1.基于机器学习的室内监控视频关键帧实时提取方法，其特征在于，包括：S1、采用机器学习中聚类算法K-means++对不同情况下的监控环境进行分类，并确定亮度值不同的各环境下的预警阈值，以及亮度值和预警阈值的对应关系；

S2、获取当前室内监控视频流，并从当前室内监控视频流获取帧图像；

S3、对步骤S2中得到的帧图像进行预处理，以进行灰度化处理，得到灰度化帧图像；

S4、对步骤S3中得到的每一张灰度化帧图像进行特征提取得到亮度值，根据特征提取得到的亮度值和所述对应关系，确定每张灰度化帧图像对应的预警阈值；

S5、从第2帧开始，计算当前灰度化桢图像的哈希指纹与前一桢灰度化帧图像的哈希指纹的汉明距离，以得到特征差T1；将当前灰度化帧图像与前一桢灰度化帧图像进行直方图相交匹配以得到相似性S1；

S6、判断并标注关键帧，进行关键帧提取：将T1和S1分别与步骤S4得到的预警阈值T、S对应的进行比对，若同时满足T1大于T、S1小于S，则将该帧图像标注为关键帧并提取，以此判断标准逐步完成对后面所有关键帧的提取。

2.根据权利要求1所述的基于机器学习的室内监控视频关键帧实时提取方法，其特征在于，步骤S2中获取帧图像的方法是从视频流中每秒提取1张帧图像。

3.根据权利要求1所述的基于机器学习的室内监控视频关键帧实时提取方法，其特征在于，步骤S4中从每一张灰度化帧图像提取的特征包括亮度值、哈希指纹、直方图。

4.根据权利要求1所述的基于机器学习的室内监控视频关键帧实时提取方法，其特征在于，步骤S5中得到的特征差和相似性的数值数量比灰度化帧图像数量少1。