为基准帧，计算后续各帧与基准帧之间的特征进行计算

在进行子镜头检测时，由于各子镜头的内容不同，因此，需要根据其内容设置不同的阈值。本文采用自动选取阈值的方法对阈值进行设定，以此实现对子镜关键帧的有效识别。阈值的计算方式可以表示为

其中，ε表示所有相邻帧间特征之和。通过这种方式，实现对动画视频子镜头关键帧的特征识别，将满足阈值范围的帧作为关键帧进行提取。

三、试验测试

为了测试本文提出的关键帧提取技术的实际性能，进行了实验测试。同时，为了确保实验结果的可靠性，分文分别采用文献[2]提出的基于直方图计算与分析的视频关键帧选取方法以及文献[3]提出的基于K均值聚类的视频关键帧提取技术同时进行测试，通过对比三种方法的实验结果，对本文方法的性能进行分析。

3.1实验环境

实验环境为32位Windows 8操作系统，4GB内存。实验数据共设置5组时长不等动画视频，具体的实验数据如表1 所示。分别采用三种方法对视频的关键帧进行提取，同时，为对提取结果进行量化分析，分别以关键帧的漏选数，选错数作为指标，对测试结果进行对比。

3.2实验结果

在上述实验环境下，本文首先对比了三种方法下，關键帧提取的漏选情况，其结果如图1所示。

通过图1可看出，在三种关键帧提取方法下，文献[2]和文献[3]的漏选数量始终高于本文方法，且最高漏选数到达4帧，而在本文方法的提取结果中，漏选数始终稳定在2帧以内，且对视频3和视频5的漏选数为0，实现了100%的关键帧提取。说明本文方法具有较高的关键帧识别和提取能力。这主要是因为本文方法将视频以内容为基础进行镜头划分，降低了关键帧提取过程中计算的负担，提高计算精度，降低漏选情况的发生。

四、结束语

本文提出基于内容的动画视频关键帧提取技术研究，实现了高准确率，高精度的关键帧提取，有效降低了漏选和错选的情况，对于该领域的应用具有一定实际价值。

参  考  文  献

[1]仲梦洁，张艳彬. 基于视觉显著性车辆监控视频关键帧提取方法[J]. 计算机技术与发展，2019，29（06）：164-169.

[2]Jorge Michel Díaz Rodriguez，姚品，万旺根. 基于直方图计算与分析的视频关键帧选取方法[J]. 电子测量技术，2019，42（19）：170-175.

[3]张一凡，李家辰，旷远有， 等. 基于K均值聚类的视频关键帧提取技术研究[J]. 电脑与信息技术，2021，29（01）：13-16.

[4]苏筱涵. 深度学习视角下视频关键帧提取与视频检索研究[J]. 网络安全技术与应用，2020， 000（05）：65-66.

[5]韩震博. 基于双向自适应时空切片的关键帧提取算法[J]. 现代计算机，2021， 000（05）：57-61.