武 杰，秦 辉，陈 瑜，张凌涛

(1.中国电子科技集团公司第二研究所，山西 太原 030024；2.中电科风华信息装备股份有限公司，山西 太原 030024；3.北京科技成果转化服务中心，北京 100000；4.广东韶关工业园区管理委员会，广东 韶关 512000)

0 引言

在我们日常生活中，随着计算机超算能力和多媒体技术的发展，视频安防监控已经广泛的应用于很多公共场合，例如：银行、机场、车站、停车场出入口等用来保护公共区域安全。据我们所知，这些视频监控摄像头通常都是一天24小时不间断工作，产生的监控数据需要被存储保留至少1个月以上，银行、机场等特殊场合，数据要求储存保留超过半年甚至是一年。可想而知，我们需要更多存储器来满足存储大量的视频监控数据的需求。同时，查阅和翻看这些监控视频来获取有用信息也需要花费大量的时间。

因此，在安防监控领域，有越来越多的算法致力于视频剪辑技术，从而实现快速提取关键帧以及占用少量内存资源。

1 算法介绍

1.1 事件(能量矢量)的关键帧检测算法

基于事件(能量矢量)的关键帧检测算法(图1)最适合用于固定位置的摄像头产生的视频剪辑。因为对于静止不变的背景环境下，每一帧画面的能量是固定不变，突然闯入的物体，例如行人、移动的汽车、奔跑的动物等会使得画面的能量发生变化。能量的变化可以被看作是事件的发生，也就是我们监控摄像头采集到的关键帧。

图1 检测候选关键帧

根据能量检测算法公式，我们可以得到单一图片的能量矢量E(x)：

(1)

所以，两张图片之间的能量矢量差D(x1,x2)也可以用能量检测算法公式表示：

D(x1,x2)=E(x1)-E(x2).

(2)

将公式(1)带入公式(2)，我们可以得到：

(3)

为了减少运算量，我们通常会将RGB图片转换成灰度图，所以，公式(3)简化可以得到：

(4)

依据公式(4)，我们可以视频数据流中相邻帧之间的能量差矢量，(见图2)并且可以得到视频局部片段的峰值。

图2 局部片段的峰值

对于监控视频来讲，超过80%的视频片段都是不变的背景帧，所以我们可以将背景帧的能量矢量作为阈值从而在视频局部片段的峰值中选出最优值作为候选关键帧，见图3。

图3 候选关键帧

1.2 频谱归类

通过关键帧检测，我们能够得到一段视频中很多候选关键帧，在这些候选关键帧中，有很多是重复的关键帧代表同一个事件。在这种情况下，我们应用了最小二乘法[2]来获取这些相邻关键帧的标准方差，根据标准方差将这些候选关键帧分到不同的频谱区内，再从每个频谱区内选出关键帧，见图4。

图4 频谱归类流程图

2 流程设计与实现

首先，载入监控视频，然后通过灰度图处理等方式对视频进行预处理，可以减少运算量。然后通过关键帧检测得到候选关键帧，再运用频谱归类[3]获得关键帧，最后根据用户需要选择输出静态总结或者动态总结结果。

3 实验结果与实际应用

我们使用能量矢量的关键帧检测算法分析了一段固定位置的监控视频，将时长为39秒的监控视频，一共输出了10帧作为候选关键帧，见图5。

图5 候选关键帧

在得到候选关键帧之后，根据频谱归类法将29、36帧归为一类；102、116、131、224帧归为一类；241、247、253帧归为一类，最后从这三类中各选出一帧就是我们要得到的关键帧，见图6。整个程序的运算时间仅仅只用了0.32秒，大大的节约了人工检索的时间和视频存储的空间。

图6 视频剪辑流程

为了验证该算法效率和可靠性，我们选取了10段不同类型的监控视频作为测试视频，这10段测试视频都是经过人工观看，并且给出了一个确定的关键帧数作为真实数据，详见表1。

表1 测试视频

把经过我们的程序处理后结果与真实数据作对比，我们可以发现，该程序算法是精确和可靠的，它满足了上文中提到的一切需求和目的。虽然也出现了一定的误检率，但所有的误检都是对同一事件的重复输出，在后续的研究中有待进一步优化，见表2。

表2 分析对照表

4 结束语

视频(关键帧)自动剪辑在监控视频中的应用，大大提升了视频监控的检索和储存效率，为安防监控智能化提供了技术支撑。剪辑技术的广泛应用，也为数据存储节约了大量的服务器空间，有着巨大的经济效益。