一種視頻濃縮的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種視頻濃縮的方法，屬于數(shù)字圖像處理技術(shù)與計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002]伴隨著視頻技術(shù)的發(fā)展，數(shù)以萬(wàn)計(jì)的視頻監(jiān)控系統(tǒng)部署在城市的大街小巷，海量的視頻文件給設(shè)備存儲(chǔ)和人工預(yù)覽帶來(lái)了巨大的壓力和工作任務(wù)。本專利提出的一種視頻濃縮的方法與系統(tǒng)將海量的視頻錄像進(jìn)行濃縮，以提取出大量的有用信息，從而節(jié)約了人類的時(shí)間和精力，為人類生活帶來(lái)極大的便利。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是針對(duì)智能輪椅機(jī)器人的遠(yuǎn)程監(jiān)護(hù)視頻技術(shù)存在的一些問(wèn)題，提供了一種視頻濃縮的方法，提出了用視頻濃縮技術(shù)的方法解決遠(yuǎn)程監(jiān)護(hù)視頻時(shí)間長(zhǎng)、存儲(chǔ)量大等問(wèn)題。
[0004]為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
一種視頻濃縮的方法，其特征在于該方法包括如下步驟:
A、視頻濃縮:將原視頻放入濃縮界面，首先采用幀間差分算法計(jì)算出相鄰兩幀之間對(duì)應(yīng)點(diǎn)的像素值不同的像素點(diǎn)，其中這類相鄰的像素點(diǎn)組成了運(yùn)動(dòng)的像素塊；
同時(shí)利用混合高斯模型建立背景模型，再利用統(tǒng)計(jì)平均值算法來(lái)實(shí)時(shí)的更新背景；然后利用卡爾曼濾波算法對(duì)運(yùn)動(dòng)的像素塊做運(yùn)動(dòng)目標(biāo)分析，以提取出運(yùn)動(dòng)事件體，接著去除運(yùn)動(dòng)事件體的陰影并做時(shí)間標(biāo)注和排序，再將標(biāo)注時(shí)間、序號(hào)、事件體長(zhǎng)寬等信息存入數(shù)據(jù)庫(kù)；
最后將運(yùn)動(dòng)事件體與背景進(jìn)行無(wú)縫融合，并利用優(yōu)化算法排除碰撞現(xiàn)象；
(2)視頻檢索:首先可以根據(jù)運(yùn)動(dòng)目標(biāo)顏色或者大小信息，計(jì)算濃縮后視頻中所有運(yùn)動(dòng)目標(biāo)的相似性，再根據(jù)相似對(duì)比度來(lái)檢索指定目標(biāo)與視頻中所有運(yùn)動(dòng)目標(biāo)的相似程度，進(jìn)而鎖定是否存在同一目標(biāo)。
[0005]在步驟A中:對(duì)原視頻文件的格式為AVI或者M(jìn)PG格式。
[0006]在步驟B中:根據(jù)人和車的模型特點(diǎn)，視頻檢索還能夠?qū)θ撕蛙囘M(jìn)行分類，以縮小檢索范圍。
[0007](I)基于幀間差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)，將當(dāng)前待處理的幀和前一幀相減以標(biāo)記出運(yùn)動(dòng)區(qū)域，通過(guò)閾值以檢測(cè)運(yùn)動(dòng)目標(biāo)同時(shí)也能夠確定視頻中有無(wú)運(yùn)動(dòng)目標(biāo)。
[0008](2)背景建模，對(duì)于區(qū)域不變的復(fù)雜背景，運(yùn)用混合高斯模型方法建立背景模型，再結(jié)合統(tǒng)計(jì)平均值方法對(duì)圖像每點(diǎn)像素時(shí)間軸上相鄰的多幅圖片的對(duì)應(yīng)像素值求平均值來(lái)估計(jì)背景。
[0009](3)運(yùn)用卡爾曼濾波對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，將幀間差分法捕捉到的運(yùn)動(dòng)目標(biāo)進(jìn)行目標(biāo)跟蹤分析，以提取運(yùn)動(dòng)事件體?？柭鼮V波跟蹤算法分成兩個(gè)步驟:預(yù)測(cè)，根據(jù)系統(tǒng)當(dāng)前狀態(tài)和噪聲狀態(tài)預(yù)測(cè)系統(tǒng)下一步的狀態(tài)；更正，在系統(tǒng)得到下一步的觀測(cè)數(shù)據(jù)之后，更新預(yù)測(cè)結(jié)果。
[0010](4)去除陰影，在HSV顏色空間中，當(dāng)一個(gè)像素點(diǎn)被陰影覆蓋時(shí)，具有亮度變化較大而色度信號(hào)變化不大的特點(diǎn)，根據(jù)這一特點(diǎn)和運(yùn)動(dòng)事件體中真正的運(yùn)動(dòng)目標(biāo)和其陰影的連通性，檢測(cè)出運(yùn)動(dòng)目標(biāo)與其陰影的邊界處，以去除運(yùn)動(dòng)目標(biāo)的陰影。
[0011](5)運(yùn)動(dòng)目標(biāo)的時(shí)間排序與存儲(chǔ)，提取出運(yùn)動(dòng)目標(biāo)后，根據(jù)其在視頻幀出現(xiàn)的先后順序?qū)δ繕?biāo)體進(jìn)行順序排序標(biāo)注。再將時(shí)間標(biāo)注結(jié)果、目標(biāo)像素的寬高等信息存入Mysql數(shù)據(jù)庫(kù)。
[0012](6)運(yùn)動(dòng)目標(biāo)的融合，根據(jù)預(yù)先設(shè)定的視頻分段長(zhǎng)度和運(yùn)動(dòng)目標(biāo)的密集程度兩個(gè)方面來(lái)確定同一時(shí)刻出現(xiàn)的運(yùn)動(dòng)目標(biāo)的數(shù)量，再根據(jù)連續(xù)不變性對(duì)運(yùn)動(dòng)目標(biāo)和背景進(jìn)行無(wú)縫融合。
[0013](7)運(yùn)動(dòng)目標(biāo)的碰撞檢測(cè)，對(duì)于融合后的視頻，不同時(shí)間段的運(yùn)動(dòng)目標(biāo)可能會(huì)出現(xiàn)在同一位置，檢測(cè)運(yùn)動(dòng)目標(biāo)是否在同一時(shí)刻有像素重疊就可以檢測(cè)碰撞現(xiàn)象，系統(tǒng)就會(huì)優(yōu)化運(yùn)動(dòng)目標(biāo)的出現(xiàn)次序以避免碰撞。
[0014](8)運(yùn)動(dòng)目標(biāo)檢索，根據(jù)人和車的模型特點(diǎn)，使用模板匹配和機(jī)器學(xué)習(xí)的方法將人和車進(jìn)行分類。根據(jù)存入數(shù)據(jù)庫(kù)的運(yùn)動(dòng)目標(biāo)信息，計(jì)算濃縮后視頻中所有運(yùn)動(dòng)目標(biāo)的相似性，根據(jù)相似比率對(duì)指定運(yùn)動(dòng)目標(biāo)進(jìn)行檢索。
[0015]本發(fā)明的有益效果:
本發(fā)明能夠?qū)⒑Ａ康囊曨l錄像進(jìn)行濃縮，縮短預(yù)覽時(shí)間，節(jié)約人類的工作時(shí)間。同時(shí)能夠快速地、精準(zhǔn)地搜索指定運(yùn)動(dòng)目標(biāo)，為刑偵、安防以及交通安全等領(lǐng)域提供服務(wù)。
【附圖說(shuō)明】
[0016]圖1為本發(fā)明的流程圖。
【具體實(shí)施方式】
[0017]下面結(jié)合附圖1對(duì)本發(fā)明進(jìn)行詳細(xì)描述:
一種視頻濃縮的方法，該方法包括如下步驟:
A、視頻濃縮:將原視頻放入濃縮界面，首先采用幀間差分算法計(jì)算出相鄰兩幀之間對(duì)應(yīng)點(diǎn)的像素值不同的像素點(diǎn)，其中這類相鄰的像素點(diǎn)組成了運(yùn)動(dòng)的像素塊；
同時(shí)利用混合高斯模型建立背景模型，再利用統(tǒng)計(jì)平均值算法來(lái)實(shí)時(shí)的更新背景；然后利用卡爾曼濾波算法對(duì)運(yùn)動(dòng)的像素塊做運(yùn)動(dòng)目標(biāo)分析，以提取出運(yùn)動(dòng)事件體，接著去除運(yùn)動(dòng)事件體的陰影并做時(shí)間標(biāo)注和排序，再將標(biāo)注時(shí)間、序號(hào)、事件體長(zhǎng)寬等信息存入數(shù)據(jù)庫(kù)；
最后將運(yùn)動(dòng)事件體與背景進(jìn)行無(wú)縫融合，并利用優(yōu)化算法排除碰撞現(xiàn)象；
(2)視頻檢索:首先可以根據(jù)運(yùn)動(dòng)目標(biāo)顏色或者大小信息，計(jì)算濃縮后視頻中所有運(yùn)動(dòng)目標(biāo)的相似性，再根據(jù)相似對(duì)比度來(lái)檢索指定目標(biāo)與視頻中所有運(yùn)動(dòng)目標(biāo)的相似程度，進(jìn)而鎖定是否存在同一目標(biāo)。
[0018]在步驟A中:對(duì)原視頻文件的格式為AVI或者M(jìn)PG格式。
[0019]在步驟B中:根據(jù)人和車的模型特點(diǎn)，視頻檢索還能夠?qū)θ撕蛙囘M(jìn)行分類，以縮小檢索范圍。
【主權(quán)項(xiàng)】
1.一種視頻濃縮的方法，其特征在于該方法包括如下步驟: A、視頻濃縮:將原視頻放入濃縮界面，首先采用幀間差分算法計(jì)算出相鄰兩幀之間對(duì)應(yīng)點(diǎn)的像素值不同的像素點(diǎn)，其中這類相鄰的像素點(diǎn)組成了運(yùn)動(dòng)的像素塊； 同時(shí)利用混合高斯模型建立背景模型，再利用統(tǒng)計(jì)平均值算法來(lái)實(shí)時(shí)的更新背景； 然后利用卡爾曼濾波算法對(duì)運(yùn)動(dòng)的像素塊做運(yùn)動(dòng)目標(biāo)分析，以提取出運(yùn)動(dòng)事件體，接著去除運(yùn)動(dòng)事件體的陰影并做時(shí)間標(biāo)注和排序，再將標(biāo)注時(shí)間、序號(hào)、事件體長(zhǎng)寬等信息存入數(shù)據(jù)庫(kù)； 最后將運(yùn)動(dòng)事件體與背景進(jìn)行無(wú)縫融合，并利用優(yōu)化算法排除碰撞現(xiàn)象； (2)視頻檢索:首先可以根據(jù)運(yùn)動(dòng)目標(biāo)顏色或者大小信息，計(jì)算濃縮后視頻中所有運(yùn)動(dòng)目標(biāo)的相似性，再根據(jù)相似對(duì)比度來(lái)檢索指定目標(biāo)與視頻中所有運(yùn)動(dòng)目標(biāo)的相似程度，進(jìn)而鎖定是否存在同一目標(biāo)。2.根據(jù)權(quán)利要求1所述的視頻濃縮的方法，其特征在于:在步驟A中:對(duì)原視頻文件的格式為AVI或者M(jìn)PG格式。3.根據(jù)權(quán)利要求1所述的視頻濃縮的方法，其特征在于:在步驟B中:根據(jù)人和車的模型特點(diǎn)，視頻檢索還能夠?qū)θ撕蛙囘M(jìn)行分類，以縮小檢索范圍。
【專利摘要】本發(fā)明涉及一種視頻濃縮的方法，屬于數(shù)字圖像處理技術(shù)與計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域。本發(fā)明能夠?qū)⒑Ａ康囊曨l錄像進(jìn)行濃縮，縮短預(yù)覽時(shí)間，節(jié)約人類的工作時(shí)間。同時(shí)能夠快速地、精準(zhǔn)地搜索指定運(yùn)動(dòng)目標(biāo)，為刑偵、安防以及交通安全等領(lǐng)域提供服務(wù)。
【IPC分類】G06F17/30, H04N7/18
【公開(kāi)號(hào)】CN105007464
【申請(qǐng)?zhí)枴緾N201510423031
【發(fā)明人】王麗峰, 贠周會(huì), 王旭, 葉超, 王欣欣, 黃江林, 吳斌, 黃亮
【申請(qǐng)人】江西洪都航空工業(yè)集團(tuán)有限責(zé)任公司
【公開(kāi)日】2015年10月28日
【申請(qǐng)日】2015年7月20日