视频关键帧提取方法、装置、计算机设备和存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种视频关键帧提取方法、装置、计算机设备和存储介质。

背景技术

随着无人机应用的普及推广以及深度学习图像识别技术的快速发展，“无人机巡检+智能图像识别”已成为线路巡检的主流。为了从巡检视频中对目标进行检测，需要从巡检视频中获取包含目标的关键帧。而无人机巡检获得的视频中，包含了大量没拍摄到目标的非关键帧，在从无人机巡检视频中获取关键帧的过程中，需要剔除这些非关键帧。

传统技术中，从视频中提取关键帧的方法是通过颜色特征算法提取关键帧，该方法存在着提取效率低的技术缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高提取效率的视频关键帧提取方法、装置、计算机设备和存储介质。

一种视频关键帧提取方法，所述方法包括：

根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

根据目标视频中的停滞时段，获取目标视频中的关键帧。

在其中一个实施例中，还包括：获取目标视频中的各图像帧；

将所述各图像帧进行灰度化处理，获取所述各图像帧中的各像素点的灰度值；

根据所述各图像帧中的各像素点的灰度值，获取各图像帧中各像素点的拉普拉斯算子。

在其中一个实施例中，还包括：根据目标视频中各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子；

计算所述各图像帧的拉普拉斯算子的方差，作为各图像帧的信息量评估值。

在其中一个实施例中，还包括：根据预设的第一时间间隔，将目标视频中各图像帧分成不少于一组视频片段；

分别计算各视频片段中各图像帧的信息量评估值，将各视频片段中信息量评估值最大的图像帧作为备选帧；

根据所述备选帧，获取目标视频的停滞时段。

在其中一个实施例中，还包括：将所述备选帧的信息量评估值与预设的信息量评估阈值进行对比，若当前备选帧的信息量评估值小于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值大于或等于所述信息量评估阈值，将当前备选帧对应的时刻作为开始时刻；其中，若当前备选帧没有前一备选帧，判定当前备选帧的前一备选帧的信息量评估值大于所述信息量评估阈值；

若当前备选帧的信息量评估值大于或等于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值小于所述信息量评估阈值，将当前备选帧对应的时刻作为结束时刻；

获取每个开始时刻与对应的结束时刻之间的图像帧，作为备选停滞时段；

根据预设的停滞时长阈值，从所述备选停滞时段中获取目标视频的停滞时段。

在其中一个实施例中，还包括：获取各备选停滞时段的时长；

判断各备选停滞时段的时长是否超过预设的停滞时长阈值；

将时长超过预设的停滞时长阈值的备选停滞时段作为目标视频的停滞时段。

在其中一个实施例中，还包括：根据预设的第二时间间隔，将所述停滞时段分成不少于一组关键视频片段；

分别从各关键视频片段中提取信息量评估值最小的图像帧作为目标视频的关键帧。

一种视频关键帧提取装置，所述装置包括：

第一获取模块，用于根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

第二获取模块，用于根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

提取模块，用于根据目标视频中的停滞时段，获取目标视频中的关键帧。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

根据目标视频中的停滞时段，获取目标视频中的关键帧。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

根据目标视频中的停滞时段，获取目标视频中的关键帧。

上述视频关键帧提取方法、装置、计算机设备和存储介质，通过目标视频中各图像帧中各像素点的拉普拉斯算子，获取各图像帧的信息量评估值。并进一步通过各图像帧的信息量评估值，获取目标视频中的停滞时段，最后从停滞时段中筛选出目标视频的关键帧。通过信息量评估值筛除非关键图像帧，提高了从目标视频中提取关键帧的效率。

附图说明

图1为一个实施例中视频关键帧提取方法的应用环境图；

图2为一个实施例中视频关键帧提取方法的流程示意图；

图3为一个实施例中获取目标视频的停滞时段步骤的流程示意图；

图4为一个实施例中目标视频中的图像帧的信息量评估值随时间变化的折线图；

图5为一个实施例中视频关键帧提取装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的视频关键帧提取方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102和服务器104可分别单独用于执行本申请提供的视频关键帧提取方法。终端102和服务器104也可用于协同执行本申请提供的视频关键帧提取方法。例如，服务器104用于根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；根据目标视频中的停滞时段，获取目标视频中的关键帧。

其中，终端102可以但不限于是包括图像采集装置的设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种视频关键帧提取方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤202，根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数。

其中，目标视频是待提取关键帧的视频；图像帧是组成视频的最小单位；各像素点的拉普拉斯算子是各像素点的灰度值的二阶微分；各图像帧的信息量评估值是用于表征各图像帧中信息量丰富程度的参数，信息量评估值越大，对应的图像帧的内容信息越丰富；信息量评估值越小，对应的图像帧的内容信息越单一。

具体地，首先计算目标视频中每个图像帧中每个像素点的拉普拉斯算子，并根据每个像素点的拉普拉斯算子获取每个图像帧的拉普拉斯算子；每个图像帧的拉普拉斯算子是每个图像帧中每个像素点的拉普拉斯算子的平均值。根据每个图像帧的拉普拉斯算子计算获取每个图像帧的信息量评估值。本实施例中如何根据每个图像帧的拉普拉斯算子获取每个图像帧的信息量评估值不作具体限定。

步骤204，根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段。

其中，停滞时段是指无人机巡检视频或其他类似视频中，无人机在巡检过程中发现目标时，会停滞并对目标进行放大拍摄的时段；因此，停滞时段中包含目标的图像帧就是需要提取的关键帧。

具体地，目标视频中的停滞时段中由于包含待提取的关键帧，因此停滞时段中的图像帧相比正常的图像帧的信息量评估值相对较低。因此，根据各图像帧的信息量评估值，通过筛除信息量评估值超过预设阈值的方法，就能获取目标视频中的停滞时段。

步骤206，根据目标视频中的停滞时段，获取目标视频中的关键帧。

具体地，停滞时段由包含关键帧的图像帧组成，因此只需要从停滞时段中进行提取就能获取所需的关键帧。对于停滞时段的关键帧，可以全部提取，也可以进行进一步筛选，提取出最合适的关键帧。

上述视频关键帧提取方法中，通过目标视频中各图像帧中各像素点的拉普拉斯算子，获取各图像帧的信息量评估值。并根据各图像帧的信息量评估值，筛选获取停滞时段，最后从停滞时段中获取目标视频的关键帧。通过信息量评估值筛除非关键图像帧，提高了从目标视频中提取关键帧的效率。

在一个实施例中，所述根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值，之前还包括：

获取目标视频中的各图像帧。

具体地，图像帧是目标视频的基本组成单位，也是对目标视频进行提取的基本单位。

将所述各图像帧进行灰度化处理，获取所述各图像帧中的各像素点的灰度值。

具体地，将各图像帧进行灰度化处理，获取各图像帧中的各像素点的灰度值是计算获取各图像帧中各像素点的拉普拉斯算子的前置处理步骤。

根据所述各图像帧中的各像素点的灰度值，获取各图像帧中各像素点的拉普拉斯算子。

具体地，各图像帧中各像素点的拉普拉斯算子是各图像帧中的各像素点的灰度值的二阶微分；例如，f(x,y)表示位置为(x,y)的像素点的灰度值，等效于像素点与周围点组成的3*3矩阵同卷积核的卷积。

其中，

本实施例中，通过将各图像帧进行灰度化处理，并通过各图像帧中的各像素点的灰度值，获取各图像帧中各像素点的拉普拉斯算子，以使得能够根据各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子，进而获取各图像帧的信息量评估值。为从目标视频中筛选出关键帧创造了前提条件，提高了提取关键帧的效率。

在一个实施例中，所述根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值包括：

根据目标视频中各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子。

具体地，求取各图像帧中各像素点的拉普拉斯算子的平均值，作为各图像帧的拉普拉斯算子。例如：通过以下公式计算各图像帧的拉普拉斯算子，

其中，μ是图像帧的拉普拉斯算子；W是图像帧的像素宽；H是图像帧的像素高；

计算所述各图像帧的拉普拉斯算子的方差，作为各图像帧的信息量评估值。

具体地，各图像帧的信息量评估值是各图像帧的拉普拉斯算子的方差，其计算公式为：

其中，σ

本实施中，通过各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子，并获取各图像帧的拉普拉斯算子的方差，作为各图像帧的信息量评估值。为进一步根据各图像帧的信息量评估值对目标视频中的图像帧进行筛除创造了条件，提高了提取关键帧的效率。

在一个实施例中，所述根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段包括：

根据预设的第一时间间隔，将目标视频中各图像帧分成不少于一组视频片段。

具体地，将目标视频按照第一时间间隔分为若干组视频片段；若第一时间间隔能够将目标视频等分，则各视频片段中包含数量相等的图像帧；若第一时间间隔不能将目标视频等分，则除最后一段视频片段以外，其他的视频片段中的图像帧数量是相等的。

例如，目标视频总长度为N秒、每秒24帧，若第一时间间隔为30秒，且N是30的整数倍，则每个视频片段中包含图像帧数量为

分别计算各视频片段中各图像帧的信息量评估值，将各视频片段中信息量评估值最大的图像帧作为备选帧。

具体地，备选帧是为了筛选目标视频的停滞时段，从各视频片段中筛选出的最清晰的一帧图像。由于当图像帧模糊的时候，会导致图像帧的信息量评估值降低，因此为了获取每个视频片段中的最清晰的图像帧，从各视频片段中筛选出信息量评估值最大的图像帧作为备选帧。因此，在选择备选帧时，从各视频片段中信息量评估值最大的图像帧作为备选帧。

例如，在一个视频片段中，包括24张图像帧，选择其中信息量评估值最大的一帧图像作为备选帧。

根据所述备选帧，获取目标视频的停滞时段。

本实施例中，根据第一时间间隔，将目标视频分成若干视频片段，并根据信息量评估值从各视频片段中筛选出备选帧，由于备选帧都是根据信息量评估值进行筛选后的图像帧，因此只需根据备选帧就可以筛选出停滞时段，本实施例能够节省工作量，提高筛选停滞时段的效率。

在一个实施例中，如图3所示，所述根据所述备选帧，获取目标视频的停滞时段包括：

步骤302，将所述备选帧的信息量评估值与预设的信息量评估阈值进行对比，若当前备选帧的信息量评估值小于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值大于或等于所述信息量评估阈值，将当前备选帧对应的时刻作为开始时刻；其中，若当前备选帧没有前一备选帧，判定当前备选帧的前一备选帧的信息量评估值大于所述信息量评估阈值。

具体地，信息量评估阈值为D，当前备选帧的信息量评估值为S(t)，当S(t)

步骤304，若当前备选帧的信息量评估值大于或等于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值小于所述信息量评估阈值，将当前备选帧对应的时刻作为结束时刻。

具体地，当S(t)≥D且S(t-1)

例如，如图4所示，为一个实施例中目标视频中的图像帧的信息量评估值随时间变化的折线图；其中，信息量评估阈值D＝400；从图中可以看出，目标物大约在160s、320s时刻的周围出现。

步骤306，获取每个开始时刻与对应的结束时刻之间的图像帧，作为备选停滞时段；

具体地，开始时刻和对应的结束时刻之间的图像帧，组成了备选停滞时段。备选停滞时段中的图像帧的信息量评估值是连续的不超过信息量评估阈值的。

步骤308，根据预设的停滞时长阈值，从所述备选停滞时段中获取目标视频的停滞时段。

具体地，备选停滞时段的停滞时长＝T

例如，表1为图4中实施例的目标视频中的停滞时段分布表；其中，停滞时长阈值为T为10秒；

表1停滞时段分布表

根据表1可看出停滞时段内包含了160s、320s周围时段，即可认为是找到了目标物。表1中一共获取5个停滞时段。

本实施例中，通过将备选帧与信息量评估阈值进行对比，确定出备选停滞时段，并进一步根据停滞时长阈值和备选停滞时段筛选出停滞时段。通过筛选出停滞时段，能够减少提取关键帧时的工作量，避免对非关键帧的提取，提高了提取关键帧的效率。

在一个实施例中，所述根据预设的停滞时长阈值，从所述备选停滞时段中获取目标视频的停滞时段包括：

获取各备选停滞时段的时长；

判断各备选停滞时段的时长是否超过预设的停滞时长阈值；

将时长超过预设的停滞时长阈值的备选停滞时段作为目标视频的停滞时段。

具体地，第i次无人机出现备选停滞时段的时长为T

本实施例中，通过设置停滞时长阈值，并从备选停滞时段中剔除停滞时长阈值地域停滞时长阈值的备选停滞时段，实现了从备选停滞时段中剔除噪声干扰，能够提高获取停滞时段的准确率。

在一个实施例中，所述根据目标视频中的停滞时段，获取目标视频中的关键帧包括：

根据预设的第二时间间隔，将所述停滞时段分成不少于一组关键视频片段；

分别从各关键视频片段中提取信息量评估值最小的图像帧作为目标视频的关键帧。

具体地，将停滞时段按照预设的第二时间间隔，分成若干组关键视频片段；具体的分组方式类似于根据第一时间间隔将目标视频分成若干视频片段。并从各关键视频片段中选择信息量评估值最小的图像帧作为目标视频的关键帧。

例如，对表1中的5段停滞时段，以10秒为第二时间间隔，提取每组关键视频片段中信息量评估值最小的图像帧的对应时刻如表2所示：

表2关键帧图像对应时刻

由表2可知，对表1中的5段停滞时段，共提取出12个目标视频的关键帧。关键帧对应的目标视频的时刻分别是：148秒，165秒，172秒，179秒，226秒，229秒，332秒，333秒，341秒，354秒，407秒和412秒。

综上可知，对于一段无人机巡检视频，采用本实施例提取关键帧的方法后，仅有12张关键帧图片。意味着只需对这12张关键帧图片进行图像目标检测即可完成对整段视频的目标检测，提高了提取关键帧的效率，大大减少了目标检测需要花费的时间。

本实施例中，通过从各关键视频片段中选择信息量评估值最小的图像帧作为目标视频的关键帧，进一步对关键帧进行筛选，进一步提高了提取关键帧的效率，且能够从各关键视频片段中筛选出效果最好的关键帧。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种视频关键帧提取装置，包括：第一获取模块501、第二获取模块502和提取模块503，其中：

第一获取模块501，用于根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

第二获取模块502，用于根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

提取模块503，用于根据目标视频中的停滞时段，获取目标视频中的关键帧。

在其中一个实施例中，第一获取模块501，还用于获取目标视频中的各图像帧；将所述各图像帧进行灰度化处理，获取所述各图像帧中的各像素点的灰度值；根据所述各图像帧中的各像素点的灰度值，获取各图像帧中各像素点的拉普拉斯算子。

在其中一个实施例中，第一获取模块501，还用于根据目标视频中各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子；计算所述各图像帧的拉普拉斯算子的方差，作为各图像帧的信息量评估值。

在其中一个实施例中，第二获取模块502，还用于根据预设的第一时间间隔，将目标视频中各图像帧分成不少于一组视频片段；分别计算各视频片段中各图像帧的信息量评估值，将各视频片段中信息量评估值最大的图像帧作为备选帧；根据所述备选帧，获取目标视频的停滞时段。

在其中一个实施例中，第二获取模块502，还用于将所述备选帧的信息量评估值与预设的信息量评估阈值进行对比，若当前备选帧的信息量评估值小于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值大于或等于所述信息量评估阈值，将当前备选帧对应的时刻作为开始时刻；其中，若当前备选帧没有前一备选帧，判定当前备选帧的前一备选帧的信息量评估值大于所述信息量评估阈值；若当前备选帧的信息量评估值大于或等于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值小于所述信息量评估阈值，将当前备选帧对应的时刻作为结束时刻；获取每个开始时刻与对应的结束时刻之间的图像帧，作为备选停滞时段；根据预设的停滞时长阈值，从所述备选停滞时段中获取目标视频的停滞时段。

在其中一个实施例中，第二获取模块502，还用于获取各备选停滞时段的时长；判断各备选停滞时段的时长是否超过预设的停滞时长阈值；将时长超过预设的停滞时长阈值的备选停滞时段作为目标视频的停滞时段。

在其中一个实施例中，提取模块503，还用于根据预设的第二时间间隔，将所述停滞时段分成不少于一组关键视频片段；分别从各关键视频片段中提取信息量评估值最小的图像帧作为目标视频的关键帧。

关于视频关键帧提取装置的具体限定可以参见上文中对于视频关键帧提取方法的限定，在此不再赘述。上述视频关键帧提取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频关键帧提取方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

根据目标视频中的停滞时段，获取目标视频中的关键帧。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标视频中的各图像帧；将所述各图像帧进行灰度化处理，获取所述各图像帧中的各像素点的灰度值；根据所述各图像帧中的各像素点的灰度值，获取各图像帧中各像素点的拉普拉斯算子。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据目标视频中各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子；计算所述各图像帧的拉普拉斯算子的方差，作为各图像帧的信息量评估值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设的第一时间间隔，将目标视频中各图像帧分成不少于一组视频片段；分别计算各视频片段中各图像帧的信息量评估值，将各视频片段中信息量评估值最大的图像帧作为备选帧；根据所述备选帧，获取目标视频的停滞时段。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述备选帧的信息量评估值与预设的信息量评估阈值进行对比，若当前备选帧的信息量评估值小于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值大于或等于所述信息量评估阈值，将当前备选帧对应的时刻作为开始时刻；其中，若当前备选帧没有前一备选帧，判定当前备选帧的前一备选帧的信息量评估值大于所述信息量评估阈值；若当前备选帧的信息量评估值大于或等于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值小于所述信息量评估阈值，将当前备选帧对应的时刻作为结束时刻；获取每个开始时刻与对应的结束时刻之间的图像帧，作为备选停滞时段；根据预设的停滞时长阈值，从所述备选停滞时段中获取目标视频的停滞时段。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取各备选停滞时段的时长；判断各备选停滞时段的时长是否超过预设的停滞时长阈值；将时长超过预设的停滞时长阈值的备选停滞时段作为目标视频的停滞时段。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设的第二时间间隔，将所述停滞时段分成不少于一组关键视频片段；分别从各关键视频片段中提取信息量评估值最小的图像帧作为目标视频的关键帧。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据目标视频中各图像帧中各像素点的拉普拉斯算子，获取所述各图像帧的信息量评估值；所述信息量评估值是用于表征所述图像帧中信息量丰富程度的参数；

根据所述各图像帧的信息量评估值，获取目标视频中的停滞时段；所述停滞时段是所述目标视频中包含关键帧的视频片段；

根据目标视频中的停滞时段，获取目标视频中的关键帧。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标视频中的各图像帧；将所述各图像帧进行灰度化处理，获取所述各图像帧中的各像素点的灰度值；根据所述各图像帧中的各像素点的灰度值，获取各图像帧中各像素点的拉普拉斯算子。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据目标视频中各图像帧中各像素点的拉普拉斯算子获取各图像帧的拉普拉斯算子；计算所述各图像帧的拉普拉斯算子的方差，作为各图像帧的信息量评估值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预设的第一时间间隔，将目标视频中各图像帧分成不少于一组视频片段；分别计算各视频片段中各图像帧的信息量评估值，将各视频片段中信息量评估值最大的图像帧作为备选帧；根据所述备选帧，获取目标视频的停滞时段。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述备选帧的信息量评估值与预设的信息量评估阈值进行对比，若当前备选帧的信息量评估值小于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值大于或等于所述信息量评估阈值，将当前备选帧对应的时刻作为开始时刻；其中，若当前备选帧没有前一备选帧，判定当前备选帧的前一备选帧的信息量评估值大于所述信息量评估阈值；若当前备选帧的信息量评估值大于或等于所述信息量评估阈值，且当前备选帧的前一备选帧的信息量评估值小于所述信息量评估阈值，将当前备选帧对应的时刻作为结束时刻；获取每个开始时刻与对应的结束时刻之间的图像帧，作为备选停滞时段；根据预设的停滞时长阈值，从所述备选停滞时段中获取目标视频的停滞时段。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取各备选停滞时段的时长；判断各备选停滞时段的时长是否超过预设的停滞时长阈值；将时长超过预设的停滞时长阈值的备选停滞时段作为目标视频的停滞时段。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预设的第二时间间隔，将所述停滞时段分成不少于一组关键视频片段；分别从各关键视频片段中提取信息量评估值最小的图像帧作为目标视频的关键帧。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。