1.一种基于频域特征的视频关键帧提取方法，其特征在于包括如下步骤：对视频帧序列进行二维傅里叶变换，获得每个视频帧的频谱和相位谱；

分别计算当前帧与前一帧频谱的均方误差和相位谱的均方误差；

根据频谱和相位谱的重要性，分别对两者的均方误差扩大不同的倍数，再将处理后的均方误差值相加得到该帧的均方误差，形成均方误差曲线；

检测均方误差曲线峰值点，提取峰值突变处的视频帧并通过关键帧优化准则对提取的视频帧进一步优化，确定最终关键帧。

2.如权利要求1所述的基于频域特征的视频关键帧提取方法，其特征在于包括如下步骤：

对监控视频序列进行灰度化处理；

对灰度化处理后的视频帧序列进行二维傅里叶变换，获得每个视频帧的频谱和相位谱；

根据获得的每个视频帧的频谱和相位谱，分别计算相邻帧频谱的均方误差MSE1和相邻帧相位谱的均方误差MSE2；

分别对获得的MSE1和MSE2进行加权，为了将均方误差的变化呈现的更明显，将MSE1值扩大5倍并将MSE2值扩大10倍；

根据公式MSE＝5MSE1+10MSE2，计算出每帧的均方误差MSE，形成MSE曲线；

根据形成的MSE曲线，检测MSE曲线的峰值点，提取与曲线峰值对应的视频帧及第一帧和最后一帧作为候选关键帧；

提取最终关键帧：首先，提取峰值突变处的视频帧，即提取当前帧峰值是前一关键帧峰值的N倍的视频帧，从第二个峰值开始，由于视频第一帧设置的MSE为0，所以第二帧一定会突变；因为第一帧和第二帧会冗余，所以从第二个峰值开始，此时提取出的视频帧是由峰值突变处的视频帧和第一帧及最后一帧组成，然后，对提取出的关键帧采用基于峰值信噪比的视觉分辨机制的关键帧优化准则进行优化，最后确定最终关键帧。

3.如权利要求2所述的基于频域特征的视频关键帧提取方法，其特征在于，傅里叶变换对视频帧f(x,y)，通过式(1)进行二维离散傅里叶变换，得到F(u,v)：式中f(x,y)代表一幅大小为m*n的图像，其中x＝0，1，2，···，m‑1和y＝0，1，

2，···，n‑1，F(u,v)表示f(x,y)的傅里叶变换，F(u,v)所在坐标系被称为频域，由u＝0，

1，2，···，m‑1和v＝0，1，2，···，n‑1定义的m*n矩阵常称为频域矩阵；f(x,y)所在坐标系被称为空间域，由x＝0，1，2，···，m‑1和y＝0，1，2，···，n‑1所定义的m*n的矩阵称为空间域矩阵；

频谱和相位谱根据F(u,v)，可以获得傅里叶频谱|F(u,v)|，式中R(u,v)和I(u,v)分别表示F(u,v)的实部和虚部，根据F(u,v)，可以得到相位角

4.如权利要求2所述的基于频域特征的视频关键帧提取方法，其特征在于：设视频序列视频帧的宽度和高度分别为W和H，则当前帧频谱为f(x,y)′和前一帧频谱为b(x,y)′，那么它们的均方差MSE1定义为：利用式(4)可以计算得到MSE1，同理计算得到MSE2。