1.一种两阶段的学术视频关键帧提取方法，其特征在于，包括如下步骤：

S1：视频帧分解，按照帧率固定比例对其进行等间隔拆分，并读取场景文本图像数据集；

S2，构建两阶段的关键帧提取模型，将视频帧图像送入所述关键帧提取模型经Stage1模块和Stage2模块处理后得到关键帧集，所述关键帧提取模型包括：Stage1模块，所述Stage1模块以场景文本图像数据集为数据来源扩充数据集，该阶段首次搭建以胶囊网络CapsNet为基础的学术视频字幕检测模型，并引入软池化、空洞卷积以及压缩激励模块来完成特征增强和特征筛选，使网络能够学习到更丰富的图像特征，以完成学术视频字幕的检测和定位；

Stage2模块，所述Stage2模块以Stage1的处理结果为输入，构建时空字幕自适应采样线，利用学术视频字幕边界坐标获取更多样的学术视频时空字幕采样，以得到更具代表性的字幕累积统计值；

S3，构建视频字幕检测模型进行字幕检测，包括：

将所述场景文本图像数据集，通过堆叠的空洞卷积层来进行特征增强，以得到卷积特征图；

将所述卷积特征图，通过压缩激励模块进行全局平均池化和全连接操作来完成特征筛选，以得到改善的特征表示；

将改善的特征表示，通过胶囊层和自适应矩估计下的路由算法来完成字幕检测，最后输出字幕区的8值坐标点；

S4，构建关键帧集提取算法，利用字幕边界坐标迭代进行学术视频自适应时空采样线的选取，并以此构建自适应时空累积，最后利用Flag双值标定完成学术视频的关键帧集提取；

S5，利用S3和S4训练测试所得的关键帧提取模型对输入视频执行上述S1和S2，根据学术视频时空字幕像素累积值标定字幕帧阈值区间，进而获得关键帧集合。

2.根据权利要求1所述的两阶段的学术视频关键帧提取方法，其特征在于，完成所述视频帧分解，其中帧率固定比例是指在完成视频信息分析的基础上，选取帧率的三分之一为采样间隔，等间隔抽取视频帧以构成待处理的视频帧序列。