CN104284057A - 一种视频处理方法及装置 - Google Patents
一种视频处理方法及装置 Download PDFInfo
- Publication number
- CN104284057A CN104284057A CN201310288125.4A CN201310288125A CN104284057A CN 104284057 A CN104284057 A CN 104284057A CN 201310288125 A CN201310288125 A CN 201310288125A CN 104284057 A CN104284057 A CN 104284057A
- Authority
- CN
- China
- Prior art keywords
- video
- video segment
- scene changes
- segment
- concentration
- 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.)
- Granted
Links
Landscapes
- Television Signal Processing For Recording (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种视频处理方法及装置。其方法包括:从待处理的原始视频第一帧视频图像开始,进行前景检测;每当检测到一段达到预定数量的连续的异常前景视频图像组成的场景变化视频片段,根据场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;对于场景变化视频片段之外的每个视频片段,分别进行视频浓缩处理;按照时序,连接经过视频浓缩处理得到的视频片段和场景变化视频片段。从而针对场景变化的视频,提出了在时间和空间上进行压缩处理的技术方案,以便快速查找特定的运动目标。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种视频处理方法及装置。
背景技术
对于场景固定不变的视频图像,可以采用视频浓缩的方法从时间和空间上将原始视频图像进行浓缩,生成仅包含运动目标事件的浓缩视频,产生的浓缩时频的长度较原始视频有大幅度的缩减。
视频浓缩方法主要包括:
预先建立背景模型,并根据场景光线变化,对背景模型进行定期更新。
对每一幅待处理的图像进行前景目标检测。
为每一个前景目标分配ID号,并对每个前景目标进行跟踪。
根据对前景目标的跟踪结果,保存前景目标的信息。具体的,对以下至少一个前景目标的信息进行保存:前景目标所在矩形框区域的图像、前景目标的坐标位置信息、前景目标出现的起始时间和结束时间。
对满足检索条件的前景目标进行视频的浓缩,生成一个较短的仅包含符合检索条件的前景目标的视频。
视频浓缩的具体处理方式可以是:累积从多帧视频图像中分别提取ID号相同的前景目标,形成该前景目标的运动序列。从这些帧视频图像中,提取特定n帧背景图像作为主背景序列。将该主背景序列与该运动序列进行拼接。
现有的视频浓缩方法仅适用于场景固定不变的情形。是因为前景检测依赖于场景的固定不变,当场景发生切换时,如球机的转动或变倍等操作,会产生大量的虚假前景,对视频浓缩的后续处理产生较大的影响。
现有技术中,针对场景变化的视频图像,还没有很好的方式对原始视频在 时间和空间上进行压缩,以查找特定的运动目标。
发明内容
本发明的目的是提供一种视频处理方法及装置,以解决如何对场景变化的视频在时间和空间上进行压缩的问题。
本发明的目的是通过以下技术方案实现的:
一种视频处理方法,包括:
从待处理的原始视频第一帧视频图像开始,使用初始背景模型对视频图像进行前景检测;
每当检测到一段场景变化视频片段,根据所述场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;
对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理;
根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
一种视频处理装置,包括:
前景检测模块,用于从待处理的原始视频第一帧视频图像开始,使用初始背景模型对视频图像进行前景检测;
背景模型建立模块,每当所述前景检测模块检测到一段场景变化视频片段,所述背景模型建立模块用于根据所述场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;
视频浓缩处理模块,用于对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理;
整合处理模块,用于根据非场景变化视频片段与场景变化视频片段在所述 原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
本发明实施例提供的技术方案,对待处理的原始视频进行分段处理,不对其中场景变化的视频片段进行压缩或浓缩处理,对其中视频场景不变的各个视频片段进行视频浓缩处理,然后按照时序,连接视频浓缩处理后的视频和场景变化过程的视频片段。从而针对场景变化的视频图像,提出了在时间和空间上进行压缩处理的技术方案,以快速查找特定的运动目标。
附图说明
图1为本发明实施例提供的第一种方法流程图;
图2为本发明实施例提供的第二种方法流程图;
图3为本发明实施例提供的第三种方法流程图;
图4为本发明实施例提供的装置结构示意图。
具体实施方式
本发明实施例提供的技术方案,对待处理的原始视频进行分段处理,不对其中场景变化的视频片段进行压缩或浓缩处理,对其中视频场景不变的各个视频片段进行视频浓缩处理,然后按照时序,连接视频浓缩处理后的视频片段和场景变化过程的视频片段。从而针对场景变化的视频图像,提出了在时间和空间上进行压缩处理的技术方案,以快速查找特定的运动目标。
本发明实施例中,通过设定前景比例阈值和预定数量判断场景是否发生变化。如果前景目标包含的像素数量在视频图像中所占比例高于设定的前景比例阈值,则将该前景目标所在的视频图像称作异常前景视频图像。导致异常前景视频图像出现的原因,既可能是场景变化,也可能是出现了干扰目标,例如近距离经过视频监控设备的移动目标、光线突变等。因此,要在连续异常前景视频图像的数量达到预定数量时,才认为发生场景变化。
本发明实施例提供的视频处理方法,具体可以描述如下:
从待处理的原始视频第一帧视频图像开始,使用初始背景模型对视频图像进行前景检测;
每当检测到一段场景变化视频片段,根据所述场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;
较佳地,所述场景变化视频片段由达到预定数量的连续的异常前景视频图像组成,且在时序上与所述场景变化视频片段相邻的视频图像不是异常前景视频图像;
对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理;
根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
其中,根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序的具体实现方式可以但不仅限于是:按照非场景变化视频片段与场景变化视频片段在原始视频中的时序关系,以及非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系,确定经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系;所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过分配相同的视频片段标识确定的,或者所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过相同的第一帧视频图像编号确定的;按照经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
排序后得到的是一组视频图像,这组视频图像的长度远远小于原始视频的长度。对这组视频图像进行视频编码处理生成视频,以进行播放或传输。
本发明实施例中,所谓的初始背景模型是指,根据原始视频第一帧视频图像及之后预定数量的视频图像建立的背景模型。
本发明实施例中,可以但不仅限于进行单高斯背景建模、混合高斯背景建模、码本模型(CodeBook)方式建立背景模型、ViBe方式建立背景模型。
实现过程中,浓缩处理后的视频图像的分辨率可能与原始视频图像的分辨率不同(通常会低于原始视频图像的分辨率)。那么,基于上述任意本发明实施例提供的方法,在对视频片段进行排序之前,还可以将每段场景变化视频片段的分辨率调整为与视频浓缩处理得到的视频片段的分辨率。
另外,为了减轻内存负担,也为了便于后续针对该原始视频的处理。基于上述任意本发明实施例提供的方法,可以将处理过程中得到的视频数据保存到硬盘中。
具体的,针对一段非场景变化视频片段,在视频浓缩处理过程中:对这段非场景变化视频片段中的前景目标进行跟踪,得到每个前景目标的运动序列;对这段非场景变化视频片段中的运动序列在时序上进行偏移处理;将这段非场景变化视频片段中的经过偏移处理的一组运动序列保存到硬盘;分别根据每个非场景变化视频片段生成浓缩背景,并保存到硬盘;从硬盘中获取每个非场景变化视频片段中的一组经过偏移处理的运动序列和对应的浓缩背景,并按照运动序列在时序上的先后顺序,将偏移处理后的运动序列贴到对应的浓缩背景上。
针对场景变化视频片段:每当检测到一段场景变化视频片段,还可以将该场景变化视频片段中的每帧视频图像编码后保存到硬盘。
下面将结合附图,对本发明实施例提供的技术方案进行详细说明。
本发明实施例,可以在对原始视频的所有视频图像进行前景检测后,根据前景检测结果对原始视频进行分段,然后针对场景变化视频片段之外每段非场景变化视频片段,进行视频浓缩处理,最终按照时序,连接经过视频浓缩处理得到的视频片段和场景变化视频片段。也可以在对原始视频的视频图像进行前 景检测的过程中,实时对每段非场景变化视频片段,进行视频浓缩处理,最终按照时序,连接经过视频浓缩处理得到的视频片段和场景变化视频片段。
对于上述第一种实现方式,对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理之前,对待处理的原始视频所有视频图像的前景检测完成后,以每个异常前景的视频片段的起始视频帧和结束视频帧为划分标志,将待处理的原始视频划分为多个视频片段。
以包含10000帧视频图像的原始视频为例,本发明实施例提供的方法如图1所示,具体包括如下操作:
步骤100、从待处理的原始视频第一帧视频图像开始,对每一帧视频图像进行前景检测,获取前景目标。
全部10000帧视频图像前景检测完成后,执行步骤110。
其中,第1帧视频图像到第3000帧视频图像在进行前景检测时,所使用的背景模型为初始背景模型。在使用初始背景模型对第3001帧视频图像进行前景检测后,发现前景目标所包含的像素数量在第3001帧视频图像中所占比例高于设定的前景比例阈值,则使用初始背景模型继续对第30001帧之后的视频图像进行前景检测,并统计第3001帧视频图像之后连续的异常前景视频图像的数量,如果连续的异常前景视频图像的数量达到预定数量,则认为场景发生变化,需要重建背景模型。例如,假设预定数量为300帧,第3001帧到第3300帧视频图像均为异常前景视频图像,则进行快速背景切换,即将第3301帧视频图像作为背景图像,对之后的视频图像进行前景检测,并发现第3501帧视频图像不是异常前景视频图像。第3000帧到第3500帧这一组异常前景视频图像对应场景变化过程,利用第3501帧视频图像作为重新建立的背景模型。
经过前景检测发现,从第3001帧视频图像到第3500帧视频图像为场景变化视频片段。那么,
步骤110、根据前景检测结果,将待处理的原始视频划分为三段视频片段。
这三段视频片段分别是:第1帧视频图像到第3000帧视频图像组成的视 频片段、第3001帧视频图像到第3500帧视频图像组成的视频片段、第3501帧视频图像到第10000帧视频图像组成的视频片段。
步骤120、对第1帧视频图像到第3000帧视频图像组成的视频片段和第3501帧视频图像到第10000帧视频图像组成的视频片段,分别进行视频浓缩处理。
在进行视频浓缩处理过程中,可以按照上述实施例的描述,将视频片段中经过偏移处理后的一组运动序列和浓缩背景保存在硬盘中,从硬盘中读取这些数据完成视频浓缩的拼贴步骤。
本发明实施例中,将第1帧视频图像到第3000帧视频图像组成的视频片段经过视频浓缩处理后得到的视频标记为video_s1,将第3501帧视频图像到第10000帧视频图像组成的视频片段经过视频浓缩处理后得到的视频标记为video_s2,将第3001帧视频图像到第3500帧视频图像组成的视频片段标记为video_c。
为了进行后续视频片段的排序,还需要建立视频浓缩处理前后的视频片段的对应关系。该对应关系的建立可以通过多种实现方式来实现,例如,可以为视频浓缩处理前后的视频片段分配相同的视频片段标识,那么,相同视频片段标识的两个视频片段存在对应关系。也可以在对视频浓缩处理后的视频片段的视频图像帧进行编号时,将视频浓缩处理前的视频片段中第一帧视频图像的视频图像编号作为视频浓缩处理后的视频片段中第一帧视频图像分配的视频图像编号,以此来建立两个视频片段之间的对应关系。
步骤130、按照video_s1、video_c和video_s2之间的时序关系,对video_s1、video_c和video_s2进行排序。
即对原始视频处理后最终得到的一组视频图像标记为video,则video=video_s1+video_c+video_s2。其中,“+”表示时序连接关系。
如果浓缩处理后的视频的分辨率可能与原始视频图像的分辨率不同,先将将每段场景变化视频片段的分辨率调整为与视频浓缩处理得到的视频片段的 分辨率,然后再执行步骤130。
图1所示的实施例中,在识别出第3001帧到第3500帧视频图像组成的场景变化视频片段后,还可以将该场景变化视频片段中的每帧视频图像编码后保存到硬盘。
对于上述第二种实现方式,前景检测过程中,每以场景变化视频片段的起始视频帧和/或结束视频帧为划分标志确定出一段非场景变化视频片段,对该非场景变化视频片段进行视频浓缩处理。
以包含10000帧视频图像的原始视频为例,本发明实施例提供的方法如图2所示,具体包括如下操作:
步骤200、从待处理的原始视频第一帧视频图像开始,对每一帧视频图像进行前景检测,获取前景目标。
从第1帧视频图像开始,使用初始背景模型进行前景检测,对第3001帧视频图像进行前景检测得到的前景目标包含的像素数量在视频图像中所占比例高于设定的前景比例阈值,则执行步骤210。
步骤210、使用初始背景模型对第3001帧之后的视频图像进行前景检测,并统计发现第3001帧到第3500帧均是异常前景视频图像,且其数量达到预定数量,执行步骤220和步骤230。
步骤220、利用第3500帧之后预定数量的视频图像重新建立背景模型,对后续视频图像,使用重新建立的背景模型进行前景检测。
步骤230、确定第1帧视频图像到第3000帧视频图像为非场景变化视频片段,第3501帧视频图像到第10000帧视频图像为非场景变化视频片段,分别对这两个视频片段进行浓缩处理。
在进行视频浓缩处理过程中,可以按照上述实施例的描述,将视频片段中经过偏移处理后的一组运动序列和浓缩背景保存在硬盘中,从硬盘中读取这些数据完成视频浓缩的拼贴步骤。
为了进行后续视频片段的排序,还需要建立视频浓缩处理前后的视频片段 的对应关系。该对应关系的建立可以通过多种实现方式来实现,例如,可以为视频浓缩处理前后的视频片段分配相同的视频片段标识,那么,相同视频片段标识的两个视频片段存在对应关系。也可以在对视频浓缩处理后的视频片段的视频图像帧进行编号时,将视频浓缩处理前的视频片段中第一帧视频图像的视频图像编号作为视频浓缩处理后的视频片段中第一帧视频图像分配的视频图像编号,以此来建立两个视频片段之间的对应关系。
步骤240、按照video_s1、video_c和video_s2之间的时序关系,对video_s1、video_c和video_s2进行排序。
如果浓缩处理后的视频的分辨率可能与原始视频图像的分辨率不同,先将将每段场景变化视频片段的分辨率调整为与视频浓缩处理得到的视频片段的分辨率,然后再执行步骤240。
图2所示的实施例中,在识别出第3001帧到第3500帧视频图像组成的场景变化视频片段后,还可以将该场景变化视频片段中的每帧视频图像编码后保存到硬盘。以便后续针对该原始视频进行处理时,可以直接调用场景变化视频片段。
针对一段视频片段进行视频浓缩处理的具体过程如图3所示,可以描述为:
步骤300、根据前景检测结果,对这段视频片段中的每个前景目标进行跟踪,并保存跟踪结果。
具体的,为每个前景目标分配一个标识信息,对同一标识信息对应的前景目标进行跟踪,确定该前景目标进入场景和离开场景的过程,即得到该前景目标的运动序列。针对同一个标识信息对应的前景目标,保存:该前景目标从进入场景到离开场景的过程中,在每帧视频图像中的位置信息;该前景目标从进入场景到离开场景的过程中,每帧视频图像中根据该前景目标确定的矩形区域的图像信息;该前景目标进入场景时的时间(可用视频帧编号、视频帧标识等信息表示)和离开场景时的时间(可用视频编号、视频帧标识等信息表示)。可以将信息保存在内存中,也可以将信息保存在硬盘。对于保存在硬盘的信息 不仅可以用于本次视频处理,还可以用于以后的视频处理。
步骤310、对前景目标对应的运动序列在时序上进行偏移处理。
具体的,依时序,按照如下原则依次对时序上相邻的两个前景目标对应的运动序列中时序在后的运动序列进行偏移处理:
假设时序相邻的前景目标i和前景目标j,前景目标i的时序在前。那么以前景目标i为基准,将前景目标j的运动序列偏移到与i的运动序列相同的起始时间,具体是将前景目标j的运动序列从进入场景到离开场景时的每一帧均进行相同的偏移。判断偏移后,两个前景目标之间是否存在遮挡(即是否存在重叠区域),如果不存在,则偏移处理结束,如果存在,将前景目标j的运动序列向后偏移并再一次判断是否存在遮挡,如此反复,直到两个前景目标间无遮挡情况的发生。
步骤320、根据该段视频片段生成浓缩背景。
由于浓缩视频会将原始数小时的视频缩短到几分钟,原始视频在这段时间内场景会发生光线的变化,为了使浓缩后的视频看起来更加的真实自然,浓缩后的视频应该能对原始视频的光线变化有所表现。所以浓缩背景要随着时间的变化进行更新,所形成的浓缩背景主要用于提供生成浓缩视频中的背景。
步骤330、按照前景目标对应的运动序列时序上的先后顺序,将偏移处理后的运动序列贴到浓缩背景上,最终形成浓缩视频。
基于与方法同样的发明构思,本发明实施例提供一种视频处理装置,其结构如图4所示,具体实现结构如下:
前景检测模块401,用于从待处理的原始视频第一帧视频图像开始,使用初始背景模型对视频图像进行前景检测;
背景模型建立模块402,每当所述前景检测模块检测到一段场景变化视频片段,所述背景模型建立模块用于根据所述场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;
视频浓缩处理模块403,用于用于对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理;
整合处理模块404,用于根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
较佳地,所述场景变化视频片段由达到预定数量的连续的异常前景视频图像组成,且在时序上与所述场景变化视频片段相邻的视频图像不是异常前景视频图像,所述异常前景视频图像为前景目标包含的像素数量在视频图像中所占比例高于前景比例阈值的视频图像。
较佳地,还包括视频分割模块,用于:
对所述待处理的原始视频所有视频图像的前景检测完成后,以每个异常前景的视频片段的起始视频帧和结束视频帧为划分标志,将所述待处理的原始视频划分为多个视频片段。
较佳地,所述视频浓缩处理模块403具体用于:
前景检测过程中,每以场景变化视频片段的起始视频帧和/或结束视频帧为划分标志确定出一段非场景变化视频片段,对该非场景变化视频片段进行视频浓缩处理。
较佳地,还包括分辨率调整模块,用于将每段场景变化视频片段的分辨率调整为与所述视频浓缩处理得到的视频的分辨率。
较佳地,所述整合处理模块具体用于:
按照非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,以及非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系,确定经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系;所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过分配相同的视频片段标识确定的,或者所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过相同的第一帧视频图像编号确 定的;
按照经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (11)
1.一种视频处理方法,其特征在于,包括:
从待处理的原始视频第一帧视频图像开始,使用初始背景模型对视频图像进行前景检测;
每当检测到一段场景变化视频片段,根据所述场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;
对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理;
根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
2.根据权利要求1所述的方法,其特征在于,所述场景变化视频片段由达到预定数量的连续的异常前景视频图像组成,且在时序上与所述场景变化视频片段相邻的视频图像不是异常前景视频图像,所述异常前景视频图像为前景目标包含的像素数量在视频图像中所占比例高于前景比例阈值的视频图像。
3.根据权利要求1所述的方法,其特征在于,对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理之前,该方法还包括:
对所述待处理的原始视频所有视频图像的前景检测完成后,以每个异常前景的视频片段的起始视频帧和结束视频帧为划分标志,将所述待处理的原始视频划分为多个视频片段。
4.根据权利要求1所述的方法,其特征在于,对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理,包括:
前景检测过程中,每以场景变化视频片段的起始视频帧和/或结束视频帧为划分标志确定出一段非场景变化视频片段,对该非场景变化视频片段进行视频浓缩处理。
5.根据权利要求1~4任一项所述的方法,其特征在于,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序之前,该方法还包括:
将每段场景变化视频片段的分辨率调整为与所述视频浓缩处理得到的视频片段的分辨率。
6.根据权利要求1~4任一项所述的方法,其特征在于,根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序,包括:
按照非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,以及非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系,确定经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系;所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过分配相同的视频片段标识确定的,或者所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过相同的第一帧视频图像编号确定的;
按照经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
7.一种视频处理装置,其特征在于,包括:
前景检测模块,用于从待处理的原始视频第一帧视频图像开始,使用初始背景模型对视频图像进行前景检测;
背景模型建立模块,每当所述前景检测模块检测到一段场景变化视频片段,所述背景模型建立模块用于根据所述场景变化视频片段之后的视频图像重新建立背景模型,以使用重新建立的背景模型对所述场景变化视频片段之后的视频图像进行前景检测;
视频浓缩处理模块,用于对场景变化视频片段之外的每个非场景变化视频片段,分别进行视频浓缩处理;
整合处理模块,用于根据非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
8.根据权利要求7所述的装置,其特征在于,还包括视频分割模块,用于:
对所述待处理的原始视频所有视频图像的前景检测完成后,以每个异常前景的视频片段的起始视频帧和结束视频帧为划分标志,将所述待处理的原始视频划分为多个视频片段。
9.根据权利要求7所述的装置,其特征在于,所述视频浓缩处理模块具体用于:
前景检测过程中,每以场景变化视频片段的起始视频帧和/或结束视频帧为划分标志确定出一段非场景变化视频片段,对该非场景变化视频片段进行视频浓缩处理。
10.根据权利要求7~9任一项所述的装置,其特征在于,还包括分辨率调整模块,用于将每段场景变化视频片段的分辨率调整为与所述视频浓缩处理得到的视频的分辨率。
11.根据权利要求7~9任一项所述的装置,其特征在于,所述整合处理模块具体用于:
按照非场景变化视频片段与场景变化视频片段在所述原始视频中的时序关系,以及非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系,确定经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系;所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过分配相同的视频片段标识确定的,或者所述非场景变化视频片段与经过视频浓缩处理得到的视频片段的对应关系是通过相同的第一帧视频图像编号确定的;
按照经过视频浓缩处理得到的视频片段和场景变化视频片段的时序关系,对经过视频浓缩处理得到的视频片段和场景变化视频片段进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310288125.4A CN104284057B (zh) | 2013-07-05 | 2013-07-05 | 一种视频处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310288125.4A CN104284057B (zh) | 2013-07-05 | 2013-07-05 | 一种视频处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104284057A true CN104284057A (zh) | 2015-01-14 |
CN104284057B CN104284057B (zh) | 2016-08-10 |
Family
ID=52258511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310288125.4A Active CN104284057B (zh) | 2013-07-05 | 2013-07-05 | 一种视频处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104284057B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935785A (zh) * | 2015-05-15 | 2015-09-23 | 江苏博智软件科技有限公司 | 基于Hadoop分布式视频大数据前景检测与运动跟踪方法 |
CN104967840A (zh) * | 2015-06-19 | 2015-10-07 | 中央电视台 | 一种视频图像超标检测方法及装置 |
CN105357594A (zh) * | 2015-11-19 | 2016-02-24 | 南京云创大数据科技股份有限公司 | 基于集群及h264的视频浓缩算法的海量视频摘要生成方法 |
CN107808373A (zh) * | 2017-11-15 | 2018-03-16 | 北京奇虎科技有限公司 | 基于姿态的样本图像合成方法、装置及计算设备 |
CN107979778A (zh) * | 2016-10-25 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 一种视频分析方法、装置及系统 |
CN108882022A (zh) * | 2018-07-03 | 2018-11-23 | 中影数字巨幕(北京)有限公司 | 推荐电影的方法、装置、介质和计算设备 |
CN109889697A (zh) * | 2017-12-06 | 2019-06-14 | 杭州海康威视数字技术股份有限公司 | 一种图像检测的方法及装置、录播设备 |
CN110300118A (zh) * | 2019-07-09 | 2019-10-01 | 联想(北京)有限公司 | 流媒体处理方法、装置及存储介质 |
CN112840282A (zh) * | 2019-03-29 | 2021-05-25 | 松下电器(美国)知识产权公司 | 异常检测方法以及异常检测装置 |
US11076132B2 (en) | 2017-12-15 | 2021-07-27 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for generating video synopsis |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7248778B1 (en) * | 2001-03-16 | 2007-07-24 | Gateway Inc. | Automated video editing system and method |
CN101957997A (zh) * | 2009-12-22 | 2011-01-26 | 北京航空航天大学 | 一种动态场景中基于区域均值核密度估计的运动目标检测方法 |
CN102375816A (zh) * | 2010-08-10 | 2012-03-14 | 中国科学院自动化研究所 | 一种在线视频浓缩装置、系统及方法 |
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 |
CN103067702A (zh) * | 2012-12-06 | 2013-04-24 | 新疆公众信息产业股份有限公司 | 一种用于具有静止画面视频的视频浓缩方法 |
-
2013
- 2013-07-05 CN CN201310288125.4A patent/CN104284057B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7248778B1 (en) * | 2001-03-16 | 2007-07-24 | Gateway Inc. | Automated video editing system and method |
CN101957997A (zh) * | 2009-12-22 | 2011-01-26 | 北京航空航天大学 | 一种动态场景中基于区域均值核密度估计的运动目标检测方法 |
CN102375816A (zh) * | 2010-08-10 | 2012-03-14 | 中国科学院自动化研究所 | 一种在线视频浓缩装置、系统及方法 |
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 |
CN103067702A (zh) * | 2012-12-06 | 2013-04-24 | 新疆公众信息产业股份有限公司 | 一种用于具有静止画面视频的视频浓缩方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935785A (zh) * | 2015-05-15 | 2015-09-23 | 江苏博智软件科技有限公司 | 基于Hadoop分布式视频大数据前景检测与运动跟踪方法 |
CN104967840B (zh) * | 2015-06-19 | 2017-09-15 | 中央电视台 | 一种视频图像超标检测方法及装置 |
CN104967840A (zh) * | 2015-06-19 | 2015-10-07 | 中央电视台 | 一种视频图像超标检测方法及装置 |
CN105357594B (zh) * | 2015-11-19 | 2018-08-31 | 南京云创大数据科技股份有限公司 | 基于集群及h264的视频浓缩算法的海量视频摘要生成方法 |
CN105357594A (zh) * | 2015-11-19 | 2016-02-24 | 南京云创大数据科技股份有限公司 | 基于集群及h264的视频浓缩算法的海量视频摘要生成方法 |
CN107979778A (zh) * | 2016-10-25 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 一种视频分析方法、装置及系统 |
CN107808373A (zh) * | 2017-11-15 | 2018-03-16 | 北京奇虎科技有限公司 | 基于姿态的样本图像合成方法、装置及计算设备 |
CN109889697A (zh) * | 2017-12-06 | 2019-06-14 | 杭州海康威视数字技术股份有限公司 | 一种图像检测的方法及装置、录播设备 |
US11076132B2 (en) | 2017-12-15 | 2021-07-27 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for generating video synopsis |
CN108882022A (zh) * | 2018-07-03 | 2018-11-23 | 中影数字巨幕(北京)有限公司 | 推荐电影的方法、装置、介质和计算设备 |
CN108882022B (zh) * | 2018-07-03 | 2020-09-25 | 中影数字巨幕(北京)有限公司 | 推荐电影的方法、装置、介质和计算设备 |
CN112840282A (zh) * | 2019-03-29 | 2021-05-25 | 松下电器(美国)知识产权公司 | 异常检测方法以及异常检测装置 |
CN110300118A (zh) * | 2019-07-09 | 2019-10-01 | 联想(北京)有限公司 | 流媒体处理方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104284057B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104284057A (zh) | 一种视频处理方法及装置 | |
CN104994425A (zh) | 一种视频标识方法和装置 | |
CN105307028A (zh) | 一种针对多个镜头视频素材的视频编辑方法和装置 | |
CN103839308A (zh) | 人数获取方法、装置及系统 | |
CN104011740A (zh) | 对象跟踪及处理 | |
CN104301699B (zh) | 一种图像处理方法及装置 | |
US11037301B2 (en) | Target object detection method, readable storage medium, and electronic device | |
CN110162089B (zh) | 一种无人驾驶的仿真方法及装置 | |
CN105933665B (zh) | 一种调阅摄像机视频的方法及装置 | |
CN110765938A (zh) | 身份识别方法、装置、电子设备及计算机可读存储介质 | |
CN112001456A (zh) | 一种车辆定位方法、装置、存储介质及电子设备 | |
CN105163156A (zh) | 视频续播方法、播放设备及系统 | |
CN104391960A (zh) | 一种视频标注方法及系统 | |
CN105407384A (zh) | 一种利用二维码标识媒体播放内容的方法、装置及系统 | |
CN103795910A (zh) | 一种采集图像的方法及装置 | |
CN104394478A (zh) | 一种播放视频的方法及播放器 | |
CN102081671A (zh) | 一种视频可伸缩文件的生成方法及装置 | |
CN111970560B (zh) | 视频获取方法、装置、电子设备及存储介质 | |
CN104182959A (zh) | 目标搜索方法及装置 | |
CN109459770B (zh) | 一种运动轨迹的生成方法、装置及存储介质 | |
CN106454480A (zh) | 一种视频的播放控制方法和装置 | |
CN104462099A (zh) | 一种信息处理方法及电子设备 | |
CN112860821A (zh) | 人车轨迹分析方法及相关产品 | |
CN114584709B (zh) | 变焦特效的生成方法、装置、设备及存储介质 | |
CN112201047B (zh) | 一种基于Flink框架的嫌疑车辆落脚点分析方法及装置 |
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 |