随着多媒体技术的快速发展和监控设备成本的减少,道路监控视频广泛应用于道路安全管理。视频关键帧提取技术是从海量视频中快速检索的有效方法。针对道路车辆监控视频,目前常用的视频关键帧提取方法适用性不强,且对视觉显著性的利用不充分。本文针对道路车辆监控视频,充分利用视觉显著性,提取能代表原视频内容的关键帧,主要工作内容包括以下两个方面:(1)针对道路监控视频中的目标车辆,提出了基于多种静态特征融合的关键帧提取方法。具体内容如下:第一,在车辆跟踪和目标提取的基础上,综合了目标车辆的底层特征显著图以及目标车辆的车牌显著图,多种静态特征的融合较好地表达了车辆信息;第二,本文根据该运动车辆车牌显著度越小给底层特征越大惩罚的原则,对底层特征进行优化,因此提取的目标车辆关键帧在车牌识别方面能够提供较有效的样本。实验结果表明,提取出的关键帧是目标车辆在监控区域的序列图像帧中车辆信息较丰富的图像,能够实现道路监控视频中车辆数据的有效压缩。(2)针对道路监控视频中车辆的交通异常行为,基于车辆的跟踪和遮挡分析,提出了一种融合动态与静态显著性的关键帧提取方法的流程。具体工作如下:首先以帧运动量对道路监控视频进行分段;其次基于运动车辆的运动变化和遮挡情况,提取运动车辆的运动方向、运动强度和完整显著度;然后采用固定系数加权融合的方法得到帧图像的视觉显著度。最后提取分段视频中视觉显著度最大的帧作为当前关键帧。将大于分段视频平均视觉显著度的帧,按视觉显著度大小降序排列作为候选帧,将候选帧与当前关键帧集合中相关系数的最大绝对值和阈值进行关键帧判别,若候选帧判断为关键帧,则加入当前关键帧集合。实验证明,本文算法提取的关键帧不仅是具有代表性的异常行为帧、冗余度低,且运动车辆较完整,能较好地保留了运动车辆的固有信息。