一種用于視頻偵查的快速圖像檢索方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視頻偵查領(lǐng)域，尤其涉及一種用于視頻偵查的快速圖像檢索方法。
【背景技術(shù)】
[0002] 隨著科技的快速發(fā)展，智能視頻監(jiān)控技術(shù)在公安刑偵業(yè)務(wù)中廣泛應(yīng)用，通過(guò)視頻 錄像記錄行人及車輛行為，從視頻中發(fā)現(xiàn)和追蹤嫌疑目標(biāo)已成為刑偵技術(shù)的重要手段。在 實(shí)際辦案過(guò)程中，當(dāng)工作人員鎖定了嫌疑人或嫌疑車輛后，需要從案發(fā)地及附近區(qū)域追蹤 到嫌疑人的行動(dòng)路線，然而從海量的監(jiān)控視頻中人為查找嫌疑人是一項(xiàng)非常困難的工作， 不僅耗時(shí)較長(zhǎng)而且容易遺漏目標(biāo)。本發(fā)明技術(shù)為辦案人員提供了技術(shù)支持，能夠快速找出 疑似嫌疑人的目標(biāo)在視頻中的出現(xiàn)時(shí)間及出現(xiàn)地點(diǎn)，盡快有效的幫助刑偵人員破案。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明實(shí)施例的目的在于提供一種用于視頻偵查的快速圖像檢索方法，以解決現(xiàn) 有技術(shù)的問(wèn)題。
[0004] 本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種用于視頻偵查的快速圖像檢索方法，所述方法 包括以下步驟：
[0005] 步驟1，對(duì)監(jiān)控視頻分別進(jìn)行背景建模獲得背景模型；
[0006] 步驟2,根據(jù)常用的背景差分法及連通域標(biāo)記法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，獲得運(yùn)動(dòng)目 標(biāo)；
[0007] 步驟3,根據(jù)所述運(yùn)動(dòng)目標(biāo)的位置特征，采用特征匹配方法將前一幀運(yùn)動(dòng)目標(biāo)與當(dāng) 前幀運(yùn)動(dòng)目標(biāo)進(jìn)行關(guān)聯(lián)，獲得候選目標(biāo)匹配對(duì)，完成所述運(yùn)動(dòng)目標(biāo)的跟蹤處理；
[0008] 步驟4,根據(jù)目標(biāo)圖像中各個(gè)像素的概率確定圖片的信息量，將圖片信息量最大值 對(duì)應(yīng)的目標(biāo)圖像作為目標(biāo)最優(yōu)圖像輸出；
[0009] 步驟5,計(jì)算所述目標(biāo)最優(yōu)圖像的特征，所述特征包括HSV直方圖、顏色自相關(guān)圖、 顏色矩、小波矩和梯度方向直方圖，根據(jù)壓縮感知理論對(duì)特征矢量進(jìn)行降維；
[0010] 步驟6,根據(jù)圖像的各個(gè)所述特征矢量計(jì)算各個(gè)樣本圖片與所述目標(biāo)最優(yōu)圖像的 相似度，根據(jù)相似性對(duì)各個(gè)所述樣本圖片進(jìn)行目標(biāo)排序，得到檢索結(jié)果。
[0011] 本發(fā)明提供的一種用于視頻偵查的快速圖像檢索方法的第一優(yōu)選實(shí)施例中：所述 步驟3中獲得候選目標(biāo)匹配對(duì)后，完成運(yùn)動(dòng)目標(biāo)的跟蹤處理的過(guò)程還包括：
[0012] 步驟301，根據(jù)當(dāng)前幀與前一幀運(yùn)動(dòng)目標(biāo)的匹配結(jié)果對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤處理：
[0013] 如果當(dāng)前幀運(yùn)動(dòng)目標(biāo)沒有被前一幀的運(yùn)動(dòng)目標(biāo)匹配上，則認(rèn)為當(dāng)前幀運(yùn)動(dòng)目標(biāo)是 新的目標(biāo)；
[0014] 如果當(dāng)前幀運(yùn)動(dòng)目標(biāo)僅被前一幀的一個(gè)運(yùn)動(dòng)目標(biāo)匹配上，則完成這個(gè)運(yùn)動(dòng)目標(biāo)的 跟蹤；
[0015] 如果當(dāng)前幀運(yùn)動(dòng)目標(biāo)被前一幀的多個(gè)運(yùn)動(dòng)目標(biāo)匹配上，選擇距離最小的作為這個(gè) 目標(biāo)的跟蹤結(jié)果；
[0016] 步驟302,對(duì)匹配結(jié)果進(jìn)行后處理：
[0017] 針對(duì)當(dāng)前幀任意一個(gè)目標(biāo)Ai,目標(biāo)Ai的上一幀目標(biāo)記為A^ 1，兩者之間的距離記為 Da，當(dāng)前幀另外任意一個(gè)目標(biāo)Bi,目標(biāo)Bi的上一幀目標(biāo)記為的并集記為AB 與ABi之間的距離記為D ⑴，如果DAB(i)小于D A，則認(rèn)為目標(biāo)Ah有分裂的情況存在，從當(dāng)前 幀開始化被當(dāng)作一個(gè)新的目標(biāo)；
[0018] Bh和A η的并集記為AB η，A# AB η之間的距離記為Dab^，如果DabM小于D A， 則認(rèn)為目標(biāo)A^1有合并的情況存在，從當(dāng)前幀開始A ^皮當(dāng)作一個(gè)新的目標(biāo)。
[0019] 本發(fā)明提供的一種用于視頻偵查的快速圖像檢索方法的第二優(yōu)選實(shí)施例中：所述 步驟4根據(jù)目標(biāo)圖片中各個(gè)像素的概率計(jì)算圖片的信息量的過(guò)程包括：
[0020] 步驟401，計(jì)算所述目標(biāo)圖片的信息熵H，計(jì)算公式為H = - ζρ, Iog^，其中Pi為圖 像中像素值為i的概率；
[0021] 步驟402,利用jpeg壓縮編碼方法對(duì)所述目標(biāo)圖片進(jìn)行壓縮處理，壓縮后的圖片 大小記為B ;
[0022] 步驟403,計(jì)算目標(biāo)圖片信息量S，計(jì)算公式如公式（1):
【主權(quán)項(xiàng)】
1. 一種用于視頻偵查的快速圖像檢索方法，其特征在于，所述方法包括： 步驟1，對(duì)監(jiān)控視頻分別進(jìn)行背景建模獲得背景模型； 步驟2,根據(jù)常用的背景差分法及連通域標(biāo)記法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，獲得運(yùn)動(dòng)目標(biāo)； 步驟3,根據(jù)所述運(yùn)動(dòng)目標(biāo)的位置特征，采用特征匹配方法將前一幀運(yùn)動(dòng)目標(biāo)與當(dāng)前幀 運(yùn)動(dòng)目標(biāo)進(jìn)行關(guān)聯(lián)，獲得候選目標(biāo)匹配對(duì)，完成所述運(yùn)動(dòng)目標(biāo)的跟蹤處理； 步驟4,根據(jù)目標(biāo)圖像中各個(gè)像素的概率確定圖片的信息量，將圖片信息量最大值對(duì)應(yīng) 的目標(biāo)圖像作為目標(biāo)最優(yōu)圖像輸出； 步驟5,計(jì)算所述目標(biāo)最優(yōu)圖像的特征，所述特征包括HSV直方圖、顏色自相關(guān)圖、顏色 矩、小波矩和梯度方向直方圖，根據(jù)壓縮感知理論對(duì)特征矢量進(jìn)行降維； 步驟6,根據(jù)圖像的各個(gè)所述特征矢量計(jì)算各個(gè)樣本圖片與所述目標(biāo)最優(yōu)圖像的相似 度，根據(jù)相似性對(duì)各個(gè)所述樣本圖片進(jìn)行目標(biāo)排序，得到檢索結(jié)果。
2. 如權(quán)利要求1所述的方法，其特征在于，所述步驟3中獲得候選目標(biāo)匹配對(duì)后，完成 運(yùn)動(dòng)目標(biāo)的跟蹤處理的過(guò)程還包括： 步驟301，根據(jù)當(dāng)前幀與前一幀運(yùn)動(dòng)目標(biāo)的匹配結(jié)果對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤處理： 如果當(dāng)前幀運(yùn)動(dòng)目標(biāo)沒有被前一幀的運(yùn)動(dòng)目標(biāo)匹配上，則認(rèn)為當(dāng)前幀運(yùn)動(dòng)目標(biāo)是新的 目標(biāo)； 如果當(dāng)前幀運(yùn)動(dòng)目標(biāo)僅被前一幀的一個(gè)運(yùn)動(dòng)目標(biāo)匹配上，則完成這個(gè)運(yùn)動(dòng)目標(biāo)的跟 蹤； 如果當(dāng)前幀運(yùn)動(dòng)目標(biāo)被前一幀的多個(gè)運(yùn)動(dòng)目標(biāo)匹配上，選擇距離最小的作為這個(gè)目標(biāo) 的跟蹤結(jié)果； 步驟302,對(duì)匹配結(jié)果進(jìn)行后處理： 針對(duì)當(dāng)前幀任意一個(gè)目標(biāo)Ai,目標(biāo)Ai的上一幀目標(biāo)記為A η，兩者之間的距離記為Da， 當(dāng)前幀另外任意一個(gè)目標(biāo)Bi,目標(biāo)Bi的上一幀目標(biāo)記為B i+BjP A i的并集記為AB i，Ap1與 ABii間的距離記為D ，如果Dabw小于D A，則認(rèn)為目標(biāo)A^1有分裂的情況存在，從當(dāng)前幀 開始化被當(dāng)作一個(gè)新的目標(biāo)； Bh和A η的并集記為AB η，Ag AB η之間的距離記為D ，如果Dab^小于D A，則 認(rèn)為目標(biāo)A^1有合并的情況存在，從當(dāng)前幀開始A ^皮當(dāng)作一個(gè)新的目標(biāo)。
3. 如權(quán)利要求1所述的方法，其特征在于，所述步驟4根據(jù)目標(biāo)圖片中各個(gè)像素的概率 計(jì)算圖片的信息量的過(guò)程包括： 步驟401，計(jì)算所述目標(biāo)圖片的信息熵H，計(jì)算公式為
；其中PiS圖像中 像素值為i的概率； 步驟402,利用jpeg壓縮編碼方法對(duì)所述目標(biāo)圖片進(jìn)行壓縮處理，壓縮后的圖片大小 記為B ; 步驟403,計(jì)算目標(biāo)圖片信息量S，計(jì)算公式如公式（1):
其中w為權(quán)重，0. 01〈w〈0. 8, Hmax為信息j：商最大值，width和height分別為原始圖像長(zhǎng) 寬。
4. 如權(quán)利要求1所述的方法，其特征在于，所述步驟5中圖像的特征分別表示為： HSV 直方圖 hsvHist Qiph2,…，hp ...，hH); 顏色自相關(guān)圖 colorAutoCoiKcpC；^，…，Ci,…，cc); 彥員色矩 colorMoment (mp m2，···, Hii, ...，mM); 小波矩 wavlet (W1, w2，…，Wi, ···, wff)； 梯度方向直方圖 hogOiogphc^，…，hogp "^hogra); 其中比、Cp nii、Wp hog^別為上述幾個(gè)特征的特征分量，H、C、M、W、HO分別為上述特 征的特征分量個(gè)數(shù)，將這些特征組成一個(gè)特征矢量如公式（2): featureVector = (hsvHist, colorAutoCor, colorMoment, wavlet,hog) (2) 維數(shù)記為n，根據(jù)壓縮感知理論對(duì)特征矢量featureVector進(jìn)行降維，降維后的特征記 為fV，fV = Random*featureVector，其中Random是維數(shù)為m*n的隨機(jī)測(cè)量矩陣，所述隨機(jī) 測(cè)量矩陣的元素計(jì)算公式如公式（3):
5. 如權(quán)利要求1所述的方法，其特征在于，所述步驟6中計(jì)算所述樣本圖片與所述目標(biāo) 最優(yōu)圖片的相似度cos Θ計(jì)算公式如公式（4):
其中，X，Y及別表示兩幅圖片特征矢量的第j個(gè)分量，m表示特征矢量的維數(shù)。
【專利摘要】本發(fā)明適用于視頻偵查領(lǐng)域，提供了一種用于視頻偵查的快速圖像檢索方法，包括：獲得背景模型；獲得運(yùn)動(dòng)目標(biāo)；獲得候選目標(biāo)匹配對(duì)，完成運(yùn)動(dòng)目標(biāo)的跟蹤處理；根據(jù)目標(biāo)圖像中各個(gè)像素的概率確定圖片的信息量，將圖片信息量最大值對(duì)應(yīng)的目標(biāo)圖像作為目標(biāo)最優(yōu)圖像輸出；計(jì)算目標(biāo)最優(yōu)圖像的特征，特征包括HSV直方圖、顏色自相關(guān)圖、顏色矩、小波矩和梯度方向直方圖，根據(jù)壓縮感知理論對(duì)特征矢量進(jìn)行降維；根據(jù)圖像的各個(gè)特征矢量計(jì)算各個(gè)樣本圖片與目標(biāo)最優(yōu)圖像的相似度，根據(jù)相似性對(duì)各個(gè)樣本圖片進(jìn)行目標(biāo)排序，得到檢索結(jié)果。通過(guò)提供一種新的運(yùn)動(dòng)目標(biāo)最優(yōu)圖片選取策略，進(jìn)一步減少因?yàn)楦檰?wèn)題及選擇無(wú)效圖片而造成的信息丟失。
【IPC分類】G06K9-00, G06T7-20
【公開號(hào)】CN104680143
【申請(qǐng)?zhí)枴緾N201510090598
【發(fā)明人】張橋, 仇開金, 賀波濤
【申請(qǐng)人】武漢烽火眾智數(shù)字技術(shù)有限責(zé)任公司
【公開日】2015年6月3日
【申請(qǐng)日】2015年2月28日