CN101232571B - 一种人体图像匹配方法及视频分析检索系统 - Google Patents
一种人体图像匹配方法及视频分析检索系统 Download PDFInfo
- Publication number
- CN101232571B CN101232571B CN2008100569055A CN200810056905A CN101232571B CN 101232571 B CN101232571 B CN 101232571B CN 2008100569055 A CN2008100569055 A CN 2008100569055A CN 200810056905 A CN200810056905 A CN 200810056905A CN 101232571 B CN101232571 B CN 101232571B
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- information
- matching
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000008878 coupling Effects 0.000 claims description 19
- 238000010168 coupling process Methods 0.000 claims description 19
- 238000005859 coupling reaction Methods 0.000 claims description 19
- 238000004040 coloring Methods 0.000 claims description 12
- 230000000295 complement effect Effects 0.000 claims description 11
- 230000000875 corresponding effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000010606 normalization Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种人体图像匹配方法及视频分析检索系统，先对待分析视频进行第一次视频部分解码，得到需要的检测信息后，进行运动检测，并仅对发生运动的图像进行第二次视频部分解码，得到图像的亮度和颜色信息，进行人体检测和跟踪，得到人体信息存入数据库中。当需要查询时，输入查询人的查询信息，并通过访问数据库中的人体信息，采用人体匹配算法获得与所述查询人的查询信息相匹配的匹配结果，输出并显示匹配结果。本发明的方法和系统加快了处理速度，并提高了查询精度。
Description
技术领域
本发明涉及数字图像领域，尤其涉及一种人体图像匹配方法及视频分析检索系统。
背景技术
无论是视频监控，还是视频分析检索，其中最重要最关心的都是人的活动。因而，能够从视频中提取人的信息，并对人的信息进行查询检索的相关技术都具有重要意义。
一般的视频分析和智能监控系统，在对视频进行分析之前，通常都需要对视频进行完全解码，得到图像每个象素的各个颜色通道的信息，之后才进行处理，这种处理方法非常费时间。
发明内容
本发明所要解决的技术问题在于提供一种人体图像匹配方法及视频分析检索系统，对视频进行部分解码，得到需要的信息后，先进行运动检测，并仅对发生运动的图像才进行下一步处理，克服了现有处理方法费时的缺陷。
为了实现上述目的，本发明提供了一种人体图像匹配方法，用于视频分析检索，其特点在于，该方法包括：
通过对待分析视频进行第一次视频部分解码，获得需要的检测信息；
利用所获得的检测信息进行运动检测，确定当前图像是否发生了显著运动；
如果当前图像发生运动，对当前图像进行第二次视频部分解码，得到图像的颜色和亮度信息；
通过对所得到的图像的亮度和颜色信息进行分析，采用人体检测和跟踪的方式获得当前图像中的人体信息；
将人体信息存入人体信息数据库中，以供查询；
输入查询人的查询信息；
通过访问人体信息数据库获取库中人体信息，获得与所述查询信息相匹配的匹配结果并输出。
优选地，在进行该对待分析视频进行第一次视频部分解码的步骤中，获得需要的检测信息包括当前帧图像的DCT系数。
优选地，所述利用所获得的检测信息进行运动检测的步骤包括：获取当前帧图像的各个DCT系数；对于当前帧图像的各个DCT系数，将每一个DCT系数与至少一相邻帧图像的对应DCT系数作差，并取差值的绝对值之和，如果该差值绝对值之和大于第一阈值，则可确定该当前帧图像的该个DCT系数发生变化；如果当前帧图像中发生变化的DCT系数所占比例大于第二阈值，则可确定当前帧图像存在运动。
优选地，采用人体检测和跟踪的方式获得当前图像中的人体信息的步骤中，所获得的人体信息包含人的编号(ID)、出现帧数、帧序号、以及至少包括有亮度和颜色信息的人体代表图像。
优选地，所述人体代表图像的确定方法是：经人体检测和跟踪之后，获得多幅人体图像；确定每一幅人体图像的人体面积，并依次按从大到小的顺序将人体图像进行排序；获取多个排序在前的人体图像；确定该多个排序在前的人体图像即为人体代表图像。
优选地，经人体检测和跟踪之后，获得多幅人体图像；确定每一幅人体图像的人体检测置信度大小，并依次按从大到小的顺序将人体图像进行排序；获取多个排序在前的人体图像；确定该多个排序在前的人体图像即为人体代表图像。
优选地，所述人体代表图像为经归一化成标准尺寸大小的图像。
优选地，输入查询人的查询信息的步骤包括输入颜色信息。
优选地，通过访问人体信息数据库获取库中人体信息，获得与所述查询信息相匹配的匹配结果的步骤还包括：
输入颜色中心和颜色比例信息；
以输入的颜色中心和颜色比例作为EMD(Earth Mover Distance)距离的中心和权重，与库中图像计算匹配程度；
设定匹配度第三阈值；
如果匹配程度超过第三阈值，确定所输入的查询信息与人体信息数据库中的人体信息匹配上；
将匹配上的匹配结果进行输出和显示。
优选地，所输入的颜色中心和颜色比例信息的步骤还包括：将人体分为上半身和下半身；对该上半身和下半身分别进行处理，得到的人体上半身和人体下半身的颜色中心和颜色比例信息。
优选地，该方法还包括分别计算上半身的匹配度和下半身的匹配度，并将二者和作为最终的匹配度。
优选地，所输入的颜色信息为经颜色通道转换至LAB色彩空间的颜色信息。
优选地，输入查询人的查询信息的步骤包括输入图像信息。
优选地，通过访问人体信息数据库获取库中人体信息，以获得与所述查询信息相匹配的匹配结果的步骤还包括：
获得该输入图像的直方图；
从数据库中读出库中人体的直方图，并采用EMD距离得到二者的匹配程度；
设定匹配度第四阈值；
如果匹配程度超过第四阈值，确定所输入的图像信息与人体信息数据库中的人体信息匹配上；
将匹配结果进行输出和显示。
优选地，该方法还包括：将经匹配查询后所获得的匹配结果按照匹配程度由大到小的顺序进行排列；显示的匹配结果包含匹配人的编号(ID)、出现帧数、人体代表图像。
优选地，获得输入图像的直方图的步骤包括：将输入图像的RGB三个分量分别量化，每个分量都对应一个直方图；将三个分量的直方图首尾连在一起，组成一个三倍的直方图。
优选地，获得输入图像的直方图的步骤包括：将输入图像的三个分量分别量化，分别作为新颜色值的高位、中间位和低位数据；对新颜色值建立一个直方图并统计。
优选地，所述输入图像为RGB图像，且分别将该输入图像的R、G、B三个分量分别量化为两位数据并重新组成一个六位数据的新颜色值，其中，将R分量量化后的两位作为新颜色值的第5，6位，将G分量量化后的两位作为新颜色值的第3，4位，将B分量量化后的两位作为新颜色值的1，2位，1位为最低位。
优选地，所述获得的输入图像的直方图包括将人体的上半身图像和下半身图像分别计算得到的人体的上半身直方图和下半身直方图，并分别和库中人体的上半身直方图和下半身直方图计算EMD距离，将二者匹配程度和作为最终的匹配程度。
优选地，在查询阶段，采用特征结合EMD距离的方式进行匹配查询，所述匹配方法包括：
输入人体图像；
对所输入的人体图像和库中的人体代表图像的颜色分别进行Kmean(K均值)聚类，设定聚类后的中心数量，并采用包含颜色和亮度信息作为特征，通过Kmean聚类算法得到所输入的人体图像和库中的人体代表图像的主要颜色的中心值和所占比例，分别对应于EMD距离的中心值和权重；
将二者的Kmean(K均值)的中心值和所占比例作为EMD的中心值和权重进行匹配计算，得到匹配程度；
设定匹配度第五阈值；
如果匹配程度超过第五阈值，确定所输入的人体图像与人体信息数据库中的人体代表图像匹配上；
将匹配上的匹配结果进行输出和显示。
为了实现上述目的，本发明还提供了一种视频分析检索系统，其特点在于，包括：
第一视频解码单元，用于接收待分析视频并进行第一次部分解码，解码出需要的检测信息；
运动检测单元，用于接收所述检测信息并进行运动检测，确定当前图像是否发生了显著运动；
第二视频解码单元，用于接收发生显著运动的当前图像并进行第二次部分解码，解码出当前图像的颜色和亮度信息；
分析单元，用于接收当前图像的颜色和亮度信息并采用人体检测和跟踪的方式进行分析，得到相关的人体信息；
人体信息数据库，用于保存所述相关的人体信息；
输入单元，用于输入查询人的查询信息；
匹配查询单元，用于访问所述人体信息数据库中的人体信息，采用人体匹配算法进行匹配，获得与所述查询信息相匹配的匹配结果并输出该匹配结果；
显示单元，用于显示所述匹配结果。
本发明的方法和系统仅在部分解码完成后就进行运动检测，并仅对发生运动的图像才进行后续解码和分析。进一步，对发生运动的图像，进行人体检测和跟踪，并将人体的编号、代表图像、出现时间、轨迹等信息存入数据库以供查询。查询阶段，可以选择采用基于图像匹配和颜色查询两种方式。而且，还客将人体分为上半身和下半身，分别进行匹配查询，提高了查询速度和查询精度。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
图1为本发明的视频分析检索系统的结构示意图；
图2为本发明的人体图像匹配方法进行分析和查询的流程示意图。
具体实施方式
如图1所示，为本发明的视频分析检索系统的结构框图，其包括：第一视频解码单元101，用于接收待分析视频并进行第一次部分解码，解码出需要的检测信息；运动检测单元102，用于接收所述检测信息并进行运动检测，确定当前图像是否发生了显著运动；第二视频解码单元103，用于接收发生显著运动的当前图像并进行第二次部分解码，解码出当前图像的颜色和亮度信息；分析单元104，用于接收当前图像的颜色和亮度信息并采用人体检测和跟踪的方式进行分析，得到相关的人体信息；人体信息数据库105，用于保存所述相关的人体信息；输入单元106，用于输入查询人的查询信息；匹配查询单元107，用于访问所述人体信息数据库中的人体信息，采用人体匹配算法进行匹配，获得与所述查询信息相匹配的匹配结果并输出该匹配结果；以及显示单元108，用于显示所述匹配结果。
如图2所示，为了节省运算，本发明将视频解码过程分为两个部分，得到DCT系数(离散余弦变换系数)之前部分(包括得到DCT系数部分)和得到DCT系数之后部分。前者称为第一次视频部分解码，后者称为第二次视频部分解码。其中，第一次视频部分解码只需将视频解码出需要的检测信息，如DCT系数即可，而第二次视频部分解码则只需将发生了运动的图像解码出图像的颜色和亮度信息即可，如此可大大减少运算。
结合图1，并请继续参考图2，本发明的人体图像匹配方法主要包括两个阶段，分析阶段和查询阶段。其中，
分析阶段包括：
步骤11，对待分析视频进行第一次视频部分解码，得到当前帧图像的检测信息，如DCT系数。
步骤12，利用所获得的检测信息进行运动检测，确定当前图像是否发生了显著运动。
优选地，确定当前图像是否发生显著运动的一种实施方式是：对于当前帧图像的各个DCT系数，将每一个DCT系数与相邻N帧图像的对应DCT系数作差，得到N个差值，取这N个差值的绝对值之和，如果该差值绝对值之和大于第一阈值，则可确定该个DCT系数发生变化，如果图像中发生变化的DCT系数所占比例大于第二阈值，则确定当前帧图像存在运动。N可以大于1，也可以等于1。
步骤13，如果当前帧没有发生运动，则不进行处理并返回步骤11，继续进行下一帧图像的处理；否则，对当前帧图像进行第二次视频部分解码，得到图像的颜色和亮度信息。
步骤14，对得到图像的亮度和颜色信息进行分析，采用人体检测和跟踪的方式获得人体信息，该人体信息可以包含人的编号(ID)、出现帧数、帧序号、以及人体区域图像(包括亮度和颜色)。
步骤15，将人体信息存入人体信息数据库中，数据库可以采用access，oracle等数据库，也可以建立基于磁盘文件的数据库。
查询阶段包括：
步骤16，输入查询人的查询信息，该查询信息既可以输入颜色信息，也可以输入图像信息；进一步，该颜色信息可以分别设定上半身颜色，和下半身颜色。
步骤17，访问人体信息数据库获取库中人体信息，采用人体匹配算法获得与所述查询人的查询信息相匹配的匹配结果并输出。其中，可将匹配上的结果按照匹配程度由大到小的顺序进行排列显示；显示的匹配结果可包含匹配人的编号(ID)，出现帧数，每帧图像等信息。
优选地，在分析阶段，经人体检测和跟踪之后，可以根据人体面积大小或人体检测置信度大小，取前m(m≥1)大的图像为每个人确定m幅代表图像。而在查询阶段，只对库中每个人的代表图像进行匹配，从而提高匹配速度。在本发明中，一种确定代表图像的方式为采用人体面积最大的图像；一种更优的方式是采用人体置信度最大的图像。进一步，步骤14中的人体代表图像大小可以归一化为标准尺寸大小的图像，例如64x32(但不限于，其他大小也可以)，这样可以节省存储空间。
在本发明中，在查询阶段，可以采用特征结合EMD距离的方式进行匹配计算。其中，EMD距离可以参考Y.Rubner，L.J.Guibas，C.Tomasi，The earthmover’s distance，multi-dimensional scaling，and color-based imageretrieval，in：Proc.ARPA Image Understanding Workshop，1997，pp.661-668。EMD可以求得两个点集之间的距离，每个点集由多个点组成，每个点赋有一个权重，假定为p＝{(p1，wp1)，...，(pm，wpm)}和q＝{(q1，wq1)，...，(qn，wqn)}，其中pi为集合1中的一个点，wpi为其权重，qj为集合2中的一个点，wqj为其权重，EMD距离给出了两个点集之间的匹配程度。当上述每个点都处于颜色空间中时，EMD距离就衡量了两个颜色分布的匹配程度。此发明中将上述点称作中心。
对于输入为颜色的情况，输入可以按照中心颜色，以及颜色比例输入，可以输入多个颜色中心和比例，颜色比例可以不为1。具体可参照EMD距离，没有输入的其他比例认为不关心。然后以输入的颜色中心和比例作为EMD的中心和权重和库中图像计算匹配程度H。并设定匹配度第三阈值TH3，如果匹配程度H超过第三阈值TH3，则可确定所输入的查询信息与人体信息数据库中的人体信息匹配上，将匹配上的匹配结果进行输出和显示。
进一步，可以将人体分为上半部分和下半部分，分别进行Kmean聚类，对于输入人体颜色作为查询条件，也可以分别输入上半部分和下半部分的中心和比例，分别计算上半身的匹配度和下半身的匹配度，并将二者和作为最终的匹配度。
进一步的，还可将上述的三个颜色通道转换为LAB色彩空间进行处理；因为LAB空间接近的两个颜色在人眼看来更接近，因而得到的结果更为人所接受。
对于输入为图像的方式，可以采用直方图特征结合EMD距离的方式查询。假定直方图共有HN段，采用图像像素总数归一化后，每段的归一化直方图分布值分别为Hist(i)，i＝0，1，2...HN-1，且满足
则采用EMD计算距离时，假定两个归一化直方图分别为Hist1(i)和Hist2(i)，第一个直方图对应HN个中心，中心值为i，i＝0，1，2...HN-1，权重分别为为Hist1(i)，第二个直方图对应HN个中心，中心值为j，j＝0，1，2....HN-1，权重分别为Hist2(j)，则可以采用EMD计算两个已知中心值和各中心权重的集合的距离。查询的方法是：求得输入图像的直方图，从库中读出库中人体的直方图，并采用EMD距离得到二者的匹配程度H；设定匹配度第四阈值TH4，匹配程度H超过TH4的认为匹配上，否则认为没有匹配上。按照H值的大小将匹配上的结果排列显示。
由于图像的分辨率较低，为了使得直方图得到更好效果，一种可行方法是将彩色图像三个分量的8bits(最大为255)量化为5bits(或者4bits，或者6bits，或者7bits)，每个分量都对应一个直方图，并将三个分量的直方图首位连在一起，组成一个三倍的直方图。例如对RGB三个分量，可以将每个通道量化为5bits，则每个通道的直方图包含32个值，最终的直方图由R的32个值，G的32个值，B的32个值共96个值组成。
进一步，本发明的直方图的获取方法还可以为：将三个分量分别量化，分别作为一个新颜色值的高位、中间位和低位数据。对于RGB图像而言，一种方式为将R、G、B分别量化为2bits数据，然后，R量化后的两位作为新颜色值的第5，6位，G量化后的两位作为新颜色值的第3，4位，B量化后的两位作为新颜色值的1，2位。1位为最低位。则对新颜色值建立一个64个数值的直方图并统计。
进一步，本发明还可将人体的上半部分图像和人体的下半部分图像分别计算直方图，并分别和库中人体的上半部分直方图和下半部分直方图计算EMD距离，将二者匹配程度和作为最终的匹配程度。人体可以简单的按照人体比例划分为上半部分和下半部分，比如上下比例为1∶1。
一种更优的方式是，对于人体(包括输入和库中)图像颜色进行Kmean聚类，设定聚类后的中心数量，并采用包含颜色和亮度信息作为特征，通过Kmean聚类算法得到人体图像的主要颜色的中心值和所占比例，分别对应于EMD距离的中心值和权重。对于输入为人体图像的情况，将二者的Kmean的中心值和所占比例作为EMD的中心值和权重进行匹配计算，得到匹配程度H。并设定匹配度第五阈值TH5，如果匹配程度H超过第五阈值TH5，则可确定所输入的人体图像与人体信息数据库中的人体代表图像匹配上，否则认为没有匹配上，将匹配上的匹配结果进行输出和显示。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变型，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (21)
1.一种人体图像匹配方法，用于视频分析检索，其特征在于，该方法包括：
通过对待分析视频进行第一次视频部分解码，获得需要的检测信息；
利用所获得的检测信息进行运动检测，确定当前图像是否发生了显著运动；
如果当前图像发生运动，对当前图像进行第二次视频部分解码，得到图像的颜色和亮度信息；
通过对所得到的图像的亮度和颜色信息进行分析，采用人体检测和跟踪的方式获得当前图像中的人体信息；
将人体信息存入人体信息数据库中，以供查询；
输入查询人的查询信息；
通过访问人体信息数据库获取库中人体信息，获得与所述查询信息相匹配的匹配结果并输出。
2.根据权利要求1所述的人体图像匹配方法，其特征在于，在进行该对待分析视频进行第一次视频部分解码的步骤中，获得需要的检测信息包括当前帧图像的DCT系数。
3.根据权利要求2所述的人体图像匹配方法，其特征在于，所述利用所获得的检测信息进行运动检测的步骤包括：
获取当前帧图像的各个DCT系数；
对于当前帧图像的各个DCT系数，将每一个DCT系数与至少一相邻帧图像的对应DCT系数作差，并取差值的绝对值之和，如果该差值绝对值之和大于第一阈值，则可确定该当前帧图像的该个DCT系数发生变化；
如果当前帧图像中发生变化的DCT系数所占比例大于第二阈值，则可确定当前帧图像存在运动。
4.根据权利要求1所述的人体图像匹配方法，其特征在于，采用人体检测和跟踪的方式获得当前图像中的人体信息的步骤中，所获得的人体信息包含人的编号、出现帧数、帧序号、以及人体代表图像。
5.根据权利要求4所述的人体图像匹配方法，其特征在于，所述人体代表图像的确定方法是：
经人体检测和跟踪之后，获得多幅人体图像；
确定每一幅人体图像的人体面积，并依次按从大到小的顺序将人体图像进行排序；
获取多个排序在前的人体图像；
确定该多个排序在前的人体图像即为人体代表图像。
6.根据权利要求4所述的人体图像匹配方法，其特征在于，
经人体检测和跟踪之后，获得多幅人体图像；
确定每一幅人体图像的人体检测置信度大小，并依次按从大到小的顺序将人体图像进行排序；
获取多个排序在前的人体图像；
确定该多个排序在前的人体图像即为人体代表图像。
7.根据权利要求5或6所述的人体图像匹配方法，其特征在于，所述人体代表图像为经归一化成标准尺寸大小的图像。
8.根据权利要求4所述的人体图像匹配方法，其特征在于，输入查询人的查询信息的步骤包括输入颜色信息。
9.根据权利要求8所述的人体图像匹配方法，其特征在于，通过访问人体信息数据库获取库中人体信息，获得与所述查询信息相匹配的匹配结果的步骤还包括：
输入颜色中心和颜色比例信息；
以输入的颜色中心和颜色比例作为EMD距离的中心和权重，与库中图像计算匹配程度；
设定匹配度第三阈值；
如果匹配程度超过第三阈值，确定所输入的查询信息与人体信息数据库中的人体信息匹配上；
将匹配上的匹配结果进行输出和显示。
10.根据权利要求9所述的人体图像匹配方法，其特征在于，所输入的颜色中心和颜色比例信息的步骤还包括：
将人体分为上半身和下半身；
对该上半身和下半身分别进行处理，得到的人体上半身和人体下半身的颜色中心和颜色比例信息。
11.根据权利要求10所述的人体图像匹配方法，其特征在于，该方法还包括分别计算上半身的匹配度和下半身的匹配度，并将二者和作为最终的匹配度。
12.根据权利要求10所述的人体图像匹配方法，其特征在于，所输入的颜色信息为经颜色转换至LAB色彩空间的颜色信息。
13.根据权利要求4所述的人体图像匹配方法，其特征在于，输入查询人的查询信息的步骤包括输入图像信息。
14.根据权利要求13所述的人体图像匹配方法，其特征在于，通过访问人体信息数据库获取库中人体信息，以获得与所述查询信息相匹配的匹配结果的步骤还包括：
获得该输入图像的直方图；
从数据库中读出库中人体的直方图，并采用EMD距离得到二者的匹配程度；
设定匹配度第四阈值；
如果匹配程度超过第四阈值，确定所输入的图像信息与人体信息数据库中的人体信息匹配上；
将匹配结果进行输出和显示。
15.根据权利要求9或14所述的人体图像匹配方法，其特征在于，该方法还包括：
将经匹配查询后所获得的匹配结果按照匹配程度由大到小的顺序进行排列；
显示的匹配结果包含匹配人的编号、出现帧数、人体代表图像。
16.根据权利要求14所述的人体图像匹配方法，其特征在于，获得输入图像的直方图的步骤包括：
将输入图像的RGB三个分量分别量化，每个分量都对应一个直方图；
将三个分量的直方图首尾连在一起，组成一个三倍的直方图。
17.根据权利要求14所述的人体图像匹配方法，其特征在于，获得输入图像的直方图的步骤包括：
将输入图像的三个分量分别量化，分别作为新颜色值的高位、中间位和低位数据；
对新颜色值建立一个直方图并统计。
18.根据权利要求17所述的人体图像匹配方法，其特征在于，所述输入图像为RGB图像，且分别将该输入图像的R、G、B三个分量分别量化为两位数据并重新组成一个六位数据的新颜色值，其中，将R分量量化后的两位作为新颜色值的第5，6位，将G分量量化后的两位作为新颜色值的第3，4位，将B分量量化后的两位作为新颜色值的1，2位，1位为最低位。
19.根据权利要求16或17所述的人体图像匹配方法，其特征在于，所述获得的输入图像的直方图包括将人体的上半身图像和下半身图像分别计算得到的人体的上半身直方图和下半身直方图，并分别和库中人体的上半身直方图和下半身直方图计算EMD距离，将二者匹配程度和作为最终的匹配程度。
20.根据权利要求13所述的人体图像匹配方法，其特征在于，所述通过访问人体信息数据库获取库中人体信息，获得与所述查询信息相匹配的匹配结果的步骤包括：
输入人体图像；
对所输入的人体图像和库中的人体代表图像的颜色分别进行Kmean聚类，设定聚类后的中心数量，并采用包含颜色和亮度信息作为特征，通过Kmean聚类算法得到所输入的人体图像和库中的人体代表图像的主要颜色的中心值和所占比例，分别对应于EMD距离的中心值和权重；
将二者的Kmean的中心值和所占比例作为EMD的中心值和权重进行匹配计算，得到匹配程度；
设定匹配度第五阈值；
如果匹配程度超过第五阈值，确定所输入的人体图像与人体信息数据库中的人体代表图像匹配上；
将匹配上的匹配结果进行输出和显示。
21.一种视频分析检索系统，其特征在于，包括：
第一视频解码单元，用于接收待分析视频并进行第一次部分解码，解码出需要的检测信息；
运动检测单元，用于接收所述检测信息并进行运动检测，确定当前图像是否发生了显著运动；
第二视频解码单元，用于接收发生显著运动的当前图像并进行第二次部分解码，解码出当前图像的颜色和亮度信息；
分析单元，用于接收当前图像的颜色和亮度信息并采用人体检测和跟踪的方式进行分析，得到相关的人体信息；
人体信息数据库，用于保存所述相关的人体信息；
输入单元，用于输入查询人的查询信息；
匹配查询单元，用于访问所述人体信息数据库中的人体信息，采用人体匹配算法进行匹配，获得与所述查询信息相匹配的匹配结果并输出该匹配结果；
显示单元，用于显示所述匹配结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100569055A CN101232571B (zh) | 2008-01-25 | 2008-01-25 | 一种人体图像匹配方法及视频分析检索系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100569055A CN101232571B (zh) | 2008-01-25 | 2008-01-25 | 一种人体图像匹配方法及视频分析检索系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101232571A CN101232571A (zh) | 2008-07-30 |
| CN101232571B true CN101232571B (zh) | 2010-06-09 |
Family
ID=39898723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008100569055A Active CN101232571B (zh) | 2008-01-25 | 2008-01-25 | 一种人体图像匹配方法及视频分析检索系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101232571B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101599177B (zh) * | 2009-07-01 | 2011-07-27 | 北京邮电大学 | 一种基于视频的人体肢体运动的跟踪方法 |
| CN101626493B (zh) * | 2009-08-06 | 2012-12-19 | 北京北大千方科技有限公司 | 一种结合激光扫描和视频的行人前进方向判断方法 |
| CN102663754B (zh) * | 2012-04-17 | 2014-12-10 | 北京博研新创数码科技有限公司 | 一种基于区域高斯加权的图像匹配计算方法 |
| CN102800103B (zh) * | 2012-06-18 | 2015-02-18 | 清华大学 | 基于多视角的深度相机的无标记动作捕捉方法及装置 |
| CN108665476B (zh) * | 2017-03-31 | 2022-03-11 | 华为技术有限公司 | 一种行人跟踪方法以及电子设备 |
| CN107087229A (zh) * | 2017-05-16 | 2017-08-22 | 深圳市乃斯网络科技有限公司 | 终端视频解码方法及系统 |
| WO2018209548A1 (zh) * | 2017-05-16 | 2018-11-22 | 深圳市乃斯网络科技有限公司 | 终端视频解码方法及系统 |
| CN107578039A (zh) * | 2017-10-08 | 2018-01-12 | 王奕博 | 基于数字图像处理技术的字迹轮廓比对方法 |
| CN108717553B (zh) * | 2018-05-18 | 2020-08-18 | 杭州艾米机器人有限公司 | 一种机器人跟随人体的方法及系统 |
| CN108921773A (zh) * | 2018-07-04 | 2018-11-30 | 百度在线网络技术（北京）有限公司 | 人体跟踪处理方法、装置、设备及系统 |
| CN113239222B (zh) * | 2021-01-19 | 2023-10-31 | 佳木斯大学 | 一种基于图像信息提取与改进emd距离的图像检索方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1449185A (zh) * | 2002-01-25 | 2003-10-15 | 日本微系统株式会社 | 移动目标监视管理装置 |
| CN101021899A (zh) * | 2007-03-16 | 2007-08-22 | 南京搜拍信息技术有限公司 | 综合利用人脸及人体辅助信息的交互式人脸识别系统及方法 |
-
2008
- 2008-01-25 CN CN2008100569055A patent/CN101232571B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1449185A (zh) * | 2002-01-25 | 2003-10-15 | 日本微系统株式会社 | 移动目标监视管理装置 |
| CN101021899A (zh) * | 2007-03-16 | 2007-08-22 | 南京搜拍信息技术有限公司 | 综合利用人脸及人体辅助信息的交互式人脸识别系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 姚领田，刘雨，程勇.一个基于运动的视频检索系统.计算机与现代化 2.2004,(2),20-22. |
| 姚领田,刘雨,程勇.一个基于运动的视频检索系统.计算机与现代化 2.2004,(2),20-22. * |
| 赵志诚，蔡安妮.基于全局运动的视频检索方案.北京邮电大学学报29 4.2006,29(4),18-23. |
| 赵志诚,蔡安妮.基于全局运动的视频检索方案.北京邮电大学学报29 4.2006,29(4),18-23. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101232571A (zh) | 2008-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101232571B (zh) | 一种人体图像匹配方法及视频分析检索系统 | |
| CN102819582B (zh) | 一种海量图片快速检索方法 | |
| CN107622229A (zh) | 一种基于融合特征的视频车辆重识别方法与系统 | |
| CN102622420A (zh) | 基于颜色特征和形状上下文的商标图像检索方法 | |
| CN103065153A (zh) | 一种基于色彩量化和聚类的视频关键帧提取方法 | |
| CN101763429A (zh) | 一种基于颜色和形状特征的图像检索方法 | |
| CN1685359A (zh) | 未知多维数据中发现模式的计算方法 | |
| CN104376003A (zh) | 一种视频检索方法及装置 | |
| CN101714257A (zh) | 图像主颜色特征提取和结构化描述的方法 | |
| CN101300576A (zh) | 图像处理 | |
| CN103390040A (zh) | 一种视频拷贝检测方法 | |
| WO2008156296A1 (en) | System and method for managing digital videos using video features | |
| CN106777159B (zh) | 一种基于内容的视频片段检索及定位方法 | |
| CN103714181A (zh) | 一种层级化的特定人物检索方法 | |
| CN104899899A (zh) | 一种基于密度峰值的颜色量化方法 | |
| CN104504121A (zh) | 一种视频检索方法及装置 | |
| Shim et al. | Edge color histogram for image retrieval | |
| CN110807790B (zh) | 一种视频目标轨迹跟踪内容的图像数据抽取压缩方法 | |
| CN105959685B (zh) | 一种基于视频内容及聚类分析的压缩码率预测方法 | |
| CN117275095A (zh) | 基于伪三维残差卷积网络的视频人体异常行为识别方法 | |
| Qiu | Embedded colour image coding for content-based retrieval | |
| CN110460840B (zh) | 基于三维密集网络的镜头边界检测方法 | |
| Liu et al. | Video summary generation by visual shielding compressed sensing coding and double-layer affinity propagation | |
| Xu et al. | Block-based codebook model with oriented-gradient feature for real-time foreground detection | |
| CN107870923B (zh) | 图像检索方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20160517 Address after: 519031 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105 -478 Patentee after: GUANGDONG ZHONGXING ELECTRONICS CO., LTD. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |