CN103020981A - 一种基于视频运动目标的快速关键帧提取算法 - Google Patents
一种基于视频运动目标的快速关键帧提取算法 Download PDFInfo
- Publication number
- CN103020981A CN103020981A CN2011102824708A CN201110282470A CN103020981A CN 103020981 A CN103020981 A CN 103020981A CN 2011102824708 A CN2011102824708 A CN 2011102824708A CN 201110282470 A CN201110282470 A CN 201110282470A CN 103020981 A CN103020981 A CN 103020981A
- Authority
- CN
- China
- Prior art keywords
- target
- frame extraction
- algorithm based
- extraction algorithm
- key
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于视频运动目标的快速关键帧提取算法及其在智能安防中的应用,该方法可以有效正确视频图像中的多运动目标进行跟踪和关键帧采样,并能获得该目标的完整又不冗余的时间和空间信息,从而实现智能视频监控和智能判断。
Description
技术领域
本发明属于计算机视觉领域,特别涉及一种基于视频运动目标的快速关键帧提取算法,及该方法在智能安防中的应用。
背景技术
智能视频监控以数字化、网络化视频监控为基础,但又有别于一般的网络化视频监控,它是一种更高端的视频监控应用。智能视频监控系统能够识别不同的物体。发现监控画面中的异常情况,并能以最快和最佳的方式发出警报和提供有用信息,从而能够更加有效地协助安全人员处理危机,并最大限度地降低误报和漏报现象。智能视频监控中的视频运动目标的快速关键帧提取算法已经是智能视频监控关键环节,它的后继处理包括目标行为分析、目标分类的效率和效果都非常依赖目标关键帧提取的结果。目前比较常用的提取方案包括对整幅图的关键帧提取和对每个目标的关键帧提取(本专利的实现方案)。
由于常见的方法在对视频图像中目标关键帧尚不能完全有效地进行提取,业界亟待一种能够实现智能视频监控中对运动目标进行智能关键帧提取的具体方法。本专利技术无论在效率或者效果上都能够满足现在市场的要求。
发明内容
本发明的目的是针对现有视频监视系统,存在运动目标遮挡、静止不动、前景检测不完整、跟踪丢失、采样点的时空信息选择问题进行了很好的解决,实践证明本发明是可以胜任市场需求的。
为了实现发明目的,采用的技术方案如下:
基于视频运动目标的快速关键帧提取算法的流程图如图1所示。
该流程首先是通过codebook算法前景检测获得当前帧的掩码图,接着对当前帧的掩码图的运动目标和之前运动目标集合进行二部图权值计算得到权值矩阵,然后对权值矩阵用匈牙利算法计算最小代价匹配,来对目标进行跟踪,其中还包括消失或新出现目标的综合处理,确保目标跟踪的效果。
再次,就是分析当前采样的点有没有和其他目标进行的碰撞或遮挡情况,如果有该种情况不能对其进行采样。
最后,就是对当前目标关键帧的完整性,进行智能分析,如果能较好地反映目标的信息,就对其进行采样,否则不进行采样。
该算法没有用到大量的运算,可在初始状态下对于目标运动趋势不了解的情况下实施对目标的稳定采样,并且采样的效果非常好,很少会出现采样帧不好的情况或者丢失目标运动信息的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一中整体框架示意图;
图2为本发明实施例一中算法实现示意图;
具体实施方式
本发明函数基于最新的OpenCV库。OpenCV是“Open Source Computer VisionLibrary”的简写,是Intel开源计算机视觉库。它由一系列C函数和少量的C++类构成,是可实现图像处理和计算机视觉方面的很多通用算法,可用来处理计算机视觉领域中常见的问题。
首先利用codebook得到掩码图,算法函数为Codebook.getMask(IplImage*yuvImg,IplImage*fg,int nfrms),其中yuvImg是一个YUV色彩空间模型,codebook算法返回的fg是二值掩模图,nfrms是视频帧号。再利用calweight(CBlobSeq<CTrackingBlob>*L1,BlobSeq<CTrackingBlob>*L2)计算匹配权值图矩阵M[][],然后再利用match(int M[][50],int n,int m,int*match1),计算匹配结果在match1[]中,然后再根据match1[]结果做相应处理,已达到跟踪的效果。
其次,对关键帧的提前,我们定义的结构体
在void AddFrame(CBlob*pB,IplImage*pImg,IplImage*pMask,int fraNum)里面,已经包括了上述所说的关键帧采样的所有技术方案。
Claims (6)
1.一种基于视频运动目标的快速关键帧提取算法,其特征在于基于OPENCV(开源计算机视觉)函数库。
2.一种基于视频运动目标的快速关键帧提取算法,其特征在于利用codebook算法先对视频进行前景检测和利用匈牙利算法进行全局所有目标进行匹配跟踪。
3.一种基于视频运动目标的快速关键帧提取算法,其特征在于对运动目标的时间信息进行智能分析,包括出现时间、结束时间以及时间点的空间信息。
4.一种基于视频运动目标的快速关键帧提取算法,其特征在于对运动目标的空间信息进行智能分析,包括出现位置、离开位置以及位置点的位置信息。
5.一种基于视频运动目标的快速关键帧提取算法,其特征在于对运动目标的时间和空间信息进行综合智能分析,让关键帧采样尽可能少,却有不能丢失目标行为的关键信息,以便行为分析。
6.一种基于视频运动目标的快速关键帧提取算法,其特征在于对运动目标的前景检测和跟踪情况进行综合智能分析,让目标关键帧采样图片完整并少干扰信息,以便对目标进行识别分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102824708A CN103020981A (zh) | 2011-09-20 | 2011-09-20 | 一种基于视频运动目标的快速关键帧提取算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102824708A CN103020981A (zh) | 2011-09-20 | 2011-09-20 | 一种基于视频运动目标的快速关键帧提取算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103020981A true CN103020981A (zh) | 2013-04-03 |
Family
ID=47969547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102824708A Pending CN103020981A (zh) | 2011-09-20 | 2011-09-20 | 一种基于视频运动目标的快速关键帧提取算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020981A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413322A (zh) * | 2013-07-16 | 2013-11-27 | 南京师范大学 | 序列视频关键帧提取方法 |
US9455010B1 (en) | 2015-10-20 | 2016-09-27 | International Business Machines Corporation | Video storage and video playing |
CN108833967A (zh) * | 2018-07-06 | 2018-11-16 | 江西洪都航空工业集团有限责任公司 | 一种基于视频的快速切片方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207807A (zh) * | 2007-12-18 | 2008-06-25 | 孟智平 | 一种处理视频的方法及其系统 |
CN101753852A (zh) * | 2008-12-15 | 2010-06-23 | 姚劲草 | 基于目标检测与跟踪的体育比赛动态微型地图 |
CN101783020A (zh) * | 2010-03-04 | 2010-07-21 | 湖南大学 | 一种联合概率数据关联的视频多目标快速跟踪方法 |
CN101807198A (zh) * | 2010-01-08 | 2010-08-18 | 中国科学院软件研究所 | 一种基于草图的视频摘要生成方法 |
-
2011
- 2011-09-20 CN CN2011102824708A patent/CN103020981A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207807A (zh) * | 2007-12-18 | 2008-06-25 | 孟智平 | 一种处理视频的方法及其系统 |
CN101753852A (zh) * | 2008-12-15 | 2010-06-23 | 姚劲草 | 基于目标检测与跟踪的体育比赛动态微型地图 |
CN101807198A (zh) * | 2010-01-08 | 2010-08-18 | 中国科学院软件研究所 | 一种基于草图的视频摘要生成方法 |
CN101783020A (zh) * | 2010-03-04 | 2010-07-21 | 湖南大学 | 一种联合概率数据关联的视频多目标快速跟踪方法 |
Non-Patent Citations (3)
Title |
---|
KYUNGNAM KIM等: "real-time foreground-background segmentation using codebook mode", 《REAL-TIME IMAGING》 * |
刘瑞祯等: "《OpenCV教程 基础篇》", 30 April 2009, 北京航空航天大学出版社 * |
齐美彬等: "一种基于改进码本的车辆检测与跟踪方法", 《中国图象图形学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413322A (zh) * | 2013-07-16 | 2013-11-27 | 南京师范大学 | 序列视频关键帧提取方法 |
CN103413322B (zh) * | 2013-07-16 | 2015-11-18 | 南京师范大学 | 序列视频关键帧提取方法 |
US9455010B1 (en) | 2015-10-20 | 2016-09-27 | International Business Machines Corporation | Video storage and video playing |
US9578278B1 (en) | 2015-10-20 | 2017-02-21 | International Business Machines Corporation | Video storage and video playing |
US9584788B1 (en) | 2015-10-20 | 2017-02-28 | International Business Machines Corporation | Video storage and video playing |
CN108833967A (zh) * | 2018-07-06 | 2018-11-16 | 江西洪都航空工业集团有限责任公司 | 一种基于视频的快速切片方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
CN109657575B (zh) | 室外施工人员智能视频跟踪算法 | |
CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN108040221B (zh) | 一种智能视频分析与监控系统 | |
CN113011367B (zh) | 一种基于目标轨迹的异常行为分析方法 | |
CN100585656C (zh) | 一种基于规则的全天候智能视频分析监控方法 | |
Swathi et al. | Crowd behavior analysis: A survey | |
CN103500324B (zh) | 基于视频监控的暴力行为识别方法 | |
CN111800507A (zh) | 一种交通监控方法及交通监控系统 | |
CN104123544A (zh) | 基于视频分析的异常行为检测方法及系统 | |
Kulkarni et al. | Real time vehicle detection, tracking and counting using Raspberry-Pi | |
CN104506819A (zh) | 一种多摄像头实时联动的互反馈跟踪系统及方法 | |
CN104200466A (zh) | 一种预警方法及摄像机 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
Pathak et al. | Anomaly localization in topic-based analysis of surveillance videos | |
Ullah et al. | Gaussian mixtures for anomaly detection in crowded scenes | |
Patil et al. | Global abnormal events detection in surveillance video—A hierarchical approach | |
Wang et al. | Traffic camera anomaly detection | |
CN103020981A (zh) | 一种基于视频运动目标的快速关键帧提取算法 | |
CN113963373A (zh) | 一种基于视频图像动态检测与跟踪算法系统及方法 | |
Kwon et al. | Scene modeling-based anomaly detection for intelligent transport system | |
CN203279057U (zh) | 多目标智能跟踪锁定监控系统 | |
CN102789645A (zh) | 一种用于周界防范的多目标快速跟踪方法 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130403 |