1.一种视频关键帧提取方法，其特征在于，包括以下步骤：

1)、获取待处理原视频数据，对所述待处理原视频数据提取原视频帧序列；

2)、使用视频序列背景减除算法ViBe算法融合帧间差分法对所获取的原视频序列进行运动目标检测，得到含有运动目标的关键视频序列；

3)、对步骤2)所述的关键视频序列利用全局特征峰值信噪比进行关键帧粗提取，获取候选关键帧序列；

4)、对步骤3)所述候选关键帧序列建立视频帧综合相似度，利用视频帧综合相似度对所述候选关键帧序列进行自适应关键帧提取，获取目标关键帧序列；

所述步骤4)对候选关键帧序列建立视频帧综合相似度，利用其对所述候选关键帧序列进行自适应关键帧提取，获取目标关键帧序列，包括步骤：对候选关键帧序列使用峰值信噪比建立相邻视频帧的全局相似度；

对候选关键帧序列使用SURF特征点建立相邻视频的局部相似度；

对全局相似度与局部相似度进行加权融合得到相邻视频帧的综合相似度；

对候选关键帧序列利用综合相似度计算划分关键帧与冗余帧的自适应阈值；

对候选关键帧序列的相邻视频帧综合相似度，判断与自适应阈值的大小，若小于自适应阈值则加入所述关键帧序列，否则舍去，依次循环得到所述目标关键帧序列。

2.根据权利要求1所述的视频关键帧提取方法，其特征在于，所述步骤2)对待处理视频数据进行运动目标检测，得到含有运动目标的关键视频序列，包括步骤：对所述视频帧序列中当前两两相邻的视频帧，分别用ViBe算法和帧差法进行处理，并将两种方法处理后的结果进行与运算，作为当前帧运动目标检测结果；

对当前帧运动目标检测结果，判断与设定阈值的大小，若大于设定阈值则将当前帧存入所述关键视频序列，否则舍去当前帧，依次循环，得到含有所述运动目标的关键视频序列。

3.根据权利要求2所述的视频关键帧提取方法，其特征在于，所述步骤3)对关键视频序列利用全局特征峰值信噪比进行关键帧粗提取，得到候选关键帧序列，包括步骤：

从首帧开始，对所述关键视频序列将当前帧依次与后续帧计算其峰值信噪比值；

对所述峰值信噪比值与设定阈值进行比较，直到峰值信噪比值比设定阈值小，将当前的后续帧存入所述候选关键帧序列，当前帧与当前后续帧之间的所有视频帧全部舍去，依次循环，得到所述候选关键帧序列。

4.根据权利要求1所述的视频关键帧提取方法，其特征在于，所述相邻视频帧的全局相似度包括：

其中，ki,kj为所述候选关键帧序列中的相邻视频帧，P(ki,kj)表示两视频帧间的峰值信噪比，i，j均表示候选关键帧序列中的视频帧号，α表示全局相似度的归一化因子，这里设置为视频帧间峰值信噪比的最大值。

5.根据权利要求4所述的视频关键帧提取方法，其特征在于，所述建立视频帧的局部相似度，首先采用SURF特征点描述图像的局部特征，包括：计算积分图像；使用积分图像完成卷积运算度；

检测特征点；构建Hessian矩阵，然后构建尺度空间，确定特征点；

生成描述子；分配基准方向，生成描述子特征向量；

特征点匹配；通过两个特征点之间的欧氏距离以及Hessian矩阵的迹来确定匹配度。

6.根据权利要求5所述的视频关键帧提取方法，其特征在于，所述相邻视频的局部相似度包括：

其中，ki，kj为所述候选关键帧序列中的相邻视频帧，m和n分别为视频帧ki,kj的SURF特征点个数，l它们能够匹配的特征点个数。

7.根据权利要求6所述的视频关键帧提取方法，其特征在于，所述相邻视频帧的综合相似度包括：

S(ki,kj)＝(1-θ)Sg(ki,kj)+θSl(ki,kj)，i≠j其中，ki，kj为所述候选关键帧序列中的相邻视频帧，θ为权值，θ＝0.35。

8.根据权利要求7所述的视频关键帧提取方法，其特征在于，所述关键帧与冗余帧的自适应阈值包括：

其中，Slw、Sgw分别代表所述候选关键帧序列中任意相邻视频帧的局部相似度与全局相似度，M代表候选关键帧序列的总帧数。