支卫建

（北方工业大学 信息学院，北京 100043）

0 引言

随着网络和自媒体的发展，视频文件呈现指数级别增加，面对如此多的视频数据，如何快速有效地从这些视频库中检索出人们感兴趣的视频，已经成为当今信息化时代的一个难题[1]。视频数据存在数据量大，维度高的特征，在检索过程中需要消耗大量的内存和搜索时间[2]。

目前普遍的方法就是采用提取关键帧的技术建立索引，进行视频检索。关键帧的提取方法有：基于颜色特征的关键帧提取[3]、基于视频内容的关键帧提取[4]，但前者提取的关键帧会产生冗余，后者对于视频量巨大、内容繁多的情况下，效果不佳。而比较热门的视频检索方法如：基于深度学习的关键帧提取与视频检索[5]、基于k-means++聚类的视频摘要生成算法[6]等，均基于全局特征提取关键帧，只能将视频帧作为整体进行考虑，对于视频帧中人的面部变化无法兼顾，而人脸识别[7-8]对视频中每一帧的人脸图像都能兼顾，但因视频量大，视频相邻帧的冗余度高，降低了检索的效率。在视频检索过程中，使用索引能够有效地解决这个问题，因此，提取关键帧建立索引成为重要步骤之一。

本文结合人脸识别和K-means的特点，提出了一种人脸识别和改进的K-means聚类相结合提取关键帧检索视频的方法。该方法结合神经网络，有效地提升了视频检索的准确率。

1 视频检索

视频关键帧中的面部特征代表了整个镜头中人脸的显著性特征，因此，准确提取关键帧能够有效地降低视频检索的处理时间，提高检索准确率。……