vrgupВестник Ростовского государственного университета путей сообщенияVestnik Rostovskogo gosudarstvennogo universiteta putej soobŝeniâ0201-727XРостовский государственный университет путей сообщения10.46973/0201-727X_2026_2_233vrgup-348Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, АВТОМАТИКА И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGIES, AUTOMATION AND TELECOMMUNICATIONSРазработка метода прореживания видеопоследовательностей на основе оценки сходства черно-белых кадровDevelopment of a method for redundant frame removal in video sequences based on assessment of the black-and-white frames similarityКолоденковаА. Е.KolodenkovaA. E.

Колоденкова Анна Евгеньевна, кафедра «Информационные системы и технологии», доктор технических наук, доцент

Kolodenkova Anna Evgenievna, Chair “Information Systems and Technologies”, Doctor of Engineering Sciences, Associated Professor

anna82_42@mail.ruБочкаревМ. О.BochkarevM. O.

Бочкарев Михаил Олегович, кафедра «Информационные системы и технологии», ассистент

Bochkarev Mikhail Olegovich, Chair “Information Systems and Technologies”, Assistant

mixail19997@gmail.comСамарский национальный исследовательский университет им. акад. С. П. Королева (Самарский университет)РоссияSamara National Research University named after Academician S. P. Korolev (Samara University)Russian Federation20262907202602233–242Copyright © Колоденкова А.Е., Бочкарев М.О., 20262026Колоденкова А.Е., Бочкарев М.О.Kolodenkova A.E., Bochkarev M.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.rgups.ru/jour/article/view/348

В настоящее время прореживание видеопоследовательностей играет важную роль в различных приложениях предварительной обработки видеоизображений, связанных с классификацией видеоизображений, обнаружением различных изменений и распознаванием объектов (дефектов, неисправностей, действий людей и т. п.). В работе предложен метод прореживания видеопоследовательностей, основанный на оценивании сходства двух последовательных черно-белых кадров с применением знаковой корреляционной функции вида «знак-знак» и коэффициентов ассоциативности, проверке соответствия рассчитанных значений метрик предельным интервалам и принятии решений относительно удаления кадров. Рассмотрена обобщенная схема предложенного метода с подробным описанием этапов, описан алгоритм поиска сходства и различий между двумя последовательными черно-белыми кадрами видеопоследовательностей. Метод позволяет уменьшить размер видеопоследовательностей за счет удаления избыточных или повторяющихся кадров, тем самым сокращая объем хранимой информации и повышая эффективность обнаружения ключевых моментов на видеоизображениях, полученных в условиях неконтролируемой среды. Представлены результаты исследований, которые показали, что предложенный метод позволяет сократить избыточность кадров в два раза без потери важной информации и качества видеопоследовательностей.

Video sequences redundant frame removal currently plays an important role in various video preprocessing applications related to video classification, change detection, and object recognition (e.g., defects, faults, human actions, etc.). This paper proposes a video sequence subsampling method based on estimating the similarity of two consecutive black-and white frames using a "sign-sign" correlation function and associativity coefficients, verifying the compliance of the calculated metric values with threshold intervals, and making decisions regarding frame removal. A generalized scheme of the proposed method is considered with a detailed description of the stages, and an algorithm for finding similarities and differences between two consecutive black-and-white frames of video sequences is described. This method reduces the size of video sequences by removing redundant or repeated frames, thereby reducing the amount of stored information and increasing the efficiency of detecting key moments in video images obtained in uncontrolled environments. Research results are presented, demonstrating that the proposed method can halve frame redundancy without losing important information or improving the quality of video sequences.

прореживание кадровсходство кадроввидеопоследовательностьзнаковая корреляционная функция вида «знак-знак»коэффициенты ассоциативностиframe subsamplingframe similarityvideo sequencesign-sign correlation functionassociativity coefficientsReferencesQuality-guided key frames selection from video stream based on object detection / Chen Mingju, Xiaofeng Han, Hua Zhang [et al.] // Journal of Visual Communication and Image Representation. – 2019. – Vol. 65 (24). – Article no. 102678. – DOI 10.1016/j.jvcir.2019.102678.Quality-guided key frames selection from video stream based on object detection / Chen Mingju, Xiaofeng Han, Hua Zhang [et al.] // Journal of Visual Communication and Image Representation. – 2019. – Vol. 65 (24). – Article no. 102678. – DOI 10.1016/j.jvcir.2019.102678.Best frame selection to enhance training step efficiency in video-based human action recognition / A. A. Gharabagh, V. Hajihashemi, M. C. Ferreira [et al.] // Applied Sciences. – 2022. – Vol. 12 (4). – Article No. 1830. – DOI 10.3390/app12041830.Best frame selection to enhance training step efficiency in video-based human action recognition / A. A. Gharabagh, V. Hajihashemi, M. C. Ferreira [et al.] // Applied Sciences. – 2022. – Vol. 12 (4). – Article No. 1830. – DOI 10.3390/app12041830.Too many frames, not all useful: efficient strategies for long-form video QA / J. Park, K. Ranasinghe, K. Kahatapitiya [et al.] // Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics. – 2024. – P. 3569–3588. – DOI 10.48550/arXiv.2406.09396.Too many frames, not all useful: efficient strategies for long-form video QA / J. Park, K. Ranasinghe, K. Kahatapitiya [et al.] // Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics. – 2024. – P. 3569–3588. – DOI 10.48550/arXiv.2406.09396.Yoon, J. Exploring video frame redundancies for efficient data sampling and annotation in instance segmentation / J. Yoon, M.-K. Choi // IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). – 2023. – P. 3308–3317. – DOI 10.1109/CVPRW59228.2023.00333.Yoon, J. Exploring video frame redundancies for efficient data sampling and annotation in instance segmentation / J. Yoon, M.-K. Choi // IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). – 2023. – P. 3308–3317. – DOI 10.1109/CVPRW59228.2023.00333.Kızıltepe, R. S. A novel keyframe extraction method for video classification using deep neural networks / R. S. Kızıltepe, J. Q. Gan, J. J. Escobar // Neural Computing and Applications. – 2023. – Vol. 35. – P. 24513–24524. – DOI 10.1007/s00521-021-06322-x.Kızıltepe, R. S. A novel keyframe extraction method for video classification using deep neural networks / R. S. Kızıltepe, J. Q. Gan, J. J. Escobar // Neural Computing and Applications. – 2023. – Vol. 35. – P. 24513–24524. – DOI 10.1007/s00521-021-06322-x.Similarity score of two images using different measures / V. Appana, T. M. Guttikonda, D. Shree [et al.] // 6th International Conference on Inventive Computation Technologies (ICICT). – 2021. – P. 741–746. – DOI 10.1109/ICICT50816.2021.9358789.Similarity score of two images using different measures / V. Appana, T. M. Guttikonda, D. Shree [et al.] // 6th International Conference on Inventive Computation Technologies (ICICT). – 2021. – P. 741–746. – DOI 10.1109/ICICT50816.2021.9358789.Video key frame extraction based on scale and direction analysis / Y. Dong, Y. Zhang, J. Zhang, X. Zhang // The Journal of Engineering. – 2022. – P. 910–918. – DOI 10.1049/tje2.12173.Video key frame extraction based on scale and direction analysis / Y. Dong, Y. Zhang, J. Zhang, X. Zhang // The Journal of Engineering. – 2022. – P. 910–918. – DOI 10.1049/tje2.12173.Усатов, А. А. Оценка сходства между наборами данных с помощью векторных представлений / А. А. Усатов, А. М. Недзьведь, Го Цзижань // Доклады БГУИР. – 2025. – Т. 23, № 3. – С. 70–76. – DOI 10.35596/1729-7648-2025-23-3-70-76.Usatov, A. A. Assessing similarity between data sets using vector representations / A. A. Usatov, A. M. Nedzved, Guo Jizhan // BSUIR Proceedings. – 2025. – Vol. 23, No. 3. – P. 70–76. – DOI 10.35596/1729-7648-2025-23-3-70-76.Narasimharao, J. Digital image processing / J. Narasimharao. – AGPH Books (Academic Guru Publishing House), 2023. – 201 p. – ISBN 978-93-95468-31-2.Narasimharao, J. Digital image processing / J. Narasimharao. – AGPH Books (Academic Guru Publishing House), 2023. – 201 p. – ISBN 978-93-95468-31-2.Пугачев, В. С. Основы статистической теории автоматических систем / В. С. Пугачев, И. Е. Казаков, Л. Г. Евланов. – Москва : Машиностроение, 1974. – 400 с.Pugachev, V. S. Fundamentals of the statistical theory of automatic systems / V. S. Pugachev, I. E. Kazakov, L. G. Evlanov. – Moscow : Mashinostroenie, 1974. – 400 p.Оптимизация структур распределенных баз данных в АСУ / А. Г. Мамиконов, В. В. Кульба, С. А. Косяченков, И. А. Ужастов. – Москва : Наука, 1990. – 240 с. – ISBN 5-02-014389-8.Optimization of distributed database structures in automated control systems / A. G. Mamikonov, V. V. Kulba, S. A. Kosyachenkov, I. A. Uzhastov. – Moscow : Nauka, 1990. – 240 p. – ISBN 5-02-014389-8.

The authors declare that there are no conflicts of interest present.