專利名稱：一種基于數(shù)據(jù)庫(kù)的在視頻中搜索目標(biāo)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻分析處理技術(shù)領(lǐng)域，涉及移動(dòng)物件的提取及特征匹配，具體的說(shuō)是公開了一種在視頻中搜索目標(biāo)對(duì)象的方法。
背景技術(shù)：
隨著數(shù)碼攝像技術(shù)的不斷發(fā)展，視頻監(jiān)控作為一種安全防范手段被普遍且廣泛地應(yīng)用于日常及專業(yè)刑偵等領(lǐng)域。視頻監(jiān)控為安全防范等方面帶來(lái)不可替代的保障的同時(shí)，現(xiàn)有視頻監(jiān)控系統(tǒng)過(guò)于簡(jiǎn)單，不便于視頻查看及目標(biāo)查找等不足亦漸漸體現(xiàn)出來(lái)。采用現(xiàn)在常見(jiàn)的監(jiān)控系統(tǒng)，當(dāng)需要查看監(jiān)控視頻，在視頻中尋找某一目標(biāo)時(shí)，必須人工完整查看整個(gè)視頻。然而，一方面，在實(shí)際應(yīng)用過(guò)程中，一般單位所布置的攝像監(jiān)控區(qū)域里，大部分時(shí)間里是無(wú)人經(jīng)過(guò)的，視頻中出現(xiàn)人物的時(shí)段與每天24小時(shí)的全天候錄像相t匕，其所占時(shí)間是相對(duì)短暫的。查看監(jiān)控視頻時(shí)，其中大部分時(shí)間都是在觀看靜態(tài)背影畫面，雖然現(xiàn)有監(jiān)控系統(tǒng)都提供有快進(jìn)查看的功能。但仍然會(huì)消耗查看人員的大量時(shí)間，而且快進(jìn)是一種跳偵播放方式，快進(jìn)查看視頻，還存在錯(cuò)過(guò)重要畫面的可能。另一方面，目標(biāo)對(duì)象在視頻中出現(xiàn)的時(shí)間段可能僅僅十幾秒甚至幾秒種，現(xiàn)有人工查找目標(biāo)的方式，除了上面提到的觀看靜態(tài)畫面浪費(fèi)大量時(shí)間外，還有大量時(shí)間浪費(fèi)在非目標(biāo)人物的識(shí)別和篩選上。如能自動(dòng)識(shí)別視頻中是否包含與目標(biāo)對(duì)象相同的前景物件，或者將少量與目標(biāo)對(duì)象相似的前景物件組成待選列表推薦給用戶查看，顯然意義非常重大。在視頻處理方面，基于高斯混合模型的視頻前、背景分離技術(shù)已日趨成熟，該技術(shù)假設(shè)視頻畫面中各像素的像素值符合高斯分布，通過(guò)組合多個(gè)高斯分布的方式建立視頻的高斯混合模型，并在此基礎(chǔ)上建立視頻的背景模型。然后將視頻畫面與背景模型做對(duì)比，以確定其中的前景像素，最后將其從背景中分離出來(lái)。如能將上述基于高斯混合模型的前、背景分離技術(shù)應(yīng)用于目標(biāo)搜索，用以分離前景物件，再配合特征的提取與對(duì)比技術(shù)，將使在視頻中進(jìn)行目標(biāo)自動(dòng)搜索成為可能。

發(fā)明內(nèi)容
本發(fā)明目的是針對(duì)上述技術(shù)現(xiàn)狀，提供幾種可以自動(dòng)對(duì)比目標(biāo)對(duì)象與被搜索視頻中的前景物件，并以不同形式輸出搜索結(jié)果的目標(biāo)搜索方法?；谏鲜瞿康?，本發(fā)明首先提出一種基于數(shù)據(jù)庫(kù)的在視頻中搜索目標(biāo)的方法。其主要包括如下步驟(a)從待檢視頻中分離前景物件；(b)逐一提取前景物件的特征參數(shù)，并存入數(shù)據(jù)庫(kù)；(C)提取目標(biāo)物件的特征參數(shù)；(d)從數(shù)據(jù)庫(kù)中選取前景物件的特征，逐一與目標(biāo)物件進(jìn)行特征對(duì)比；(e)根據(jù)對(duì)比結(jié)果輸出搜索結(jié)果。上述方法中，步驟(a)所述的分離前景物件可以采用目前較為常見(jiàn)的高斯建模的方法，一般包括如下步驟(a-1)建立待檢視頻的高斯混合模型；(a-2)基于高斯混合模型建立背景模型；(a-3)逐一偵畫面與背景模型進(jìn)行對(duì)比，分離前景像素。步驟(b)和(C)所述的前景物件和目標(biāo)對(duì)象的特征參數(shù)主要是指顏色特征參數(shù)、紋理特征參數(shù)、形狀特征參數(shù)三者中的一種或幾種。特征參數(shù)種類越多，特征對(duì)比的結(jié)果準(zhǔn)確率越高，當(dāng)然，同時(shí)也會(huì)增加計(jì)算機(jī)的計(jì)算量。一般情況下，顏色特征參數(shù)和紋理特征參數(shù)是必選的兩項(xiàng)，而由于紋理特征可以在一定程序上反應(yīng)形狀特征，因此，形狀特征參數(shù)主要用于對(duì)前景物件的初步或進(jìn)一步篩選。所述顏色特征可以用相關(guān)量和非相關(guān)量表征，所述相關(guān)量是指連續(xù)的同一顏色的像素點(diǎn)數(shù)量，非相關(guān)量是指不連續(xù)的該顏色像素點(diǎn)數(shù)量。以此表征顏色特征，來(lái)進(jìn)行特征對(duì)t匕，除了可以考慮到顏色數(shù)量差異，還可以將顏色的分布差異考慮在內(nèi)。采用這種方法需要進(jìn)行像素?cái)?shù)量統(tǒng)計(jì)和像素的位置關(guān)系識(shí)別，運(yùn)算過(guò)程相對(duì)復(fù)雜。以相關(guān)量和非相關(guān)量表征的顏色特征，其提取過(guò)程為分別針對(duì)對(duì)象所包含的各種顏色，統(tǒng)計(jì)相連續(xù)的像素點(diǎn)數(shù)量和不連續(xù)像素點(diǎn)數(shù)量，其相連續(xù)的像素點(diǎn)數(shù)量為該顏色的顏色相關(guān)量，不連續(xù)的像素點(diǎn)數(shù)量為該顏色的非相關(guān)量。以相關(guān)量和非相關(guān)量表征顏色特征時(shí)，顏色特征對(duì)比方式如下1、根據(jù)式(I)計(jì)算獲得前景物件與目標(biāo)物件的相關(guān)性參考值
權(quán)利要求
1.一種基于數(shù)據(jù)庫(kù)的在視頻中搜索目標(biāo)的方法，其特征在于，包括如下步驟(a)從待檢視頻中分離前景物件；(b)逐一提取前景物件的特征參數(shù)，并存入數(shù)據(jù)庫(kù)；(C)提取目標(biāo)物件的特征參數(shù)；(d)從數(shù)據(jù)庫(kù)中選取前景物件的特征，逐一與目標(biāo)物件進(jìn)行特征對(duì)比；(e)根據(jù)對(duì)比結(jié)果輸出搜索結(jié)果。
2.根據(jù)權(quán)利要求1所述在視頻中搜索目標(biāo)的方法，其特征在于，步驟(a)包括如下步驟(a-1)建立待檢視頻的高斯混合模型；(a-2)基于高斯混合模型建立背景模型；(a-3)逐一偵畫面與背景模型進(jìn)行像素對(duì)比，分離前景像素。
3.根據(jù)權(quán)利要求1所述在視頻中搜索目標(biāo)的方法，其特征在于，所述前景物件及目標(biāo)對(duì)象的特征參數(shù)包括顏色特征參數(shù)、紋理特征參數(shù)、形狀特征參數(shù)，所述特征對(duì)比步驟如下(d-Ι)針對(duì)全部前景物件，逐一對(duì)比前景物件與目標(biāo)物件的形狀特征，獲得各前景物件的形狀特征對(duì)比的結(jié)果參考值，根據(jù)形狀特征對(duì)比的結(jié)果參考值篩選前景物件；(d-2)針步驟(d-Ι)篩選出來(lái)的前景物件，逐一對(duì)比前景物件與目標(biāo)物件的顏色特征和紋理特征，獲得篩選出來(lái)的各前景物件的顏色特征對(duì)比的結(jié)果參考值和紋理特征對(duì)比的結(jié)果參考值；(d-3)對(duì)同一前景物件的顏色特征對(duì)比的結(jié)果參考值和紋理特征對(duì)比的結(jié)果參考值直接求和或加權(quán)求和，將結(jié)果作為該前景物件的特征對(duì)比的結(jié)果參考值，該值大小反應(yīng)前景物件與目標(biāo)對(duì)象之間的相關(guān)程度。
4.根據(jù)權(quán)利要求1所述在視頻中搜索目標(biāo)的方法，其特征在于，所述前景物件及目標(biāo)對(duì)象的特征參數(shù)包括顏色特征參數(shù)、紋理特征參數(shù)，所述特征對(duì)比步驟如下(d-Ι)針步驟全部前景物件，逐一對(duì)比前景物件與目標(biāo)物件的顏色特征和紋理特征，獲得各前景物件的顏色特征對(duì)比的結(jié)果參考值和紋理特征對(duì)比的結(jié)果參考值；(d-2)對(duì)同一前景物件的顏色特征對(duì)比的結(jié)果參考值和紋理特征對(duì)比的結(jié)果參考值直接求和或加權(quán)求和，將結(jié)果作為該前景物件的特征對(duì)比的結(jié)果參考值，該值大小反應(yīng)前景物件與目標(biāo)對(duì)象之間的相關(guān)程度。
5.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，步驟(e)包括 (e-Ι)根據(jù)各前景物件的特征對(duì)比結(jié)果參考值，對(duì)經(jīng)過(guò)特征對(duì)比的各前景物件進(jìn)行排序;(e-2)將經(jīng)過(guò)排序的各前景物件直接作為搜索結(jié)果輸出。
6.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，步驟(e)包括 (e-Ι)根據(jù)各前景物件的特征對(duì)比結(jié)果參考值，篩選經(jīng)過(guò)特征對(duì)比的前景物件；(e-2)將步驟(e-Ι)篩選出來(lái)的前景物件直接作為搜索結(jié)果輸出，或排序后作為搜索結(jié)果輸出。
7.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，所述形狀特征參數(shù)是指物件的寬度與高度比，其提取方法為統(tǒng)計(jì)對(duì)象各像素點(diǎn)中最小橫坐標(biāo)Xmin、最小縱坐標(biāo)Ymin、最大橫坐標(biāo)Xmax、最大縱坐標(biāo)Ymax,用公式S=(Xmax-Xmin) / (Ymax-Ymin)計(jì)算獲得物件的寬高比；
8.根據(jù)權(quán)利要求7所述在視頻中搜索目標(biāo)的方法，其特征在于，形狀特征對(duì)比方法為 取前景物件寬高比與目標(biāo)物件寬高比的差值，將該值作為形狀特征對(duì)比的結(jié)果參考值。
9.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，所述顏色特征參數(shù)是指顏色相關(guān)量和非相關(guān)量，其提取方法為分別針對(duì)對(duì)象所包含的各種顏色，統(tǒng)計(jì)相連續(xù)的像素點(diǎn)數(shù)量和不連續(xù)像素點(diǎn)數(shù)量，其相連續(xù)的像素點(diǎn)數(shù)量為該顏色的顏色相關(guān)量，不連續(xù)的像素點(diǎn)數(shù)量為該顏色的非相關(guān)量。
10.根據(jù)權(quán)利要求9所述在視頻中搜索目標(biāo)的方法，其特征在于，顏色特征對(duì)比方法為根據(jù)式(I)計(jì)算獲得前景物件與目標(biāo)物件的相關(guān)性參考值
11.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，所述紋理特征參數(shù)是指灰度共生矩陣。
12.根據(jù)權(quán)利要求11所述在視頻中搜索目標(biāo)的方法，其特征在于，紋理特征提取及對(duì)比方法為分別以(0，1)、(1,0), (1,1)為差分值計(jì)算獲得物件的三個(gè)灰度共生矩陣；分別計(jì)算前景物件三個(gè)灰度共生矩陣與目標(biāo)物件三個(gè)灰度共生矩陣的距離差，對(duì)計(jì)算獲得的三個(gè)距離差求和，將結(jié)果作為紋理特征對(duì)比的結(jié)果參考值。
13.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，所述顏色特征參數(shù)是指色度分布向量，其提取方法為提取各像素的三種色度的值，分別針對(duì)每一種色度， 統(tǒng)計(jì)在色度的取值范圍(O 255)內(nèi)，取值為各個(gè)色度值的像素的數(shù)量(包括0)，組成一個(gè)包含256個(gè)樣本的色度分布向量。
14.根據(jù)權(quán)利要求13所述在視頻中搜索目標(biāo)的方法，其特征在于，顏色特征對(duì)比方法為根據(jù)式(3)分別計(jì)算前景物件與目標(biāo)物件的三種色度分布向量的向量間相似度，對(duì)計(jì)算獲得的三個(gè)相似度數(shù)值進(jìn)行求和，將結(jié)果作為顏色特征對(duì)比的結(jié)果參考值，
15.根據(jù)權(quán)利要求3或4所述在視頻中搜索目標(biāo)的方法，其特征在于，所述紋理特征參數(shù)是指灰度LBP分布向量，其提取方法為逐一像素計(jì)算其灰度的LBP值，統(tǒng)計(jì)在LBP值的取值范圍(O 255)內(nèi)，取值為各個(gè)LBP值的像素的數(shù)量(包括0)，組成一個(gè)包含256個(gè)向理值的灰度LBP分布向量。
16.根據(jù)權(quán)利要求15所述在視頻中搜索目標(biāo)的方法，其特征在于，紋理特征對(duì)比方法為根據(jù)式(4)計(jì)算前景物件與目標(biāo)物件的灰度LBP分布向量的向量間相似度，將結(jié)果作為紋理特征對(duì)比的結(jié)果參考值，其中A代表前景物件的灰度LBP分布向量，B代理目標(biāo)對(duì)象的灰度LBP分布向量。
17.一種基于數(shù)據(jù)庫(kù)的在視頻中搜索目標(biāo)的方法，其特征在于，包括如下步驟(a)從待檢視頻中分離前景物件；(b)逐一提取前景物件的特征參數(shù)及屬性參數(shù)，并存入數(shù)據(jù)庫(kù)；(C)提取目標(biāo)物件的特征參數(shù)；(d)從數(shù)據(jù)庫(kù)中選取具有指定屬性的前景物件的特征，逐一與目標(biāo)物件進(jìn)行特征對(duì)比；(e)根據(jù)對(duì)比結(jié)果輸出搜索結(jié)果。
18.根據(jù)權(quán)利要求17所述在視頻中搜索目標(biāo)的方法，其特征在于，所述屬性參數(shù)包括方向?qū)傩詤?shù)、位置屬性參數(shù)。
19.根據(jù)權(quán)利要求18所述在視頻中搜索目標(biāo)的方法，其特征在于，所述方向?qū)傩詤?shù)提取方法為首先，統(tǒng)計(jì)對(duì)象各像素點(diǎn)中最小橫坐標(biāo)Xmin、最小縱坐標(biāo)Ymin、最大橫坐標(biāo) Xmax、最大縱坐標(biāo)Ymax,分別通過(guò)公式x= (Xmax+Xmin) /2和y= (Ymax+Ymin) /2計(jì)算獲得當(dāng)前前景物件的重心坐標(biāo)U，y);然后，將當(dāng)前前景物件與下一幀前景物件進(jìn)行特征對(duì)比，找出與當(dāng)前幀該前景物件為同一物件的前景物件；最后，參數(shù)步驟I提計(jì)算該前景物件在下幀畫面中的重心坐標(biāo)x’，y’，計(jì)算兩個(gè)重心坐標(biāo)點(diǎn)連線的角度，將角度值作為方向?qū)傩詤?shù)。
20.根據(jù)權(quán)利要求18所述在視頻中搜索目標(biāo)的方法，其特征在于，所述位置屬性參數(shù)提取方法為統(tǒng)計(jì)對(duì)象各像素點(diǎn)中最小橫坐標(biāo)Xmin、最小縱坐標(biāo)Ymin、最大橫坐標(biāo)Xmax、最大縱坐標(biāo) Ymax,將(Xmin, Ymin)、(Xmin, Ymax)、(Xmax, Ymin)、(Xmax, Ymax)四點(diǎn)坐標(biāo)做為位置屬性參數(shù)。
全文摘要
本發(fā)明屬于視頻分析與處理技術(shù)領(lǐng)域，公開了一種基于數(shù)據(jù)庫(kù)的在視頻中搜索目標(biāo)的方法，該方法基于前/背景分離技術(shù)及圖像特征對(duì)比技術(shù)，通過(guò)提前將前景物件的特征存入數(shù)據(jù)、在需要搜索時(shí)從數(shù)據(jù)中選取并與目標(biāo)物件進(jìn)行特征對(duì)比，最后結(jié)果輸出搜索結(jié)果的方式，來(lái)實(shí)現(xiàn)在視頻中搜索目標(biāo)的目的。本發(fā)明通過(guò)對(duì)數(shù)據(jù)庫(kù)的應(yīng)用，有效避免了重復(fù)對(duì)視頻進(jìn)行前/背景分離等分析與處理過(guò)程，基于本發(fā)明方法而建成的監(jiān)控系統(tǒng)，尤其適于頻繁進(jìn)行目標(biāo)搜索的應(yīng)用需求。此外，數(shù)據(jù)庫(kù)的應(yīng)用，使得指定搜索得以實(shí)現(xiàn)?？梢杂行p少不必要的特征對(duì)比過(guò)程，提高搜索效率，以及節(jié)約系統(tǒng)資源。
文檔編號(hào)G06F17/30GK102999622SQ20121050901
公開日2013年3月27日 申請(qǐng)日期2012年11月30日 優(yōu)先權(quán)日2012年11月30日
發(fā)明者鄭連松 申請(qǐng)人:杭州易尊數(shù)字科技有限公司, 鄭連松