一種道路車輛監(jiān)控視頻中的關(guān)鍵幀提取方法
【專利摘要】本發(fā)明公開(kāi)了一種道路車輛監(jiān)控視頻中的關(guān)鍵幀提取方法，首先提取采集到的道路車輛監(jiān)控視頻的樣本圖像集，通過(guò)前景運(yùn)動(dòng)對(duì)象檢測(cè)提取車輛最小外接矩形圖像作為樣本圖像源，針對(duì)每個(gè)從進(jìn)入到離開(kāi)監(jiān)控區(qū)域的車輛目標(biāo)的外接矩形序列圖像，判斷符合車輛監(jiān)控分析要求的作為正樣本圖像，不符合要求的作為負(fù)樣本圖像，得到用于訓(xùn)練AdaBoost分類器的訓(xùn)練樣本圖像集；提取前景車輛目標(biāo)的面積特征和積分通道特征，訓(xùn)練得到AdaBoost分類器；利用訓(xùn)練好的分類器對(duì)從進(jìn)入到離開(kāi)監(jiān)控區(qū)域的車輛目標(biāo)的外接矩形圖像序列進(jìn)行分類，AdaBoost分類器對(duì)每幀圖像打分，選擇打分最高的圖像作為關(guān)鍵幀。本發(fā)明可提高道路車輛監(jiān)控視頻關(guān)鍵幀提取的有效性和準(zhǔn)確性。
【專利說(shuō)明】一種道路車輛監(jiān)控視頻中的關(guān)鍵幀提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字圖像處理領(lǐng)域，特別是一種道路車輛監(jiān)控視頻中的關(guān)鍵幀提取方法?！颈尘凹夹g(shù)】
[0002]隨著數(shù)字視頻處理技術(shù)的發(fā)展，各種道路視頻監(jiān)控系統(tǒng)廣泛應(yīng)用于道路安全管理。如何對(duì)海量道路監(jiān)控視頻數(shù)據(jù)進(jìn)行有效處理是一個(gè)重要的問(wèn)題。道路監(jiān)控視頻具有區(qū)別于一般視頻的特點(diǎn):攝像機(jī)固定于一個(gè)位置對(duì)道路場(chǎng)景進(jìn)行拍攝，幾乎不存在場(chǎng)景的變換；人們最關(guān)心的重要信息是從進(jìn)入視頻到離開(kāi)監(jiān)控區(qū)域的運(yùn)動(dòng)車輛的車牌、車型、車輛顏色等特征信息。
[0003]現(xiàn)有單純使用MPEG4或H.264視頻編碼標(biāo)準(zhǔn)的道路視頻監(jiān)控系統(tǒng)存在監(jiān)控視頻數(shù)據(jù)量與視頻檢索效率的矛盾。視頻數(shù)據(jù)量越大，檢索效率越低。如何從車輛進(jìn)入到離開(kāi)監(jiān)控范圍的視頻序列中自動(dòng)得到最能清晰反映車輛車牌、車型等信息的顯著關(guān)鍵幀是解決該矛盾的關(guān)鍵。道路車輛監(jiān)控系統(tǒng)中一般都采用設(shè)定虛擬線圈的方法提取關(guān)鍵幀，即在道路監(jiān)控視頻中設(shè)定一系列的預(yù)定區(qū)域，模擬現(xiàn)實(shí)中的感應(yīng)線圈，當(dāng)進(jìn)入虛擬線圈的運(yùn)動(dòng)車輛產(chǎn)生觸發(fā)時(shí)提取相應(yīng)的圖像作為關(guān)鍵幀。該方法計(jì)算速度快，成本低，但虛擬線圈的位置、大小和數(shù)目都需要針對(duì)不同的道路監(jiān)控視頻具體而定，具有很大局限性。
[0004]針對(duì)這個(gè)問(wèn)題，研究者們提出了各種改進(jìn)的視頻數(shù)據(jù)量壓縮方法，目的是提取能夠充分反映車牌、車型、車輛顏色等特征信息的關(guān)鍵幀。ZHAO Shu-1ong在利用運(yùn)動(dòng)車輛檢測(cè)對(duì)視頻分段的基礎(chǔ)上，提出一種基于車牌定位的關(guān)鍵幀提取方法。該方法選擇車牌距離圖像底部最近的圖像幀作為關(guān)鍵幀，只適用于攝像機(jī)正對(duì)車道拍攝的情況。當(dāng)監(jiān)控?cái)z像機(jī)位于路口側(cè)面，與車道成一個(gè)角度時(shí)該方法并不適用。Congcong Li提出一種貪婪算法，先檢測(cè)出運(yùn)動(dòng)目標(biāo)，然后不斷將檢測(cè)出運(yùn)動(dòng)目標(biāo)的圖像幀進(jìn)行融合重疊，得到虛擬的關(guān)鍵幀圖像，該方法只適用于有固定速度運(yùn)動(dòng)目標(biāo)的場(chǎng)景。Yuanfeng Yang通過(guò)設(shè)置虛擬檢測(cè)線，根據(jù)當(dāng)前幀與背景的差異衡量當(dāng)前幀的運(yùn)動(dòng)信息量，從而進(jìn)行視頻分段，并采用聚類的方法進(jìn)行關(guān)鍵幀選取。Yan Yang等提取圖像的邊緣直方圖和信息熵作為運(yùn)動(dòng)信息特征，選擇對(duì)應(yīng)的局部最大值作為關(guān)鍵幀，該方法簡(jiǎn)單直觀，但沒(méi)有考慮人對(duì)道路監(jiān)控視頻關(guān)注的重點(diǎn)，準(zhǔn)確率較低。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問(wèn)題是，針對(duì)現(xiàn)有技術(shù)不足，提供一種道路車輛監(jiān)控視頻中的關(guān)鍵幀提取方法，快速、準(zhǔn)確地提取關(guān)鍵幀，從而實(shí)現(xiàn)道路車輛監(jiān)控視頻分析數(shù)據(jù)量的有效壓縮。
[0006]為解決上述技術(shù)問(wèn)題，本發(fā)明所采用的技術(shù)方案是:一種道路車輛監(jiān)控視頻中的關(guān)鍵巾貞提取方法，該方法為:
[0007]I)通過(guò)前景運(yùn)動(dòng)對(duì)象檢測(cè)方法從采集到的道路車輛監(jiān)控視頻序列中提取前景車輛目標(biāo)，解碼所述采集到的道路車輛監(jiān)控視頻序列，得到多幀序列圖像，從每一幀序列圖像中截取前景車輛目標(biāo)最小外接矩形圖像，計(jì)算所有前景車輛目標(biāo)最小外接矩形圖像在其所對(duì)應(yīng)的序列圖像中的面積比例P = 其中，h，w分別為前景車輛目標(biāo)最小外接矩形圖
像的像素高和寬；H，W分別為序列圖像的像素高和寬；得到面積特征向量；
[0008]2)將所有前景車輛目標(biāo)最小外接矩形圖像轉(zhuǎn)換成像素大小一致的轉(zhuǎn)換圖像，對(duì)所述轉(zhuǎn)換圖像進(jìn)行梯度幅值通道變換和梯度方向通道變換，得到積分通道特征向量；
[0009]3)擴(kuò)充上述面積特征向量，使得面積特征向量與積分通道特征向量維數(shù)一致，合并維數(shù)一致的面積特征向量與積分通道特征向量，得到總的特征向量；
[0010]4)將上述所有前景車輛目標(biāo)最小外接矩形圖像作為樣本圖像源，從所述樣本圖像源中選取符合車輛監(jiān)控分析要求的作為正樣本圖像，將樣本圖像源中不符合車輛監(jiān)控分析要求的作為負(fù)樣本圖像；符合車輛監(jiān)控分析要求是指樣本圖像在對(duì)應(yīng)的序列圖像中占的面積比例為0.4%以上，不符合車輛監(jiān)控分析要求是指樣本圖像在對(duì)應(yīng)的序列圖像中占的面積比例小于0.4% ；
[0011]5)標(biāo)記所有的正樣本圖像和負(fù)樣本圖像:(X1, y2),...，(xn, yn), Yi=O其中表示負(fù)樣本圖
[0012]像，Yi=I表示正樣本圖像，Xi表示樣本圖像源中的樣本圖像；i=l，2, L, η ；
[0013]6)初始化權(quán)重CO1, 1:
【權(quán)利要求】
1.一種道路車輛監(jiān)控視頻中的關(guān)鍵幀提取方法，其特征在于，該方法為: 1)通過(guò)前景運(yùn)動(dòng)對(duì)象檢測(cè)方法從采集到的道路車輛監(jiān)控視頻序列中提取前景車輛目標(biāo)，解碼所述采集到的道路車輛監(jiān)控視頻序列，得到多幀序列圖像，從每一幀序列圖像中截取前景車輛目標(biāo)最小外接矩形圖像，計(jì)算所有前景車輛目標(biāo)最小外接矩形圖像在其所對(duì)應(yīng)的序列圖像中的面積比例P:p
【文檔編號(hào)】H04N7/18GK103871077SQ201410080355
【公開(kāi)日】2014年6月18日 申請(qǐng)日期:2014年3月6日 優(yōu)先權(quán)日:2014年3月6日
【發(fā)明者】張茂軍, 王煒, 譚樹(shù)人, 熊志輝, 張政, 袁晶 申請(qǐng)人:中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué)