(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210515637.9 (22)申请日 2022.05.12 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 甘亚奇　 (74)专利代理 机构 北京艾格律诗专利代理有限 公司 11924 专利代理师 谢毅 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于CNN的视频关键帧提取方法及系统 (57)摘要 本发明公开了一种基于CNN的视频关键帧提 取方法及系统， 涉及计算机视觉相关领域， 所述 方法包括： 根据第一目标视频段信息， 确定第一 视频输入源； 通过对所述第一视频输入源进行特 征分析， 获得视频背景特征和视频识别对象特 征； 根据所述视频背景特征和所述视频识别对象 特征进行视频相似性分析， 获得第一相似系数； 根据所述第一相似系数生 成目标响应函数， 输出 的第一卷积核数据， 搭建关键帧特征提取模型； 将第一关键特征和所述第一目标视频段信息输 入所述关键帧特征提取模型中， 获得关键帧视频 提取结果。 解决了现有技术中关键帧提取准确性 低， 灵活性不高的技术问题， 达到了针对化搭建 卷积数据模 型， 提高关键帧提取的准确性和灵活 性。 权利要求书2页 说明书12页 附图2页 CN 114973072 A 2022.08.30 CN 114973072 A 1.一种基于 CNN的视频关键帧提取 方法， 其特 征在于， 所述方法包括： 获得第一目标视频 段信息； 根据所述第一目标视频 段信息， 确定第一视频输入 源； 通过对所述第一视频输入 源进行特征分析， 获得视频背景 特征和视频识别对象特 征； 根据所述视频背景特征和所述视频识别对象特征进行视频相似性分析， 获得第 一相似 系数； 根据所述第一相似系数搭建目标响应函数， 根据所述目标响应函数， 确定第一卷积核 数据； 按照所述第一卷积核数据， 搭建 关键帧特 征提取模型； 获得第一关键特 征； 将所述第一关键特征和所述第 一目标视频段信 息输入所述关键帧特征提取模型中， 根 据所述关键帧特征提取模型， 获得第一输出信息， 其中， 所述第一输出信息为基于所述第一 关键特征的关键帧视频提取 结果。 2.如权利要求1所述的方法， 其特征在于， 所述根据 所述第一相似系数搭建目标响应函 数， 根据所述目标响应函数， 确定第一卷积核数据， 所述方法还 包括： 获得第一资源配置环境信息； 根据所述第一资源配置环境信息进行计算 容量分析， 获得第一计算 性能； 将所述第一计算性能作为约束变量， 将所述第一相似系数作为输入变量， 将卷积核数 据作为输出结果， 搭建所述目标响应函数， 其中， 所述目标响应函数用于进行卷积核 数据的 响应输出； 根据所述目标响应函数， 获得所述第 一卷积核数据， 其中， 所述第一卷积核数据包括卷 积核大小和卷积核数量。 3.如权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获得测试关键特 征集合， 其中， 所述测试关键特 征集为用于进行模型测试的样本数据； 根据所述测试关键特征集合， 获得预设关键视频帧集合， 其中， 所述测试关键特征集合 与所述预设 关键视频帧集 合一一对应； 将所述测试关键特征集合输入所述关键帧特征提取模型中， 根据 所述关键帧特征提取 模型， 获得第二输出信息， 其中， 所述第二输出信息为基于所述测试关键特征集合的关键帧 视频提取 结果； 按照所述第二输出信息和所述预设 关键视频帧集 合进行比对， 获得第一模型准确性。 4.如权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 判断所述第一模型准确性是否处于预设模型准确性中； 若所述第一模型准确性不处于所述预设模型准确性， 对所述测试关键特征集合进行量 化分析和类别分析， 获得第一样本量 化系数和第一样本特 征强度； 按照所述第一样本量 化系数和第一样本特 征强度， 获得第一调整信息； 基于所述第一调整信息对所述测试关键特 征集合进行调整。 5.如权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 根据所述第一卷积核数据中的卷积核大小和卷积核数量， 获得第一分组指令； 基于所述第一分组指令对所述第一卷积核数据进行分组， 生成多组卷积核数据；权　利　要　求　书 1/2 页 2 CN 114973072 A 2基于所述多组卷积核数据， 搭建所述关键帧特 征提取模型。 6.如权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 搭建所述关键帧特征提取模型， 其中， 所述关键帧特征提取模型包括视频预处理层、 关 键帧提取层和关键帧输出层； 将所述第一关键特 征和所述第一目标视频 段信息输入所述关键帧提取模型中； 根据所述视频预处理层对所述第 一目标视频段信 息进行视频预处理， 所述关键帧提取 层根据预 处理后的所述第一目标视频段信息和所述第一关键特征进行关键帧提取， 将关键 帧提取结果通过所述关键帧输出层输出。 7.如权利要求1所述的方法， 其特 征在于， 所述获得第一关键特 征， 所述方法还 包括： 根据所述第一关键特征， 获得第 一视频覆盖性， 其中， 所述第一视频覆盖性为基于所述 第一关键特 征在所述第一目标视频 段信息中的特 征覆盖程度； 按照所述第一视频覆盖性， 判断是否 激活特征组合指令； 若激活所述特 征组合指令， 获得第二关键特 征； 基于所述第一关键特 征和所述第二关键特 征进行特征组合， 输出组合关键特 征； 将所述组合关键特征和所述第 一目标视频段信 息输入所述关键帧特征提取模型中， 根 据所述关键帧特征提取模型， 获得第三输出信息， 其中， 所述第三输出信息为基于所述组合 关键特征输出的关键帧视频提取 结果。 8.一种基于 CNN的视频关键帧提取系统， 其特 征在于， 所述系统包括： 第一获得 单元， 所述第一获得 单元用于获得第一目标视频 段信息； 第一确定单元， 所述第一确定单元用于根据所述第一目标视频段信息， 确定第一视频 输入源； 第二获得单元， 所述第二获得单元用于通过对所述第一视频输入源进行特征分析， 获 得视频背景 特征和视频识别对象特 征； 第三获得单元， 所述第 三获得单元用于根据 所述视频背景特征和所述视频识别对象特 征进行视频相似性分析， 获得第一相似系数； 第二确定单元， 所述第二确定单元用于根据所述第一相似系数搭建目标响应函数， 根 据所述目标响应函数， 确定第一卷积核数据； 第一搭建单元， 所述第一搭建单元用于按照所述第一卷积核数据， 搭建关键帧特征提 取模型； 第四获得 单元， 所述第四获得 单元用于获得第一关键特 征； 第一输出单元， 所述第 一输出单元用于将所述第 一关键特征和所述第 一目标视频段信 息输入所述关键帧特征提取模型中， 根据所述关键帧特征提取模型， 获得第一输出信息， 其 中， 所述第一输出信息为基于所述第一关键特 征的关键帧视频提取 结果。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步 骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1 ‑7中任一项所述方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114973072 A 3