基于关键帧提取技术的花开过程视频监测系统开发及试验.pdf

第 30 卷 第 1 期 农 业 工 程 学 报 Vol.30 No.1 2014 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan.2014 121 基于关键帧提取技术的花开过程视频监测系统开发及试验 高 林，王 璐，闫 磊，张军国（北京林业大学工学院，北京 100083）摘 要：为克服传统花开过程监测中视频数据冗余、信息量大的缺点，该文设计了一种基于关键帧提取技术的花开过程视频监测系统。系统对花开过程原始图像采集后，采用基于光流法和熵统计算法实现对花开过程原始图像的关键帧提取，选择关键帧数模式或方向信息熵阈值模式，进行相关参数设置，最终合成出表征花开过程的关键帧视频。该文以百合花开放过程为例实现了基于关键帧提取技术的视频监测。试验结果证明，在该试验的条件下经关键帧提取合成的花开过程的视频数据量减少达 84.6%以上，播放时间减少为原始视频播放时间的 15.4%以下。视频保留了花开过程细节信息，整段视频播放自然流畅，可为从事植物、花卉研究的相关人员提供一个省时、方便的研究花开过程的监测平台。关键词：视频信号处理，光流，熵，视频监测，开花过程，关键帧 doi：10.3969/j.issn.1002-6819.2014.01.016 中图分类号：TP391；S68 文献标志码：A 文章编号：1002-6819(2014)-01-0121-08 高 林，王 璐，闫 磊，等.基于关键帧提取技术的花开过程视频监测系统开发及试验J.农业工程学报，2014，30(1)：121128.Gao Lin,Wang Lu,Yan Lei,et al.Development and experiment of blooming video monitoring system based on key frame extraction methodJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2014,30(1):121128.(in Chinese with English abstract)0 引 言 花卉是大自然馈赠给人类的重要礼物，花卉业已成为当今世界最具活力、久盛不衰的产业之一1。关于花卉的研究目前仍是一个富有挑战性的课题，国内外很多学者利用计算机视觉、图像处理及计算机仿真等技术来对植物、花卉进行研究。如毕昆等运用形态学运算和特征提取的方法，以提高小麦图像识别的精准性2；马雅昱等构建了机器视觉系统，实现对菊花生长过程进行无损监测，获取菊花生长信息3；徐焕良等设计了利用低功耗传输方法的花卉环境监测系统，以监测影响花卉生长的环境参数4；张铭利用计算机对 12 种花开放过程进行虚拟仿真5；淮永建等针对花卉图像和植物生态学，提出了一种花卉生长可视化仿真算法6；Costa C 等通过在温室内连续拍摄照片的方法，实现对植物生长过程的研究7；李长缨等应用计算机视觉技术对温室黄瓜、西红柿幼苗进行无损监测，实现对其生长的环境参数进行精确控制8。收稿日期：2013-07-03 修订日期：2013-11-28 基金项目：中央高校基本科研业务费专项资金资助项目（TD2013-3）；国家自然科学基金资助项目（31200480）作者简介：高林（1958），女，北京人，副教授，博士。主要研究方向：林业与园林机械自动化。北京 北京林业大学工学院，100083。Email： 在中外学者诸多的对花卉研究课题中，花开过程的研究尤为重要。花开过程可以反映出花卉生长环境的优劣及花卉组织器官纹理的遗传特征，也可让人们能真实地领略花开过程的惊艳、美丽。然而花卉的生长过程较为缓慢，花朵的绽开也有一过程。例如：百合花开放过 程一般需要约 4.5 d，单朵睡莲花期为 34 d。在睡莲开花期，依其种类不同，有的午间开放，夜间闭合；有的夜间开放，白天闭合；人眼不可能全程直接观测花朵开放、闭合的过程。利用计算机仿真、虚拟再现等技术虽然可以快速呈现花开过程，但难以复现花开过程的真实、生动效果。传统的计算机视频提取法是以固定频率进行视频帧提取的，往往造成在花开动态变化较快的时期提取视频帧数不够，重要信息缺失，导致花开视频跳跃；动态变化缓慢的时期提取帧数过多，导致最终视频数据冗余、无用信息量大，不利于数据存储与传输，也增加了视频播放时间。若对花开过程视频进行关键帧提取，获取有意义的关键帧，再对关键帧进行视频合成，就可以得到涵盖大量重要信息、流畅真实的花开过程视频。关于视频关键帧提取方法中外学者已经进行了很多研究9-10，但对花开过程视频关键帧提取方法的研究目前尚少。本文作者针对花卉生长过程的特点，特别对花开过程视频关键帧提取算法进行了研究，提出了一种基于光流与熵统计法的花卉生长视频关键帧提取算法11，农业工程学报 2014 年 122 在此基础上本文提出了一种基于关键帧提取技术的花开过程视频监测系统，以期为从事植物、花卉研究的相关人员提供参考。1 系统设计 基于关键帧提取技术的花开过程视频监测硬件系统由 PC 机（1 台）、处理器（Intel CPU T23001.66GHz）、内存（1.24 G 以上）组成。软件开发环境：操作系统 WinXP、Microsoft Visual Studio 2008 Professional、OpenCV2.012-13；该视频监测平台如图 1 所示。图 1 花开过程视频监测平台 Fig.1 Monitoring platform for blooming process 在对花开过程图像采集时，需将单株花卉放置在 1 个纸箱中，箱顶装有 1 支直流 LED 灯源，以保证植物正常生长的光照及拍摄过程亮度均匀、恒定；将 1 个摄像头安装在纸箱侧面，再用遮光布遮住整个纸箱，以防外界其他光线的干扰。在 PC 机控制下自动完成图像采集，经数据线传输，存储于计算机内。对采集到图像进行关键帧的提取、数据的分析及图像处理等均由软件监测平台实现。研究人员可通过软件监测平台实现对花开过程的观察和分析，也可观察到花开过程的关键帧视频，该视频能够呈现出花苞快速绽开的动态过程。1.1 系统总体构架 系统总体构架框图如图 2 所示，系统由 5 个功能模块组成：图像采集模块；核心算法模块；关键帧判决模块；数据存储、查看模块；视频合成预览模块。其中图像采集模块实现对花开过程视频的采集拍摄；核心算法模块是在 PC 机上基于光流法和熵统计算法对所采集到的视频进行关键帧提取；关键帧判决模块给出了 2 种不同的判决模式（关键帧数模式和方向信息熵阈值模式），以供使用者选择；数据存储、查看模块是将采集到的原始视频数据、提取出的关键帧数据及在核心算法模块计算中得到的各参数进行保存、查看及图形化分析；视频合成模块按照设定的帧率以及视频的宽、高，将提取出的关键帧合成为关键帧视频。1.2 各模块功能实现 1.2.1 图像采集模块 图像采集模块包括：遮光纸箱 1 个；HD-3000微软高清网络摄像头 1 个，其功能为：动态分辨率1 280720，400 万静态像素,自动对焦，真实 720 P视像，truecolor，视频特效；直流 30 W、LED 白光灯等。该模块用于对花开过程进行拍摄，考虑到不同花开放过程时间长短不一，如昙花开放的时间只有几个小时，而百合、月季等花的开放时间大约要有几天，若对所有花卉的开放过程全程图像采集将占用大量计算机存储空间，也会造成后期计算机处理的时间冗长。为此根据观察者对花开过程实时性要求不同，采用等时间间隙采集法，即设置时间间隙为 T，每隔 T 时间采集一帧图像的方法。若设置时间间隙为 0 即为全程图像采集，该时间间隙由人工根据不同花卉的绽放速度进行调节，由此采集到的图像作为花开过程的原始图像。本系统时间间隙可在 030 s 之间调节，如输入超出范围系统出现超范围提示。图 3 所示为图像采集模块的工作流程图。图 2 系统总体构架框图 Fig.2 System general block diagram 图 3 图像采集模块流程图 Fig.3 Flow chart of image acquisition 需要说明的是利用等时间间隙采集法时，为呈现花朵开放的真实过程，等时间间隙不能选择太大，这样得到的花开过程的原始图像仍包含大量数第 1 期 高 林等：基于关键帧提取技术的花开过程视频监测系统开发及试验 123 据冗余信息，视频播放时间仍然很长，需要进一步进行关键帧提取。1.2.2 核心算法模块 核心算法模块是在计算机上对采集到的花开过程的原始图像应用关键帧提取算法，实现关键帧提取。关键帧是指具有代表意义的重要图像帧，通过关键帧可以反映出一个镜头中的主要内容，其可提供更有效的视频流的索引14。目前在计算机视频处理中已提出了一些关键帧提取算法，如：基于内容分析算法、基于镜头的算法、基于聚集机理的算法、帧间差分算法、光流算法等15-19。在花卉生长视频中每一个镜头中背景基本不变，颜色信息分布在视频帧中变化不大，而花卉生长过程各部分相对运动较为明显20-21。针对这些特点本文作者研究了基于光流法和熵统计法的花开过程关键帧提取算法11,22-23。试验表明该方法可提取到花开过程动态敏感细节，将提取的关键帧合成为视频，能够保留花卉生长细节信息，且视频自然流畅，符合花开过程特点11。核心算法模块是以基于光流法和熵统计算法作为基本算法来实现关键帧提取的。通过光流法可判断出所采集到的花开过程中每一帧图像中各像素点在时域中速度的大小及方向24-25。花朵绽开时剧烈运动的花瓣是向各个方向伸展的，根据光流法可知，对于具有较小的花瓣运动图像帧各像素点其速度方向信息单一，基本集中在 0 或 180附近；具有较大花瓣运动的图像帧，含有丰富的速度方向信息，各像素点运动可分布在0360各个方向。结合熵统计方法26，若将 0360分成n等份，这里定义 O 为方向信息集合，xi表示花瓣运动方向在360(1)in到360in间像素点的个数，则 O=x1，x2，xn （1）如果用p(xi)表示i方向像素点个数的概率，可将各个运动方向信息熵累加即可得到该帧图像的方向信息熵，定义为11,27 2()()log()iiiixOH xp xp x=（2）如果采集的花开过程的原始图像用 F 表示，图像帧数为N，用fi表示第i帧图像i(1，N)，则：F=f1，f2，fN 关于基于光流法和熵统计法提取关键帧算法，首先是采用光流法得到视频帧之间运动部分的方向和速度信息，再应用熵统计法对方向信息熵进行统计，方向信息熵的大小是判断图像帧是否为关键帧的依据，确定方向信息熵较大的帧为关键帧26。该算法的思路 1）获取花开过程的原始图像帧集合 F=f1，f2，fN；2）对原始图像每一帧应用光流法进行计算，得到某一帧与其前一帧的方向信息集合，由式（1）可知第m帧为fm，其方向信息集合为：Om=x1，x2，xn；3）对获取花开过程的原始图像帧集合 F=f1，f2，fN，利用熵统计的方法，根据式（2）进行计算，得到方向信息熵向量 D=H2，H3，HN；4）对 D=H2，H3，HN向量应用冒泡法按降序排列，将其中各下标存入数组U中，U中存有N-1个降序排列后的下标值，用这些下标值作为判断各帧关键性程度的索引；5）提取数组U中前M个数值对应的图像帧作为最终提取的关键帧，并将其合成为关键帧视频存储于计算机中，可供研究人员随时观看花开过程。1.2.3 关键帧判决模块 在关键帧判决模块中实现对关键帧判决模式的选择，系统设计了2种关键帧判别模式：关键帧数模式及方向信息熵阈值模式。2种判别模式均采用基于光流法和熵统计算法进行关键帧提取，2种模式区别是：关键帧数模式是在对原始图像进行实时采集完后，再对采集的几千帧甚至几万帧图像进行关键帧提取，然后将其合成为关键帧视频。关键帧数模式要对希望提取的关键数进行设置，关键数设置的多少取决于合成后的关键帧视频播放的时间长短及视频的流畅程度。该模式的特点是能够保留原始图像及中间处理过程的数据信息，但关键帧提取处理的时间较长。例如6 000帧视频需要大约60 min才能处理完毕，若原始视频帧数越多，处理的时间就会越长；方向信息熵阈值模式是一种相对快捷的关键帧判别模式，该模式特点在于：在进行花开原始视频的采集过程中就完成了关键帧的提取，视频的采集与关键帧的提取是并行进行的，节省了关键帧数模式中，在视频的采集完后关键帧提取的处理时间。该模式图像采集完毕后很快即可合成出关键帧视频，但一些原始图像帧及中间处理的数据信息可能会丢失。使用者可根据对处理时间及存储数据的要求选择使用哪种判决模式。在方向信息熵阈值模式中需要引入一个参数即方向信息熵阈值HT，以实现对所需要的方向信息熵进行比较，方向信息熵阈值模式工作流程如图4所示。为减少计算机硬盘空间及冗长的数据处理时间，对花开过程的原始图像采用等时间间隙采集法，这里时间间隙用T表示，设需要采集的帧数用农业工程学报 2014 年 124 m表示，具体工作流程描述如下：1）采集第1帧f1及第2帧f2图像；2）计算f1与f2之间的方向信息熵H2；3）将H2与HT比较，若大于阈值则f2即为关键帧，将其保存；若小于等于阈值则f2即为普通帧，将其删除；4）等待T秒，采集下一帧f3图像，重复2）、3）步骤；5）全部采集过程结束后，将保存下来的关键帧合成关键帧视频。注：fm-1为第 m-1 帧，fm为第 m 帧，Hm为第 m-1 与第 m 之间的方向信息熵，HT为方向信息熵阈值。Note:fm-1 is the No.m-1 frame,fm is the No.m frame,Hm is orientation information entropy between No.m-1 and No.m,HT is orientation information entropy threshold.图 4 方向信息熵阈值模式工作流程图 Fig.4 Flow chart of mode for threshold orientation information entropy 1.2.4 数据存储、查看及视频合成预览模块 该模块主要对采集到的花开过程的视频数据、当前拍摄过程的图像序号、各帧的运动方向信息熵数据等保存至磁盘，作为后续深入分析的备用数据。用户可以利用存储的数据进行2次开发，并将保存的历史数据以表格或图形显示出来，供试验人员随时查看。视频合成预览模块将前述基于光流法和熵统计算法提取出的花开过程关键帧，按照设定的帧率、视频的宽、高合成为关键帧视频，供研究人员随时观看。2 试 验 为检验系统的可行性及花开过程关键帧合成后的视频效果，选择3朵不同的百合花苞，在不同时间，以不同拍摄长度进行了3次视频采集试验。将试验百合花苞放置在系统纸箱中，打开直流LED灯，检查系统运行正常，拍摄时间间隙选择T=10 s；若选择关键帧数模式，可选关键帧数为1 000帧，确定图片存储方式进行拍摄。（这里需要说明的是，T的选择与使用者所选择的花卉的种类、花开时间快慢、使用的计算机存储容量有关。T越小，采集数据量越大，占存储空间越多；关键帧数的选择与需要合成后的视频逼真程度、播放时间等因素有关。关键帧数选择越多，合成后的视频就越接近真实花开情况，但会造成播放时间过长、数据量也增大。考虑到观看百合花开放时的视觉效果及时间，经验可知，时长为3040 s的视频已足以能够展现花朵开放过程。本试验选用的3朵不同的百合花苞实际开放时间大约是12 d，若希望合成后的关键帧视频在40 s左右播完，即观看百合花开放全过程仅需40 s左右时间，按视频播放时间为25帧/s计算，需要选关键帧数为1 000帧。再考虑到本试验用计算机存储容量，所以选择T=10 s。）具体试验时间、采集帧数见表1所示。表 1 3 次试验情况 Table 1 Situation of three experiments 拍摄时间 Shooting time 开始 Begin 结束 End 采集帧数 Capture frames试验 1 Experiment 1 2013-01-25 16:22:38 2013-01-26 10:40:36 6512 试验 2 Experiment 2 2013-02-01 21:52:06 2013-02-03 19:27:14 16246 试验 3 Experiment 3 2013-02-03 20:11:07 2013-02-04 21:26:35 9005 3 结果与分析 3.1 关键帧数模式 系统对3次试验拍摄视频的数据进行基于光流法和熵统计算法的关键帧提取。在关键帧数模式，3个试验均提取出关键帧数均为1 000帧，播放时间均为40 s左右，与采集的原始视频帧数相比，数据量明显减少：试验1减少了5 512帧，减少播放时间220.48 s；试验2减少了15 246帧，减少播放时间609.84 s；试验3减少了8 005帧，减少播放时间320.2 s。3个试验减少数据量84.6%以上，播放时间仅为原始视频播放时间的15.4%以下。观看其合成视频效果：整段视频播放流畅、自然、保留了百合花绽开过程细节信息。3.2 方向信息熵阈值模式 若选用方向信息熵阈值模式，利用系统分析功能，对保存到本地磁盘的方向信息熵值进行统计分析，选0.2为间隔，从0到2共分为10档，3个试验的方向信息熵统计见图5所示。由图5可见，方向信息熵数值分布普遍存在如下特点：方向信息熵占比例最大的数值是在00.2之间，说明在百合花绽开过程中大多数图像帧中花瓣运动是微弱的或无运动的；方向信息熵数值在0.60.8有一定数量的分布，说明在百合花绽开过程中该部分图像帧中花瓣运动相对较大；信息熵数值在0.20.4几乎没有。通过试验可知，系统在拍摄时间间隙T为第 1 期 高 林等：基于关键帧提取技术的花开过程视频监测系统开发及试验 125 10 s时，对百合花绽放过程中方向信息熵阈值选在0.40.6时，即可将百合花开放时运动较大图像帧与微弱运动或无运动的图像帧区分开。a.试验 1 a.Experiment 1 b.试验 2 b.Experiment 2 c.试验 3 c.Experiment 3 图 5 方向信息熵统计结果 Fig.5 Statistical results of information entropy 根据图5中系统计算提供的数据，如果选择百合花绽开过程的方向信息熵阈值为0.6，则试验1可提取出关键帧数为508帧；试验2可提取出关键帧数为1122帧；试验3可提取出关键帧数为1124帧；利用该3次试验提取的关键帧合成视频，试验1播放时间为20.32 s；试验2播放时间为44.88 s；试验3播放时间为44.96 s；各试验播放时间基本满足视频长度的要求（试验前设定的40 s左右时间播放结束）。若选择方向信息熵阈值为0.4，3个试验中仅是关键帧数和播放时间略有增加。关键帧数最大增加不超过20帧，播放时间最大增加不超过1 s，分别对3个试验方向信息熵阈值为0.4和0.6时的关键帧合成视频，观看其效果：整段视频播放同样流畅、自然、保留了百合花绽开过程细节信息。且两种情况下视频数据量明显减少，播放时间均大大缩短。但阈值为0.6时更节省数据空间及播放时间，故选择0.6效果更佳。在阈值为0.6时，3个试验减少数据量87.5%以上，播放时间仅为原始视频播放时间的12.5%以下。方向信息熵阈值模式，3次试验对比（阈值为0.6时）见表2所示。表 2 三次试验对比 Table 2 Comparison of three experiments 采集帧数Capture frames原始视频播放时间Original video playback time/s 关键帧数 Key frames 关键帧视频播放时间 Key frames video playback time/s 减少存储帧数 Reduced storage frames减少播放时间Reducedplayback time/s 试验 16512 260.6 508 20.32 6004 240.16试验 216246649.84 1122 44.88 15124 604.96试验 39005 360.2 1124 44.96 7881 315.24注：阈值=0.6。Note:Threshold=0.6.3.3 关键帧视频综合效果分析 由3次试验可见，无论是用关键帧数模式还是方向信息熵阈值模式，合成的花开过程关键帧视频均可减少大量的存储空间，也大大节省了视频播放时间。综合考虑，3个试验减少数据量84.6%以上，播放时间仅为原始视频播放时间的15.4%以下。根据试验中所设参数，观看2种模式合成视频播放效果，肉眼观看没有明显差异。试验结果可见，关键帧数模式可以通过设置关键帧数来决定合成视频的播放时间；而方向信息熵阈值模式选则不同的方向信息熵阈值，提取的关键帧数将不同，播放时间也不同。3 次试验中部分关键帧图片见图6所示。a.试验 1 a.Experiment 1 b.试验 2 b.Experiment 2 农业工程学报 2014 年 126 c.试验 3 c.Experiment 3 图 6 试验中部分关键帧视频图片 Fig.6 Photos of certain key frames in experiments 4 结 论 本文以百合花开放过程为例实现了基于关键帧提取技术视频监测，试验结果表明：1）系统在拍摄时间间隙T为10 s、希望合成后的关键帧视频在40 s左右播完的试验条件下，参数选择为：在百合花绽开过程视频方向信息熵阈值模式中，方向信息熵阈值选择为0.6；百合花绽开过程视频关键帧数模式中，关键帧数选择为1 000；经关键帧提取合成的花卉生长过程的视频具有相似的播放效果，减少数据量达84.6%以上，保留了花开过程细节信息，整段视频播放流畅、自然，播放时间减少为原始视频播放时间的15.4%以下。2）时间间隙T、方向信息熵阈值、关键帧数等系统参数的选择，与花卉的种类、使用的计算机存储容量、需要合成后的视频逼真程度、播放时间等因素有关。使用者可根据需要，经多次试验确定其相对最佳值。参 考 文 献 1 陈雅君，毕晓颖.花卉学M.北京：气象出版社，2010.2 毕昆，姜盼，李磊，等.基于形态学图像处理的麦穗形态特征无损测量J.农业工程学报，2010，26(12)：212216.Bi Kun,Jiang Pan,Li Lei,et al.Non-destructive measurement of wheat spike characteristics based on morphological image processingJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2010,26(12):212216.(in Chinese with English abstract)3 马稚昱，清水浩，辜松.基于机器视觉的菊花生长自动无损监测技术J.农业工程学报，2010，26(9)：203209.Ma Zhiyu,Hiroshi Shimizu,Gu Song.Non-destructive measurement system for plant growth information based on machine visionJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2010,26(9):203209.(in Chinese with English abstract)4 徐焕良，张灏，沈毅，等.基于低功耗传输方法的设施花卉环境监测系统J.农业工程学报，2013，29(4)：237244.Xu Huanliang,Zhang Hao,Shen Yi,et al.Environment monitoring system for flowers in greenhouse using low-power transmissionJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2013,29(4):237244.(in Chinese with English abstract)5 张铭.三维花开过程动态模拟技术研究与实现J.安徽农业科学，2013，41(3)：13511353.Zhang Ming.Research and implementation of dynamic simulation technology in 3-Dimensional blooming processJ.Journal of Anhui Agricultural Sciences,2013,41(3):13511353.(in Chinese with English abstract)6 淮永建，曾茜.花卉植物形态与生长可视化仿真研究J.计算机工程与应用，2012，48(8)：185189.Huai Yongjian,Zeng Xi.Visual simulation of morphology and growth of virtual flower plantsJ.Computer Engineering and Applications,2012,48(8):185189.(in Chinese with English abstract)7 Costa C,Antonucci F,Pallottino F,et al.Shape analysis of agricultural products:A review of recent research advances and potential application to computer visionJ.Food and Bioprocess Technology,2011,4(5):673692.8 李长缨，滕光辉，赵春江，等.利用计算机视觉技术实现对温室植物生长的无损监测J.农业工程学报，2003，19(3)：140143.Li Changying,Teng Guanghui,Zhao Chunjiang,et al.Development of non-contact measurement on plant growth in greenhouse using computer visionJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2003,19(3):140143.(in Chinese with English abstract)9 顾家玉，覃团发，陈慧婷.一种基于 MPEG-7 颜色特征和块运动信息的关键帧提取方法J.广西大学学报：自然科学版，2010，35(2)：310314.Gu Jiayu,Qin Tuanfa,Chen Huiting.A video key-frame retrieval method based on color features and block-moving information for MPEG-7J.Journal of Guangxi University:Natural Science Edition,2010,35(2):310314.(in Chinese with English abstract)10 Naveed Ejaz,Tayyab Bin Tariq,Sung Wook Baik.Adaptive key frame extraction for video summarization using an aggregation mechanismJ.Journal of Visual Communication and Image Representation,2012,23(7):10311040.11 王璐，高林，闫磊，等.基于光流与熵统计法的花卉生长视频关键帧提取算法J.农业工程学报，2012，28(17)：125130.Wang Lu,Gao Lin,Yan Lei,et al.Key-frame retrieval 第 1 期 高 林等：基于关键帧提取技术的花开过程视频监测系统开发及试验 127 method based on optical flow and entropy statistic for blooming videoJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2012,28(17):125 130.(in Chinese with English abstract)12 贾小军，喻擎苍.基于开源计算机视觉库 OpenCV 的图像处理J.计算机应用与软件，2008，25(4)：276278.Jia Xiaojun,Yu Qingcang.The image processing based on open sources computer vision libraryJ.Computer Applications and Software,2008,25(4):276278.(in Chinese with English abstract)13 谭歆，武岳.基于 OpenCV 的运动目标检测方法研究与应用J.电视技术，2010，34(增刊 1)：184187，193.Tan Xin,Wu Yue.Research and application of moving target detecting method based on openCVJ.Video Engineering,2010,34(Supp.1):184 187,193.(in Chinese with English abstract)14 陈青华，程恭，谢晓方，等.一种改进的自适应关键帧提取方法J.兵工自动化，2011，30(9)：9092，96.Chen Qinghua,Cheng Gong,Xie Xiaofang,et al.An improved algorithm of adaptive key frame extractionJ.Ordnance Industry Automation,2011,30(9):9092,96.(in Chinese with English abstract)15 季春.基于内容的视频检索中的关键帧提取技术J.情报杂志，2006，25(11)：116120.Ji Chun.Key-frame extraction methods in content based on video retrievalJ.Journal of Information,2006,25(11):116120.(in Chinese with English abstract)16 Wu Zhonglan,Xu Pin.Research on the Technology of Video Key Frame Extraction based on ClusteringC/2012 Fourth International Conference on Multimedia Information Networking and Security,Nanjing,China,IEEE computer society,2012:290293.17 罗森林，马舒洁，梁静，等.基于子镜头聚类方法的关键帧提取技术J.北京理工大学学报，2011，31(3)：348352.Luo Senlin,Ma Sujie,Liang Jing,et al.Method of key frame extraction based on sulr-shot clusteringJ.Journal of Beijing Institute of Technology,2011,31(3):348352.(in Chinese with English abstract)18 陆伟艳，夏定元，刘毅.基于内容的视频检索的关键帧提取J.微计算机信息，2007，23(11)：298300.Lu Weiyan,Xia Dingyuan,Liu Yi.An approach of key frame extraction based on mutual informationJ.Microcomputer Information,2007,23(11):298300.(in Chinese with English abstract)19 张建明，李广翠，蒋兴杰.基于群体智能与 K-均值相结合的关键帧提取J.计算机应用研究，2011，28(1)：360362，394.Zhang Jianming,Li Guangcui,Jiang Xingjie.Key frame extraction based on swarm intelligence and K-meansJ.Application Research of Computers,2011,28(1):360362,394.(in Chinese with English abstract)20 李文斌，周晓敏，王长松.一种基于背景减法的运动目标检测算法J.北京科技大学学报，2008，30(2)：212216.Li Wenbin,Zhou Xiaomin,Wang Changsong.Detection algorithm of moving objects based on background subtraction methodJ.Journal of University of Science and Technology Beijing,2008,30(2):212216.(in Chinese with English abstract)21 朱云芳，王贻术，杜歆.静态环境中基于光流的障碍物检测J.浙江大学学报：工学版，2008，42(6)：923926.Zhu Yunfang,Wang Yishu,Du Xin.Optical flow based obstacle detection in static environmentJ.Journal of Zhejiang University:Engineering Science,2008,42(6):923926.(in Chinese with English abstract)22 黄士科，陶琳，张天序.一种改进的基于光流的运动目标检测方法J.华中科技大学学报：自然科学版，2005，33(5)：3941.Huang Shike,Tao Lin,Zhang Tianxu.An improved algorithm of moving object detection based on optical flowJ.Journal of Huazhong University of Science and Technology:Nature Science Edition,2005,33(5):3941.(in Chinese with English abstract)23 宁慧英.一种改进的运动目标检测方法J.火力与指挥控制，