随着数字多媒体、视频监控技术的快速发展,监控摄像头几乎无处不在。伴随着的是海量监控视频的爆炸式增长,这些数据的读取与存储带来了非常大的困难。如何有效的利用这些视频数据,对视频内容进行简易的描述已成为监控视频研究的热点之一。视频关键帧提取技术是对原始视频内容的一个高度浓缩,抽取小部分的视频帧来表示原始视频的内容。这为高效的信息浏览、存储空间的减少及海量视频信息的检索提供了有力的解决方法,已然成为当前数字视频技术的一个热点和难点。监控视频一般是由固定摄像头的监控设备采集的,这些视频数据往往没有镜头的切换,无显著的结构特征且含有大量的冗余信息。若直接将现有的比较有效的关键帧提取技术应用于监控视频,它们选择的关键帧冗余度会很高,甚至会遗漏部分重要内容,使选择出的关键帧结果不够精准,因此监控视频下关键帧提取技术的研究仍是关键帧提取技术领域中一项很有挑战意义的课题。本文针对监控视频独有的特点,着重研究监控视频下的关键帧提取技术,主要研究内容如下:(1)提出一种基于时空图表示和视觉注意的关键帧提取方法。和传统基于简单底层特征的关键帧提取方法相比,本文采用底层特征和高层特征相融合的方式用来表示视频中的目标特征。首先构建以视频中的目标为结点、目标间的特征距离为边权值的时空图。然后基于此图和定义的帧间相似性衡量函数得到视频帧间的距离,用来描述视频帧间的关系。再运用规范化图割算法将原始视频划分成若干个视觉一致性的子视频段,其子视频段具有较高的段内相似性、较低的段间相似性的特点。最后结合人眼视觉注意机制定义了一个融合三方面约束(内容完整性、目标分布紧凑性、目标分布均匀性)的显著关键帧选择函数,能够从原始视频序列中选择出更具有代表性、符合人眼视觉关注的视频帧作为关键帧。(2)提出一种基于时空图学习的关键帧提取方法。方法考虑到欧式距离公式计算特征距离时会引入误差和受原始数据中噪声的影响而不能真实的表达目标间的关系。本文提出通过优化更新求解的方式来自适应学习得到的目标间的亲和性关系(亲和性数值反应目标间的特征距离的大小,亲和性数值越小表示目标间的特征距离越大,反之目标间特征距离越小意味着亲和性数值越大)。此方法得到的目标间的关系比直接在原始目标特征上用欧式距离计算两目标的相关性效果好。然后根据学到的亲和矩阵描述视频帧间的关系,进而划分视觉一致性视频段并进行关键帧的提取。大量的实验结果表明此方法能有效的抑制噪声及特征冗余的影响,相比于其它对比方法取得了较理想的结果,验证了本文提出的方法的有效性。