CN102693292B - 基于rfid的内河船舶视频处理和快速检索方法 - Google Patents
基于rfid的内河船舶视频处理和快速检索方法 Download PDFInfo
- Publication number
- CN102693292B CN102693292B CN2012101500922A CN201210150092A CN102693292B CN 102693292 B CN102693292 B CN 102693292B CN 2012101500922 A CN2012101500922 A CN 2012101500922A CN 201210150092 A CN201210150092 A CN 201210150092A CN 102693292 B CN102693292 B CN 102693292B
- Authority
- CN
- China
- Prior art keywords
- ships
- video data
- boats
- video
- rfid
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于RFID的内河船舶视频处理和快速检索方法,该方法首先通过RFID读写器读取经过所述监控区域的船舶上的RFID电子标签信息,并记录该船舶进出该监控区域的时间;同时监控摄像头对经过其拍摄区域的船舶进行视频采集并传回至服务器,服务器对传来的每一帧图像判断该帧中船舶运行情况是否出现异常,再对视频进行压缩和保存,并获得这一帧图像信息占用的字节。在保存监控视频数据的同时也在索引文件中记载额定时间间隔的视频在整个视频流文件中的位置,以及该时间段内是否出现了异常情况。它为海事中多点不间断监控所产生的视频创建索引文件,能快速对指定时间、目标船舶和异常场景进行播放。
Description
技术领域
本发明涉及视频检索方法,具体指一种基于RFID的内河船舶视频快速检索方法。
背景技术
在内河船舶现代化监管中,视频监控系统成为普遍的管理手段,通常是对多监控区域进行不间断地监控,将拍摄的视频数字信号保存成录像以供事后查阅,这些庞大的视频文件产生了海量的数据。一旦需要在这些大量的视频文件中寻找所需的视频数据,往往只能是以人海战术进行视频线索查找,如此工作犹如大海捞针,使检索人员面临巨大挑战。现有的视频检索技术分为两种,一种是已经很成熟的基于文本索引信息检索技术,如各类搜索引擎,如Google、Baidu、Bing以及Yahoo等都是以此技术为基础,然而在将内容、概念用文本表达时,如何将人的搜索意图转化为计算机容易理解的查询非常棘手;另一种是基于内容的视频检索,该检索方法首先必须进行视频镜头分割、关键帧提取、镜头聚类,经过这些处理,然后才能通过对视频段之间特征空间的比较来进行视频段内容的比较,但由于视频内容繁多且复杂,对视频的检索困难而且效率较低。所以急需一种新的检索方法协助监管人员快速定位到所需视频信息。
发明内容
本发明目的在于提供一种基于RFID的内河船舶视频处理和快速检索方法,本方法首先通过对拍摄的视频数据按时间顺序进行存储,然后制作与时间段内视频文件对应的索引文件,检索人员在检索到索引文件后,能迅速找对与其时间对应的视频文件。检索人员在检索到具有异常情况的索引文件后,确定该异常情况发生时间点内由RFID读取器读取的RFID电子标签信息对应的船舶信息。
实现本发明目的采用的技术方案是:一种基于RFID的内河船舶视频处理和快速检索方法,包括以下步骤:
(1)实时拍摄监控区域内的视频,并存储所得的视频数据;
(2)RFID读写器读取经过所述监控区域的船舶上的RFID电子标签信息,并记录所述船舶进出该监控区域的时间;
(3)对拍摄的每一帧视频数据进行图像处理和模式识别,判断船舶是否出现异常情况;
(4)对出现异常情况的视频数据做出标志记录,并将该标志记录与其对应的船舶视频压缩数据进行关联保存;
(5)根据需要选择某时间段内的标志记录,由该标志记录检索出与其对应的视频数据所在的异常时间点,读取该异常时间点的视频,以及找出RFID读写器在该异常时间点读取的RFID电子标签信息;
或者,根据船舶信息检索该船舶的RFID电子标签信息被RFID读取器读取的时间,然后检索该读取时间的船舶视频数据,查看其是否关联有出现异常情况的标志记录,从而确定该船舶是否出现异常。
上述技术方案中,所述步骤(1)中存储视频数据文件包括以下步骤:
首先,对第一秒内的M帧视频数据进行存储,将每秒拍摄的视频数据S依次按时间顺序存储为N1、N2、N3、……、NM,其中NM为第M帧视频数据的大小;
其次,对每分钟内距离该分钟起点时刻每秒产生的视频数据依次记录为SD1、SD2、SD3、……、SD60,其中SD1= S1,SD2= SD1+S2,SD3=SD2+S3……SD60=SD59+S60,S1、S2、S3、……、S60为该分钟内每秒的数据大小;
再次,对每小时内距离该小时起点时刻每分钟产生的视频数据依次记录为MD1、MD2、MD3、……、MD60,其中MD1= M1,MD2= MD1+M2,MD3= MD2+M3……MD60= MD59+M60,M1、M2、M3、……、M60为该小时内每分钟的数据大小;
最后,将H个小时拍摄的视频数据按时间顺序存储为H1、H2、H3、……、Hz。
在上述技术方案中,将所需显示的视频时刻距离起点时间记录的小时、分钟、秒依次相加得到视频数据的大小,将视频数据从起点时刻跳跃该大小的数据即可直接进入所述显示的视频时刻。
进一步地,步骤(3)中判断船舶出现异常情况包括以下步骤:
(3-1)对连续多帧图像进行比较,将变化的场景和静态背景分离,从而得到运动着的前景图像,其中灰度变化始终小于阈值的像素为静态背景;
(3-2)从前景运动图像中提取运动的区域,得到目标区域;
(3-3)将目标区域的特征与异常情况的模式进行匹配,将匹配结果与相应的阈值比较,如大于该阈值则认为出现船舶异常情况。
本发明方法首先对拍摄的船舶视频数据进行处理与识别,判断是否出现异常情况,对于出现异常情况的船舶视频数据做出标志记录,并将该标志记录与其对应的船舶视频压缩数据进行关联。当需要检查某时间段内是否有船舶出现异常的时候,只需在该时间段内检索出现异常情况的标志记录即可,然后根据该标志记录找出与其关联的船舶视频压缩数据,并根据该船舶视频压缩数据得到该异常情况发生的时间,最后根据检索出该异常情况发生的时间RFID读取器读取该船舶上RFID的信息,从而确定发生该异常情况的船舶信息。当需要确定某一船舶是否发生异常情况,首先根据该船舶信息检索该船舶的RFID信息被RFID读取器读取的时间,然后检索该读取时间的船舶视频数据,检索该船舶视频数据其是否关联有出现异常情况的标志记录,从而确定该船舶是否出现异常。
此外,根据本发明所述的视频数据存储方法,可以直接从视频数据的起始时刻跳跃至所需时刻的视频处,实现对某一时间点的精准播放,在检索某一时间的船舶视频数据后,迅速播放该时间的视频。
本发明方法能快速的检索出所需的船舶视频信息,减少检索量,提高工作人员的检索效率。
附图说明
图1为本发明基于RFID的内河船舶视频快速检索方法的流程图;
图2为图1中船舶视频数据存储结构示意图;
图3为实施例中检索船舶视频数据的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
如图1所示,基于RFID的内河船舶视频处理和快速检索方法包括以下步骤:
步骤S101:实时拍摄监控区域内的视频,并存储所得的视频数据,以及存储RFID读取器读取经过该监控区域的船舶上的RFID电子标签信息,该RFID电子标签信息包括船舶的ID号、属性信息,以及该船舶进、出该监控区域的时间信息。
步骤S102:对拍摄的每一帧视频数据进行图像处理和模式识别,判断是否出现船舶异常情况;判断船舶出现异常情况包括以下步骤:
(3-1)对连续多帧图像进行比较,将变化的场景和静态背景分离,从而得到运动着的前景图像,其中灰度变化始终小于阈值的像素为静态背景;
(3-2)从前景运动图像中提取运动的区域,得到目标区域;
(3-3)将目标区域的特征与异常情况的模式进行匹配,将匹配结果与相应的阈值比较,如大于该阈值则认为出现船舶异常情况。
在本实施例中,船舶发生异常情况包括但不限于以下几种情况:
(1)当船舶在江面上停滞时,船舶没有离开摄像机检测区,但是在连续的几十帧图像中,前景图像船舶的标识区域不移动;
(2)若出现火光,则在前景运动船舶的标识区域里,传回的图像中颜色红色的分量值占据大片区域,可以根据其特征写出相应的算法进行判断;
(3)当出现淌航时,即船舶速度等于水流速度,船舶位置在前后帧的变化比较小,通过图像处理计算得出的船舶速度与水文信息中的水流速度近似;
(4)当两条船舶之间出现或即将出现碰撞险情时,特征为两条船舶在图像上出现连接,或两条船舶之间的像素距离小于危险距离;
(5)当两条船舶之间出现追越时,特征为两条船舶在图像上的像素距离不断减少;
(6)当两条船舶之间出现并行时,特征为两条船舶在图像上同时处于某一断面区域。
其中,阈值的确定根据先验经验获得,然后通过每种异常的实地实验,根据其统计特点取判断准确率最高的阈值。本实施例以上述第(5)种异常情况说明如何获得该情况下的阈值,在实际情况下,两条船舶发生追越时候,两船舶在图像上像素距离将减小。统计发生追越时,该速度的减小情况,确定像素距离以某一速度减少时,两船舶发生追越概率最大,则以此像素距离减少的速度作为该发生追越异常情况的阈值。在步骤(3-3)中,像素距离匹配结果大于该阈值,则船舶发生追越异常情况。其它异常情况下的阈值确定同上述方法,此处不再一一赘述。
步骤S103:对出现异常情况的船舶视频数据做出标志记录;
步骤S104:将该标志记录作为索引文件与其对应的船舶视频压缩数据进行关联保存;
步骤S105:根据需要选择某时间段内的标志记录,由该标志记录检索出与其对应的船舶视频数据所在的异常时间点,读取该异常时间的船舶视频,以及然后找出在RFID读写器在该异常时间点内读取的RFID电子标签信息,确定该RFID电子标签信息对应的船舶信息。
步骤S106:根据船舶信息检索该船舶的RFID电子标签信息被RFID读取器读取的时间,然后检索该读取时间的船舶视频数据,看其是否关联有出现异常情况的标志记录,从而确定该船舶是否出现异常。
下面以具体的船舶视频数据存储方法来说明本发明方法快速检索异常船舶视频数据。
在上述步骤S101中,通过以下方法对H小时内的船舶视频数据进行存储:
首先,对第一秒内的M帧视频数据进行存储,将每秒拍摄的视频数据S依次按时间顺序存储为N1、N2、N3、……、NM,其中NM为第M帧视频数据的大小。
其次,每分钟内距离该分钟起点时刻时,已经产生的视频数据依次记录为SD1、SD2、SD3、……、SD60,其中SD1= S1,SD2= SD1+S2,SD3= SD2+S3……SD60=SD59+S60,S1、S2、S3、……、S60为该分钟内每秒的数据大小。
再次,每小时内距离该小时起点时刻时,已经产生的视频数据依次记录为MD1、MD2、MD3、……、MD60,其中MD1= M1,MD2= MD1+M2,MD3= MD2+M3……MD60= MD59+M60,M1、M2、M3、……、M60为该小时内每分钟的数据大小。
最后,将H个小时拍摄的视频数据按时间顺序存储为H1、H2、H3、……、Hz,其中Hz为第Z小时视频数据的大小,记录第Hz小时内的每分钟产生的视频数据大小为MD1、MD2、MD3、……、MD60,以及记录每分钟内各秒产生的视频数据大小为SD1、SD2、SD3、……、SD60。采用该方法对视频数据进行存储,所得到的视频数据结构如图2所示。
按照上述的视频数据存储方法,从起点时刻到h小时m分钟s秒内产生的所有视频数据大小为:H1+H2+H3+……+ Hh+ MDm+ SDms,其中Hh 为第h小时产生的数据大小,MDm 为第h小时m分钟产生的视频数据大小,SDms为第h小时m分钟s秒产生的视频数据大小。
如查询H个小时内h~h+1时间段中是否存在船舶异常情况,首先检索该时间内是否存在异常情况的标志记录,如:发现某次异常情况的标志记录,该标志记录对应h小时m分钟s秒,则在查看该时刻的视频时,输入该时刻后,按照上述的视频数据存储方法,检索系统直接从起始时刻跳跃到H1+H2+H3+……+ Hh+ MDm+ SDms大小的数据量即可直接观看该时刻的视频,如图3所示。
如果从RFID读取器中获得某一船舶进、出的时间,则查找该进、出时间所在时间段的视频数据,看是否关联有异常情况的标志记录,若有则该船舶发生异常情况,若无则船舶未发生异常情况。如想看该时刻的视频信息,则在视频数据中直接跳跃至该时间点,例如在RFID在第h小时m分钟s秒读取该船舶进入,输入该时刻后,视频数据直接从起始时刻跳跃到第H1+H2+H3+……+ Hh+ MDm+ SDms大小的数据量即可从该时刻观看视频,如图3所示。
Claims (3)
1.一种基于RFID的内河船舶视频处理和快速检索方法,其特征在于,包括以下步骤:
(1)实时拍摄监控区域内的视频,并存储所得的视频数据;所述存储所得的视频数据包括以下步骤:
首先,对第一秒内的M帧视频数据进行存储,将每秒拍摄的视频数据S依次按时间顺序存储为N1、N2、N3、……、NM,其中NM为第M帧视频数据的大小;
其次,对每分钟内距离该分钟起点时刻每秒产生的视频数据依次记录为SD1、SD2、SD3、……、SD60,其中SD1=S1,SD2=SD1+S2,SD3=SD2+S3……SD60=SD59+S60,S1、S2、S3、……、S60为该分钟内每秒的数据大小;
再次,对每小时内距离该小时起点时刻每分钟产生的视频数据依次记录为MD1、MD2、MD3、……、MD60,其中MD1=M1,MD2=MD1+M2,MD3=MD2+M3……MD60=MD59+M60,M1、M2、M3、……、M60为该小时内每分钟的数据大小;
最后,将H个小时拍摄的视频数据按时间顺序存储为H1、H2、H3、……、Hz;
(2)RFID读写器读取经过所述监控区域的船舶上的RFID电子标签信息,并记录所述船舶进出该监控区域的时间;
(3)对拍摄的每一帧视频数据进行图像处理和模式识别,判断船舶是否出现异常情况;
(4)对出现异常情况的视频数据做出标志记录,并将该标志记录与其对应的船舶视频压缩数据进行关联保存;
(5)根据需要选择某时间段内的标志记录,由该标志记录检索出与其对应的视频数据所在的异常时间点,读取该异常时间点的视频,以及找出RFID读写器在该异常时间点读取的RFID电子标签信息;
或者,根据船舶信息检索该船舶的RFID电子标签信息被RFID读取器读取的时间,然后检索该读取时间的船舶视频数据,查看其是否关联有出现异常情况的标志记录,从而确定该船舶是否出现异常。
2.根据权利要求1所述基于RFID的内河船舶视频处理和快速检索方法,其特征在于:将所需显示的视频时刻距离视频监控起点时间记录的小时、分钟、秒依次相加得到视频数据的大小,将视频数据从起点时刻跳跃该大小的数据即可直接进入所述显示的视频时刻。
3.根据权利要求1所述基于RFID的内河船舶视频处理和快速检索方法,其特征在于,步骤(3)中判断船舶出现异常情况包括以下步骤:
(3-1)对连续多帧图像进行比较,将变化的场景和静态背景分离,从而得到运动着的前景图像,其中灰度变化始终小于阈值的像素为静态背景;
(3-2)从前景运动图像中提取运动的区域,得到目标区域;
(3-3)将目标区域的特征与异常情况的模式进行匹配,将匹配结果与相应的阈值比较,如大于该阈值则认为出现船舶异常情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101500922A CN102693292B (zh) | 2012-05-16 | 2012-05-16 | 基于rfid的内河船舶视频处理和快速检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101500922A CN102693292B (zh) | 2012-05-16 | 2012-05-16 | 基于rfid的内河船舶视频处理和快速检索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102693292A CN102693292A (zh) | 2012-09-26 |
CN102693292B true CN102693292B (zh) | 2013-11-27 |
Family
ID=46858726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101500922A Expired - Fee Related CN102693292B (zh) | 2012-05-16 | 2012-05-16 | 基于rfid的内河船舶视频处理和快速检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102693292B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460487A (zh) * | 2018-12-18 | 2019-03-12 | 郑州云海信息技术有限公司 | 一种视频监控快速检索方法及系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9865306B2 (en) * | 2015-03-30 | 2018-01-09 | International Business Machines Corporation | System to distinguish between visually identical objects |
CN112001220A (zh) * | 2020-06-23 | 2020-11-27 | 江苏金动感智能设备有限公司 | 搜寻目标影像之方法及其系统 |
CN112437270B (zh) * | 2020-11-13 | 2021-09-28 | 珠海大横琴科技发展有限公司 | 一种监控视频播放方法、装置和可读存储介质 |
CN112839220A (zh) * | 2020-12-31 | 2021-05-25 | 杭州当虹科技股份有限公司 | 一种对于HDR视频通过sdi sdk实现质量观测的方法 |
CN113822217A (zh) * | 2021-09-30 | 2021-12-21 | 杭州春来科技有限公司 | 基于ais和视频图像分析的船舶尾气监测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100576285C (zh) * | 2008-09-02 | 2009-12-30 | 南京厚华通信设备有限责任公司 | 大型短波通信网络船舶监控定位和应急报警设备及其方法 |
CN101783082B (zh) * | 2009-08-04 | 2012-01-04 | 上海海事大学 | 一种基于rfid的内河船舶监管系统的监控方法 |
KR20110026910A (ko) * | 2009-09-09 | 2011-03-16 | 현대중공업 주식회사 | 선박블록 운영관리장치 |
CN101799898A (zh) * | 2010-01-22 | 2010-08-11 | 广东工业大学 | 一种基于rfid的车载货物监控系统及监控方法 |
CN102223413A (zh) * | 2011-06-20 | 2011-10-19 | 北京航天控制仪器研究所 | 一种船舶运输危险品集装箱智能监测系统 |
CN102419913A (zh) * | 2011-08-12 | 2012-04-18 | 上海海事大学 | 一种基于rfid技术的船舶过闸管理系统及其方法 |
-
2012
- 2012-05-16 CN CN2012101500922A patent/CN102693292B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460487A (zh) * | 2018-12-18 | 2019-03-12 | 郑州云海信息技术有限公司 | 一种视频监控快速检索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102693292A (zh) | 2012-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102693292B (zh) | 基于rfid的内河船舶视频处理和快速检索方法 | |
Cen et al. | Fully convolutional siamese fusion networks for object tracking | |
CN108040221B (zh) | 一种智能视频分析与监控系统 | |
CN110610510B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
US8027542B2 (en) | High speed video action recognition and localization | |
KR101223424B1 (ko) | 비디오 모션 검출 | |
CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别系统与方法 | |
US9934423B2 (en) | Computerized prominent character recognition in videos | |
GB2607749A (en) | Fine-grained visual recognition in mobile augmented reality | |
CN103347167A (zh) | 一种基于分段的监控视频内容描述方法 | |
Meng et al. | Object instance search in videos via spatio-temporal trajectory discovery | |
CN102065275A (zh) | 智能视频监控系统中多目标跟踪方法 | |
CN112422909B (zh) | 一种基于人工智能的视频行为分析管理系统 | |
CN107358622A (zh) | 一种基于可视化运动轨迹的视频信息处理方法与系统 | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
CN115346169A (zh) | 一种睡岗行为检测方法及系统 | |
CN103905789B (zh) | 动态分析数据的保存、搜索和事后分析的方法及其装置 | |
CN112257638A (zh) | 一种图像比对方法、系统、设备及计算机可读存储介质 | |
CN108334811B (zh) | 一种人脸图像处理方法及装置 | |
US20220084314A1 (en) | Method for obtaining multi-dimensional information by picture-based integration and related device | |
CN114494355A (zh) | 基于人工智能的轨迹分析方法、装置、终端设备及介质 | |
Zhang et al. | What makes for good multiple object trackers? | |
CN114219938A (zh) | 感兴趣区域获取方法 | |
Anandhi | Edge Computing-Based Crime Scene Object Detection from Surveillance Video Using Deep Learning Algorithms | |
CN112069331A (zh) | 一种数据处理、检索方法、装置、设备及存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131127 Termination date: 20170516 |
|
CF01 | Termination of patent right due to non-payment of annual fee |