CN103455625B - 一种用于视频摘要的目标快速重排列方法 - Google Patents

一种用于视频摘要的目标快速重排列方法 Download PDF

Info

Publication number
CN103455625B
CN103455625B CN201310426210.2A CN201310426210A CN103455625B CN 103455625 B CN103455625 B CN 103455625B CN 201310426210 A CN201310426210 A CN 201310426210A CN 103455625 B CN103455625 B CN 103455625B
Authority
CN
China
Prior art keywords
target
video
time
arrangement
jump
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
Application number
CN201310426210.2A
Other languages
English (en)
Other versions
CN103455625A (zh
Inventor
仇开金
杨波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Fiberhome Digtal Technology Co Ltd
Original Assignee
Wuhan Fiberhome Digtal Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Fiberhome Digtal Technology Co Ltd filed Critical Wuhan Fiberhome Digtal Technology Co Ltd
Priority to CN201310426210.2A priority Critical patent/CN103455625B/zh
Publication of CN103455625A publication Critical patent/CN103455625A/zh
Application granted granted Critical
Publication of CN103455625B publication Critical patent/CN103455625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种用于视频摘要的目标快速重排列方法，涉及计算机视觉、智能视频监控领域。本方法根据输入的目标运动信息，将各个目标按照原始出现时间排列，作为初始的排列，确保生成的摘要视频长度小于等于原始视频；通过去除不存在运动目标的视频帧，初步缩小摘要视频；通过迭代方式来达到目标排列全局最优的目的。本方法包括下列步骤：①输入运动目标信息（201）；②初始化（202）；③初排列（203）；④迭代排列（204）；⑤输出目标排列方式（205）。本发明具有目标的排列是全局最优；计算量小，速度快，排列效果稳定；任何情况下，摘要视频长度都要小于原始视频；适用于视频摘要中的目标重排列。

Description

一种用于视频摘要的目标快速重排列方法
技术领域
本发明涉及计算机视觉、智能视频监控领域，具体涉及一种用于视频摘要的目标快速重排列方法。
背景技术
随着视频监控系统的迅猛发展，已成为维护社会治安与管理的重要组成部分。但是视频录像存在数据量大、时间长等特点，直接通过原始录像查找的做法，存在耗费大量人力、物力及效率低下的问题。因此在视频监控系统中，视频摘要即对原始视频进行浓缩具有重要的指导意义。
目标的重排列是视频摘要的重要组成部分，它主要的目的是提取原始视频中运动目标的信息后，将目标重新排列从而生成短小的视频，从而加快查找速度。
一般的目标重排列思路是：构造能量函数，解这个能量函数使其获得极值，从而获得最佳的目标重排列，解这个能量函数的常用算法有模拟退火算法、遗传算法等，而这些算法存在随着问题规模的增加，运算量以及耗时呈几何增长的问题，不利于按需求快速生成摘要视频。
因此，在视频摘要中，高效进行目标的重排列是亟待解决的问题，这也正是本发明的出发点。
发明内容
本发明的目的就在于克服现有技术存在的问题和不足，提供一种用于视频摘要的目标快速重排列方法，提高目标重排列的速度以及均匀性（目标平均分布到摘要视频中）、同时提高摘要视频的压缩比例。
本发明所采用的技术方案是：
通过去除时间轴上没有运动目标的视频帧，粗略地重排列目标，通过考虑时间轴上不同目标的重叠面积、单位帧上目标的个数以及面积信息，达到精确稳定重排列目标，这种目标重排列方法能够使生成的摘要视频非常短，并且目标分布合理、重叠少。
一、一种视频摘要系统（简称系统）
本系统包括工作环境：视频监控平台、综合接入网关和视频摘要管理服务器；
设置有视频摘要分析服务器；
其连接关系是：视频监控平台、综合接入网关、视频摘要管理服务器和视频摘要服务器依次连接。
工作原理
视频摘要服务器连接到视频摘要管理服务器，视频摘要分析服务器根据视频摘要管理服务器的IP（互联网协议）和端口连接到视频摘要管理服务器；用户请求视频摘要分析任务时，此请求发送到视频摘要管理服务器，视频摘要管理服务器记录下视频摘要服务器状态，并将待检测摄像头列表均衡分配到空闲的视频摘要服务器，视频摘要分析服务器轮巡设备，从摄像头获取实时视频并解码，得到RGB(red，green，blue，红绿兰颜色表示法)数据，然后对RGB数据进行分析，并将检测结果上报到视频摘要管理服务器，视频摘要管理服务器将结果保存下来。
二、一种用于视频摘要的目标快速重排列方法（简称方法）
本方法的工作原理：
根据输入的目标运动信息，将各个目标按照原始出现时间排列，作为初始的排列，确保生成的摘要视频长度小于等于原始视频；通过去除不存在运动目标的视频帧，初步缩小摘要视频；通过迭代方式来达到目标排列全局最优的目的。
本方法包括以下步骤：
①输入目标运动信息；
②初始化；
③初排列；
④迭代排列；
⑤输出目标排列方式。
本发明具有下列优点和积极效果：
①目标的排列是全局最优；
②计算量小，速度快，排列效果稳定；
③任何情况下，摘要视频长度都要小于原始视频；
④适用于视频摘要中的目标重排列。
附图说明
图1是本系统的结构方框图；
图中：
10—视频监控平台，
11—第1视频监控平台，
12—第2视频监控平台……
1N—第N视频监控平台，N是自然数，N<10；
20—综合接入网关；
30—视频摘要管理服务器；
40—视频摘要分析服务器，
41—第1视频摘要分析服务器……
4N—第N视频摘要分析服务器，N是自然数，N<100。
图2是本方法的步骤图；
图3是初始化产生的效果图；
图4是初排列的流程图；
图5是迭代排列的流程图；
图6是初排列产生的效果图；
图7是迭代排列产生的效果图。
具体实施方式
下面结合附图和实施例对本发明详细说明：
一、系统
1、总体
如图1，本统计系统包括工作环境：视频监控平台10、综合接入网关20和视频摘要管理服务器30；
设置有视频摘要分析服务器40；
其连接关系是：视频监控平台10、综合接入网关20、视频摘要管理服务器30和视频摘要分析服务器40依次连接。
2、功能部件
1）视频监控平台10
为用户提供实时音视频和各种报警信号的远程采集、传输、存储和处理等业务。
2）综合接入网关20
实现视频监控平台的统计接入。
3）视频摘要管理服务器30
实现视频摘要资源管理，负责管理视频摘要分析资源。
4）视频摘要分析服务器40
视频摘要分析服务器40是视频摘要分析的功能实体，在物理分布上对应一台服务器。视频摘要分析服务器40由多个VA（视频分析单元）组成，每个VA可独立完成一路视频的摘要分析。
具体地说，视频摘要分析服务器40的VA模块包括通用电脑及植入电脑内的功能软件。
主要功能为：
①实现视频摘要分析算法；
②接入到视频摘要管理服务器30，由视频摘要管理服务器30集中管理；
③接收视频摘要管理服务器30的视频摘要分析请求，从视频监控平台10获取视频并进行分析；
④将结果上报给视频摘要管理服务器30。
二、方法
如图2，本方法实现步骤如下：
①输入运动目标信息-201
利用运动目标检测与跟踪算法检测获得运动目标信息，运动目标信息包括目标出现时间、消失时间、运动轨迹和外接矩形；
②初始化-202
根据运动目标信息中的目标出现时间将目标排列到时间轴上，目标排列所形成的时间总长记为L，如图3所示，其中A、B、C分别标示不同的目标；
③初排列-203
为了去掉没有目标的视频帧，如图4，进行以下操作：
A、令标识i=1，i为整数-401；
B、判断时间i处是否有目标-402，是则跳转到步骤D，否则进入步骤C；
C、移动-403，即将时间点i后面的目标统一向前移动，移动距离记为M1，M1为时间i与后面最近目标的起始时间之间的长度；
D、令i=i+1，令L=L-M1，-404；
E、判断i是否小于L-405，是则跳转到步骤B，否则进入步骤F；
F、输出当前目标排列-406，流程结束。
经过初排列后的结果如图6所示。
④迭代排列-204
为了在目标重叠少的情况，进一步压缩视频摘要长度，即使得L值尽可能小，如图5，进行如下操作：
a、统计所有目标外接面积之和-501；
b、判断L*CR是否小于和等于SN-502，是则跳转到步骤，否则进入步骤c，其中CR为常量，表示期望的压缩比；
压缩比=SN/L0，SN为原始视频长度，L0为期望摘要视频长度；
c、计算当前每个时间点的平均面积avgS-503,avgS=S*CR/SN；
d、令标识j=0，j为整数-504；
e、统计时间点j处目标的面积之和-505，记为areaCur；
f、判断areaCur是否小于avgS-506，是则进入步骤g，否则跳转到步骤h
g、移动-507，即将时间点j后面的目标统一向前移动，移动距离记为M2，M2为时间j与后面最近目标的起始时间之间的长度，令L=L-M2；
h、令j=j+1-508；
i、判断j是否小于L-509，是则跳转到步骤e-505，否则进入步骤j-510；
j、判断L值是否减少-510，是则跳转到步骤b-502，否则进入步骤k-511；
k、输出当前的目标排列-511，流程结束；
迭代排列结果如图7所示；
输出目标排列方式-205
将步骤④获得的目标排列方式作为最终结果输出。

Claims (1)

1.一种用于视频摘要的目标快速重排列方法，其特征在于：
①输入运动目标信息(201)
利用运动目标检测与跟踪算法检测获得运动目标信息，运动目标信息包括目标出现时间、消失时间、运动轨迹和外接矩形；
②初始化(202)
根据运动目标信息中的目标出现时间将目标排列到时间轴上，目标排列所形成的时间总长记为L；
③初排列(203)
为了去掉没有目标的视频帧，进行以下操作：
A、令标识i＝1，i为整数(401)；
B、判断时间i处是否有目标(402)，是则跳转到步骤D(404)，否则进入步骤C(403)；
C、移动(403)，即将时间点i后面的目标的出现时间统一向前移动M1，M1为时间i与后面最近目标的起始时间之间的时间长度，令L＝L-M1；
D、令i＝i+1(404)；
E、判断i是否小于L(405)，是则跳转到步骤B(402)，否则进入步骤F(406)；
F、输出当前目标排列(406)，流程结束；
④迭代排列(204)
为了在目标重叠少的情况，进一步压缩视频摘要长度，即使得L值尽可能小，进行如下操作：
a、统计所有目标外接面积之和,记为S(501)；
b、判断L*CR是否小于和等于SN(502)，是则跳转到步骤k(511)，否则进入步骤c(503)，其中CR为常量，表示期望的压缩比；
压缩比＝SN/L0，SN为原始视频长度，L0为期望摘要视频长度；
c、计算当前每个时间点的平均面积avgS(503)，avgS＝S*CR/SN；
d、令标识j＝0，j为整数(504)；
e、统计时间点j处目标的面积之和(505)，记为areaCur；
f、判断areaCur是否小于avgS(506)，是则进入步骤g(507)，否则跳转到步骤h(508)；
g、移动(507)，即将时间点j后面的目标统一向前移动，移动距离记为M2，M2为时间j与后面最近目标的起始时间之间的长度，令L＝L-M2；
h、令j＝j+1(508)；
i、判断j是否小于L(509)，是则跳转到步骤e(505)，否则进入步骤j(510)；
j、判断L值是否减少(510)，是则跳转到步骤b(502)，否则进入步骤k(511)；
k、输出当前的目标排列(511)，流程结束；
⑤输出目标排列方式(205)
将步骤④获得的目标排列方式作为最终结果输出。
CN201310426210.2A 2013-09-18 2013-09-18 一种用于视频摘要的目标快速重排列方法 Active CN103455625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310426210.2A CN103455625B (zh) 2013-09-18 2013-09-18 一种用于视频摘要的目标快速重排列方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310426210.2A CN103455625B (zh) 2013-09-18 2013-09-18 一种用于视频摘要的目标快速重排列方法

Publications (2)

Publication Number Publication Date
CN103455625A CN103455625A (zh) 2013-12-18
CN103455625B true CN103455625B (zh) 2016-07-06

Family

ID=49737988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310426210.2A Active CN103455625B (zh) 2013-09-18 2013-09-18 一种用于视频摘要的目标快速重排列方法

Country Status (1)

Country Link
CN (1) CN103455625B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105262932B (zh) * 2015-10-20 2018-06-29 深圳市华尊科技股份有限公司 一种视频处理的方法及终端
CN109740530B (zh) * 2018-12-29 2022-05-03 深圳Tcl新技术有限公司 视频段的提取方法、装置、设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708182A (zh) * 2012-05-08 2012-10-03 浙江捷尚视觉科技有限公司 一种快速视频浓缩摘要方法
CN102855307A (zh) * 2012-08-22 2013-01-02 深圳市华尊科技有限公司 保留时序性的数据重组方法及视频结构化系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1658612A1 (en) * 2003-08-18 2006-05-24 Koninklijke Philips Electronics N.V. Video abstracting

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708182A (zh) * 2012-05-08 2012-10-03 浙江捷尚视觉科技有限公司 一种快速视频浓缩摘要方法
CN102855307A (zh) * 2012-08-22 2013-01-02 深圳市华尊科技有限公司 保留时序性的数据重组方法及视频结构化系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An integrated scheme for object based video abstraction;Kim C;《Proc. of ACM Multimedia 2000》;20001231 *
视频摘要技术;王毅 等;《信息工程大学学报》;20091231;第10卷(第4期);493-497 *

Also Published As

Publication number Publication date
CN103455625A (zh) 2013-12-18

Similar Documents

Publication Publication Date Title
US11450123B2 (en) Analytic image format for visual computing
US11068757B2 (en) Analytic image format for visual computing
US11954879B2 (en) Methods, systems and apparatus to optimize pipeline execution
US11868904B2 (en) Prediction model training management system, method of the same, master apparatus and slave apparatus for the same
CN105144141A (zh) 用于使用距离关联性散列法对媒体数据库定址的系统和方法
CN113516255A (zh) 联邦学习建模优化方法、设备、可读存储介质及程序产品
Zhang et al. Towards green metaverse networking: Technologies, advancements and future directions
CN113705880A (zh) 基于时空注意力图卷积网络的交通速度预测方法和装置
CN111260037B (zh) 图像数据的卷积运算方法、装置、电子设备及存储介质
Huang et al. Adaptive resource prefetching with spatial–temporal and topic information for educational cloud storage systems
CN103455625B (zh) 一种用于视频摘要的目标快速重排列方法
US20150052126A1 (en) Method and system for recommending relevant web content to second screen application users
WO2020088048A1 (zh) 处理信息的方法和装置
CN110519408A (zh) 一种ip归属地查询方法、装置、电子设备及存储介质
CN113052375A (zh) 一种预测剧集播放量的方法和装置
Wang et al. Virtual reality scene construction based on multimodal video scene segmentation algorithm
CN110175626A (zh) 一种基于云平台下svm图像识别系统及方法
CN114969508A (zh) 推荐模型数据处理方法
CN110738640A (zh) 空间数据比对方法及相关产品
Sun et al. Lightweight Siamese network-based single-target tracking algorithm for pedestrians
Wang Research on the optimal cluster number of energy efficiency based on the block model of opportunistic signal
Goyal et al. Comparative Analysis of Indexing Schemes Used in Cloud Computing Data Management
Xing et al. Algorithms Foundations
Wang et al. Accelerated Object Detection for Autonomous Driving in CVIS Based on Pruned CNN Architecture
Wang et al. Estimation-Based Strategy Generation for Deep Neural Network Model Compression

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