CN104301699B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN104301699B CN104301699B CN201310301319.3A CN201310301319A CN104301699B CN 104301699 B CN104301699 B CN 104301699B CN 201310301319 A CN201310301319 A CN 201310301319A CN 104301699 B CN104301699 B CN 104301699B
- Authority
- CN
- China
- Prior art keywords
- motion sequence
- sequence set
- foreground target
- motion
- image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像处理方法及装置。其方法包括:对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的运动序列;将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列与该运动序列集合中的至少一个运动序列在时间上有重合;对运动序列集合进行时间偏移处理后,与浓缩背景序列进行图像拼接,得到浓缩视频图像。从而能够保证在浓缩视频与在原始视频中,前景目标之间的运动关系一致。
Description
技术领域
本发明涉及视频图像处理技术领域,尤其涉及一种图像处理方法及装置。
背景技术
在交通路口、银行、小区等多种场景进行视频监控时,每天产生大量数据。为了便于从中查找某一特定目标,可以对一系列视频图像进行压缩处理。
传统的视频图像压缩技术,仅仅对无运动目标的图像帧进行剔除。这种压缩方式形成的视频仍然很长。
为了进一步对视频进行压缩,减少视频帧数,提出了视频浓缩的概念。所谓视频浓缩,是指将前景目标的运动序列进行时间上的偏移,使得前景目标的运动序列之间的相对时间间隔缩短。
视频浓缩的处理过程如下:
对前景目标进行跟踪,得到每个前景目标的跟踪记录。具体的,对前景目标进行跟踪是指,对同一前景目标在多帧视频图像中的外接矩形的坐标信息、在多帧视频图像中的外接矩形图像信息、同一前景目标在原始视频中出现的时间信息等等进行记录。其中,前景目标是通过前景检测确定的。其中,同一前景目标在多帧视频图像中的外接矩形图像信息依时序组成该前景目标的运动序列。
对运动序列进行时间上的偏移。例如,在进行时间偏移处理时,使得待偏移的运动序列与已经完成偏移的运动序列(可以是多个运动序列经过时间偏移后的组合)之间存在遮挡的帧数不超过遮挡阈值。其中,判断运动序列之间是否存在遮挡时,具体是判断两个运动序列相同帧的前景目标是否存在遮挡,如果是,则这两个运动序列在这一帧上存在遮挡。如果遮挡阈值设置为0,则经过时间偏移处理后,各个运动序列之间不存在遮挡。
将经过时间偏移的运动序列与浓缩背景序列进行图像拼接,完成视频浓缩处理。其中,浓缩背景序列是从运动序列对应的背景图像中提取得到的。
现有的视频浓缩技术,在对前景目标的运动序列进行时间偏移时,没有考虑到前景目标之间在原始视频中的运动关系。例如,对于原始视频中正在行走交谈的两个人,经过前景目标跟踪记录,分别生成这两个人对应的运动序列。在经过时间偏移处理后,这两个运动序列在时间上可能不再重合,导致在浓缩视频中,这两个人无法同时出现。又例如,对于移动过程中在原始视频中有遮挡的两个前景目标,由于前景目标跟踪的方式不同,每个前景目标在遮挡前后可能被识别为两个运动序列,两个前景目标遮挡时被识别为一个运动序列。在经过时间偏移处理后,前景目标将无法按照遮挡前、遮挡过程中、遮挡后的时序出现在浓缩视频中。
发明内容
本发明的目的是提供一种图像处理方法及装置,以解决现有视频浓缩处理过程无法保证前景目标之间在浓缩视频与原始视频中的运动关系一致的问题。
本发明的目的是通过以下技术方案实现的:
一种图像处理方法,包括:
对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的跟踪记录,每个前景目标的跟踪记录包括前景目标在所述原始视频中出现的时间信息、前景目标在多帧视频图像中的外接矩形的坐标信息和前景目标在多帧视频图像中的外接矩形图像信息按时序排列构成的运动序列;
将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列对应的前景目标与该运动序列集合中的至少一个运动序列对应的前景目标在所述原始视频中出现的时间有重合;
根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,并按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理;
将经过时间偏移处理的运动序列集合与浓缩背景序列进行图像拼接,得到浓缩视频图像。
一种图像处理装置,包括:
跟踪记录获取模块,用于对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的跟踪记录,每个前景目标的跟踪记录包括前景目标在所述原始视频中出现的时间信息、前景目标在多帧视频图像中的外接矩形的坐标信息和前景目标在多帧视频图像中的外接矩形图像信息按时序排列构成的运动序列;
运动序列集合划分模块,用于将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列对应的前景目标与该运动序列集合中的至少一个运动序列对应的前景目标在所述原始视频中出现的时间有重合;
时间偏移处理模块,用于根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,并按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理;
图像拼接模块,用于将经过所述时间偏移处理模块处理的运动序列集合与浓缩背景序列进行图像拼接,得到浓缩视频图像。
本发明实施例提供的技术方案,通过将运动序列划分为多个运动序列集合,使得前景目标在原始视频中出现的时间有重合的运动序列可以被划分在一个运动序列集合中,从而能够保证在浓缩视频与在原始视频中,前景目标之间的运动关系一致。
附图说明
图1为本发明实施例提供的方法流程图;
图2为本发明实施例中两个外接矩形的第一种位置关系图;
图3为本发明实施例中两个外接矩形的第二种位置关系图;
图4为本发明实施例中两个外接矩形的第三种位置关系图;
图5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,通过将运动序列划分为多个运动序列集合,使得前景目标在原始视频中出现的时间有重合的运动序列可以被划分在一个运动序列集合中,从而能够保证在浓缩视频与在原始视频中,前景目标之间的运动关系一致。
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。
图1所示为本发明实施例提供的一种图像处理方法,具体包括如下操作:
步骤100、对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的跟踪记录。
其中,每个前景目标的跟踪记录包括前景目标在原始视频中出现的时间信息、前景目标在多帧视频图像中的外接矩形的坐标信息和前景目标在多帧视频图像中的外接矩形图像信息按时序排列构成的运动序列。
前景目标在原始视频中出现的时间信息,可以包括前景目标的起始时间信息(例如起始帧在原始视频中的帧编号)和前景目标的结束时间信息(例如结束帧在原始视频中的帧编号)。前景目标在原始视频中出现的时间信息,还可以包括前景目标的起始时间信息(例如起始帧在原始视频中的帧编号)和出现的时间长度信息(例如前景目标在连续视频图像中出现的帧数)。前景目标在原始视频中出现的时间信息,还可以包括前景目标的结束时间信息(例如结束帧在原始视频中的帧编号)和出现的时间长度信息(例如前景目标在连续视频图像中出现的帧数)。前景目标在原始视频中出现的时间信息,还可以包括检测到前景目标的各个视频图像的时间信息(例如检测到前景目标的各个视频图像的帧编号)。
在进行前景目标跟踪时,还可以为每个前景目标分配一个标识(ID),相应的,各个前景目标的跟踪记录与对应的前景目标的ID关联保存。
较佳地,为节省内存空间,还可以将前景目标的跟踪记录保存到硬盘中。
步骤110、将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列对应的前景目标与该运动序列集合中的至少一个运动序列对应的前景目标在原始视频中出现的时间有重合。
步骤120、根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,并按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理。
步骤130、将经过时间偏移处理的运动序列集合与浓缩背景序列进行图像拼接,得到浓缩视频图像。
本发明实施例中,运动序列集合的划分方式有多种,只要保证每个运动序列集合中的运动序列满足上述条件即可。
在进行运动序列集合划分时,可以仅考虑运动序列之间的时序关系,进一步的,还可以考虑运动序列之间的空间距离。
如果仅考虑运动序列之间的时序关系,只要两个运动序列对应的前景目标在原始视频中出现的时间有重合,则将这两个运动序列划分在一个运动序列集合中。
具体的,可以根据每个前景目标在原始视频中出现的时间信息,对各个运动序列在时序上进行排序,然后依照时序,依次对运动序列进行运动序列集合的划分。也可以每次从未划分的运动序列中随机选择一个运动序列,根据该运动序列对应的前景目标在原始视频中出现的时间信息,以及已划分的运动序列集合中各个前景目标在原始视频中出现的时间信息,判断该运动序列是否可以被划分到已有的运动序列中,如果不可以,则将该运动序列作为新的运动序列集合中的元素。
下面举例对这种运动序列集合的划分方式进行说明。
假设原始视频中显示两个人在行走过程中发生遮挡,然后分离。经过前景目标跟踪,针对这两个人共产生了5个ID。其中,行人A在遮挡前直至由于遮挡而无法识别时对应的ID为ID_A1、行人B在遮挡前直至由于遮挡而无法识别时对应的ID为ID_B1、行人A与行人B的遮挡部分被识别产生的ID为ID_C1、遮挡减少行人A重新被识别后对应的ID为ID_A2、遮挡减少行人B重新被识别后对应的ID为ID_B2。各个ID在原始视频中存在的时间段分别记录为TA1=(tori_s A1,tori_e A1)、TB1=(tori_s B1,tori_e B1)、TC1=(tori_s C1,tori_e C1)、TA2=(tori_s A2,tori_e A2)、TB2=(tori_s B2,tori_e B2)。根据TA1和TB1判断ID_A1与ID_B1在原始视频中出现的时间有重合,将ID_A1和ID_B1划分到一个运动序列集合。然后根据TC1与TA1、TB1判断ID_C1与ID_A1和ID_B1在原始视频中出现的时间均有重合,将ID_C1也划分到该运动序列集合,根据TA2与TC1判断ID_A2与ID_C1在原始视频中出现的时间有重合,将ID_A2也划分到该运动序列集合,根据TB2与TA2和TC1判断ID_B2与ID_CA和ID_A2在原始视频中出现的时间均有重合,将ID_B2也划分到该运动序列集合。最终可以判定这5个ID所对应的运动序列被划分为同一个运动序列集合。从而保证最终得到的浓缩视频播放时,行人A和行人B的运动关系与原始视频中保持一致。
当原始视频中一个前景目标即将消失时,另一个前景目标出现,如此反复,将导致较多的前景目标的运动序列被划分到一个运动序列集合中,最终形成的浓缩视频较长。但这些前景目标之间可能不存在关联,在进行时间偏移处理时,可以打乱时序。为了解决这一问题,在划分运动序列集合时,不仅考虑运动序列之间的时序关系,还可以考虑运动序列之间的空间距离。那么,在将各个运动序列划分为多个运动序列集合时,对于对应的前景目标在原始视频中出现的时间有重合的两个运动序列,可以执行如下操作:
根据两个运动序列对应的前景目标在原始视频中出现的时间信息,确定时间上有重合的各个时间点。具体的,根据两个运动序列对应的前景目标在原始视频中出现的时间信息,确定两个运动序列对应的前景目标在原始视频中同时出现的各个时间点(该时间点可以前景目标所在原始视频中视频图像的帧编号表示)。
在确定的各个时间点上,根据两个运动序列对应的前景目标在视频图像中的外接矩形的坐标信息,确定两个运动序列对应的前景目标在视频图像中的外接矩形在空间上的距离。例如,前景目标A的运动序列和前景目标B的运动序列在时间段[t1,t2]上有重合。则根据前景目标A和前景目标B在该时间段内的时间点t的视频图像中的外接矩形的坐标信息,确定时间点t上,这两个前景目标的运动序列对应的前景目标在视频图像中的外接矩形在空间上的距离。
将确定的最小距离与空间距离阈值进行比较;如果确定的最小距离大于空间距离阈值,确定两个运动序列不属于同一个运动序列集合;如果确定的最小距离不大于所述空间距离阈值,确定两个运动序列属于同一个运动序列集合。
其中,空间距离阈值的具体取值可以根据实际需求确定。较佳地,该空间距离阈值为各个前景目标在视频图像中的外接矩形在视频图像坐标系中的水平宽度均值。
下面举例对这种运动序列集合的划分方式进行说明。
假设前景目标A与前景目标B在原始视频中出现的时间在时间段[t1,t2]上有重合。
在该时间段内的时刻t,前景目标A在视频图像中的外接矩形的坐标信息rect(A,t)和前景目标B在视频图像中的外接矩形的坐标信息rect(B,t)分别表示为:
rect(A,t)={x(A,t),y(A,t),width(A,t),height(A,t)}
rect(B,t)={x(B,t),y(B,t),width(B,t),height(B,t)}
其中,x(A,t)为前景目标A在时刻t的视频图像中的外接矩形的左顶点横坐标,y(A,t)为前景目标A在时刻t的视频图像中的外接矩形的左顶点纵坐标,width(A,t)为前景目标A在时刻t的视频图像中的外接矩形的水平宽度,height(A,t)为前景目标A在时刻t的视频图像中的外接矩形的垂直宽度。x(B,t)为前景目标B在时刻t的视频图像中的外接矩形的左顶点横坐标,y(B,t)为前景目标B在时刻t的视频图像中的外接矩形的左顶点纵坐标,width(B,t)为前景目标B在时刻t的视频图像中的外接矩形的水平宽度,height(B,t)为前景目标B在时刻t的视频图像中的外接矩形的垂直宽度。
前景目标A在时刻t的视频图像中的外接矩形与前景目标B在时刻t的视频图像中的外接矩形在空间上的距离定义为rectDist(A,B,t)。当这两个外接矩形在空间上有重叠,则rectDist(A,B,t)=0,当这两个外接矩形在空间上不存在重叠,对于图2所示的位置关系,这两个外接矩形仅在水平方向可分,则rectDist(A,B,t)=hDist。对于图3所示的位置关系,这两个外接矩形仅在垂直方向可分,则rectDist(A,B,t)=vDist。对于图4所示的位置关系,这两个外接矩形在水平方向和垂直方向均可分,则rectDist(A,B,t)=max(hDist,vDist)。
其中,hDist表示两个外接矩形在垂直方向的距离,vDist表示两个外接矩形在水平方向的距离。
前景目标A的运动序列与前景目标B的运动序列在空间上的距离可以表示为:
dist(A,B)=min(rectDist(A,B,t1),..,rectDist(A,B,t2))
将dist(A,B)与空间距离阈值spaceTh进行比较。dist(A,B)>spaceTh时,表明前景目标A与前景目标B虽然在原始视频中出现的时间存在重合,但是两者距离较远,无相关联性,前景目标A与前景目标B的运动序列不可划分到同一运动序列集合中,反之,可并划分为同一运动序列集合中。
基于上述任意方法实施例,较佳地,根据各个运动序列集合中的运动序列对应的前景目标在原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长的实现方式可以是:根据各个运动序列集合中的运动序列对应的前景目标在原始视频中出现的时间信息,确定各个运动序列集合的起始时间信息;根据各个运动序列集合的起始时间信息,确定各个运动序列集合的时间偏移步长;按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理的实现方式可以是:对每个运动序列集合包含的各个运动序列,按照确定的运动序列集合的时间偏移步长进行时间偏移处理。
其中,根据运动序列集合的起始时间信息,确定运动序列集合的时间偏移步长的具体实现方式,可以参照现有技术中对运动序列进行时间偏移时确定时间偏移步长的方式。对运动序列集合包含的各个运动序列进行时间偏移处理的具体实现方式可以参照现有技术中对运动序列的时间偏移处理方式,本发明不再赘述。
基于上述任意方法实施例,较佳地,将经过时间偏移处理的运动序列集合与浓缩背景序列进行图像拼接的具体实现方式可以是:根据时间偏移处理后的各个运动序列集合的总长度与浓缩背景序列的长度,确定各个前景目标在各帧视频图像中的外接矩形图像信息与浓缩背景序列的对应关系,根据确定的对应关系和前景目标在各帧视频图像中的外接矩形的坐标信息,进行图像拼接。
其中,浓缩背景序列可以是从运动序列对应的背景图片中读取得到的。也可以是背景模型中读取得到的。
假设每隔2分钟保存一张背景图像,得到5张背景图像组成的浓缩背景序列。对运动序列集合进行时间偏移处理后最终得到的总长度为1500帧,将这1500帧平均分成5段,每一段对应一张浓缩背景图像。
基于同样的发明构思,本发明实施例还提供一种图像处理装置,其结构如图5所示,具体实现结构如下:
跟踪记录获取模块501,用于对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的跟踪记录,每个前景目标的跟踪记录包括前景目标在所述原始视频中出现的时间信息、前景目标在多帧视频图像中的外接矩形的坐标信息和前景目标在多帧视频图像中的外接矩形图像信息按时序排列构成的运动序列;
运动序列集合划分模块502,用于将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列对应的前景目标与该运动序列集合中的至少一个运动序列对应的前景目标在原始视频中出现的时间有重合;
时间偏移处理模块503,用于根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,并按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理;
图像拼接模块504,用于将经过所述时间偏移处理模块处理的运动序列集合与浓缩背景序列进行图像拼接,得到浓缩视频图像。
较佳地,将各个运动序列划分为多个运动序列集合时,对于对应的前景目标在原始视频中出现的时间有重合的两个运动序列,所述运动序列集合划分模块502用于:
根据两个运动序列对应的前景目标在所述原始视频中出现的时间信息,确定前景目标在原始视频中出现的时间有重合的各个时间点;
在确定的各个时间点上,根据两个运动序列对应的前景目标在多帧视频图像中的外接矩形的坐标信息,确定两个运动序列对应的前景目标在视频图像中的外接矩形在空间上的距离;
将确定的最小距离与空间距离阈值进行比较;
如果确定的最小距离大于所述空间距离阈值,确定两个运动序列不属于同一个运动序列集合;
如果确定的最小距离不大于所述空间距离阈值,确定两个运动序列属于同一个运动序列集合。
进一步的,所述空间距离阈值可以为各个前景目标在视频图像中的外接矩形在视频图像坐标系中的水平宽度均值。
基于上述任意装置实施例,较佳地,所述时间偏移处理模块503用于:
根据各个的运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的起始时间信息;
根据各个运动序列集合的起始时间信息,确定各个运动序列集合的时间偏移步长;
对每个的运动序列集合包含的各个运动序列,按照确定的运动序列集合的时间偏移步长进行时间偏移处理。
基于上述任意实施例,较佳地,所述图像拼接模块504具体用于:
根据时间偏移处理后的各个运动序列集合的总长度与浓缩背景序列的长度,确定各个前景目标在各帧视频图像中的外接矩形图像信息与浓缩背景序列的对应关系,根据确定的对应关系和前景目标在各帧视频图像中的外接矩形的坐标信息,进行图像拼接。
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 (10)
1.一种图像处理方法,其特征在于,包括:
对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的跟踪记录,每个前景目标的跟踪记录包括前景目标在所述原始视频中出现的时间信息、前景目标在多帧视频图像中的外接矩形的坐标信息和前景目标在多帧视频图像中的外接矩形图像信息按时序排列构成的运动序列;
将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列对应的前景目标与该运动序列集合中的至少一个运动序列对应的前景目标在所述原始视频中出现的时间有重合;
根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,并按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理;
将经过时间偏移处理的运动序列集合与浓缩背景序列进行图像拼接,得到浓缩视频图像。
2.根据权利要求1所述的方法,其特征在于,将各个运动序列划分为多个运动序列集合时,对于对应的前景目标在所述原始视频中出现的时间有重合的两个运动序列,该方法包括:
根据两个运动序列对应的前景目标在所述原始视频中出现的时间信息,确定前景目标在所述原始视频中出现的时间有重合的各个时间点;
在确定的各个时间点上,根据两个运动序列对应的前景目标在视频图像中的外接矩形的坐标信息,确定两个运动序列对应的前景目标在视频图像中的外接矩形在空间上的距离;
将确定的最小距离与空间距离阈值进行比较;
如果确定的最小距离大于所述空间距离阈值,确定两个运动序列不属于同一个运动序列集合;
如果确定的最小距离不大于所述空间距离阈值,确定两个运动序列属于同一个运动序列集合。
3.根据权利要求2所述的方法,其特征在于,所述空间距离阈值为各个前景目标在视频图像中的外接矩形在视频图像坐标系中的水平宽度均值。
4.根据权利要求1~3任一项所述的方法,其特征在于,根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,包括:
根据各个待处理的运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个待处理的运动序列集合的起始时间信息;
根据各个运动序列集合的起始时间信息,确定各个运动序列集合的时间偏移步长;
按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理,包括:
对每个运动序列集合包含的各个运动序列,按照确定的运动序列集合的时间偏移步长进行时间偏移处理。
5.根据权利要求1~3任一项所述的方法,其特征在于,将经过时间偏移处理的运动序列集合与浓缩背景序列进行图像拼接,包括:
根据时间偏移处理后的各个运动序列集合的总长度与浓缩背景序列的长度,确定各个前景目标在各帧视频图像中的外接矩形图像信息与浓缩背景序列的对应关系,根据确定的对应关系和前景目标在各帧视频图像中的外接矩形的坐标信息,进行图像拼接。
6.一种图像处理装置,其特征在于,包括:
跟踪记录获取模块,用于对原始视频的视频图像进行前景检测和前景目标跟踪,获取前景目标的跟踪记录,每个前景目标的跟踪记录包括前景目标在所述原始视频中出现的时间信息、前景目标在多帧视频图像中的外接矩形的坐标信息和前景目标在多帧视频图像中的外接矩形图像信息按时序排列构成的运动序列;
运动序列集合划分模块,用于将各个运动序列划分为多个运动序列集合;每个运动序列集合至少包含一个运动序列;对于包含两个或两个以上运动序列的运动序列集合,其中的每个运动序列对应的前景目标与该运动序列集合中的至少一个运动序列对应的前景目标在所述原始视频中出现的时间有重合;
时间偏移处理模块,用于根据各个运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个运动序列集合的时间偏移步长,并按照确定的时间偏移步长对各个运动序列集合进行时间偏移处理;
图像拼接模块,用于将经过所述时间偏移处理模块处理的运动序列集合与浓缩背景序列进行图像拼接,得到浓缩视频图像。
7.根据权利要求6所述的装置,其特征在于,将各个运动序列划分为多个运动序列集合时,对于对应的前景目标在所述原始视频中出现的时间有重合的两个运动序列,所述运动序列集合划分模块用于:
根据两个运动序列对应的前景目标在所述原始视频中出现的时间信息,确定前景目标在所述原始视频中出现的时间有重合的各个时间点;
在确定的各个时间点上,根据两个运动序列对应的前景目标在多帧视频图像中的外接矩形的坐标信息,确定两个运动序列对应的前景目标在视频图像中的外接矩形在空间上的距离;
将确定的最小距离与空间距离阈值进行比较;
如果确定的最小距离大于所述空间距离阈值,确定两个运动序列不属于同一个运动序列集合;
如果确定的最小距离不大于所述空间距离阈值,确定两个运动序列属于同一个运动序列集合。
8.根据权利要求7所述的装置,其特征在于,所述空间距离阈值为各个前景目标在视频图像中的外接矩形在视频图像坐标系中的水平宽度均值。
9.根据权利要求6~8任一项所述的装置,其特征在于,所述时间偏移处理模块用于:
根据各个待处理的运动序列集合中的运动序列对应的前景目标在所述原始视频中出现的时间信息,确定各个待处理的运动序列集合的起始时间信息;
根据各个运动序列集合的起始时间信息,确定各个运动序列集合的时间偏移步长;
对每个待处理的运动序列集合包含的各个运动序列,按照确定的运动序列集合的时间偏移步长进行时间偏移处理。
10.根据权利要求6~8任一项所述的装置,其特征在于,所述图像拼接模块具体用于:
根据时间偏移处理后的各个运动序列集合的总长度与浓缩背景序列的长度,确定各个前景目标在各帧视频图像中的外接矩形图像信息与浓缩背景序列的对应关系,根据确定的对应关系和前景目标在各帧视频图像中的外接矩形的坐标信息,进行图像拼接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310301319.3A CN104301699B (zh) | 2013-07-16 | 2013-07-16 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310301319.3A CN104301699B (zh) | 2013-07-16 | 2013-07-16 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104301699A CN104301699A (zh) | 2015-01-21 |
CN104301699B true CN104301699B (zh) | 2016-04-06 |
Family
ID=52321235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310301319.3A Active CN104301699B (zh) | 2013-07-16 | 2013-07-16 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104301699B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105898343B (zh) * | 2016-04-07 | 2019-03-12 | 广州盈可视电子科技有限公司 | 一种视频直播、终端的视频直播方法和装置 |
CN105979406B (zh) * | 2016-04-27 | 2019-01-18 | 上海交通大学 | 基于代表性特征的视频摘要提取方法及其系统 |
CN108460032A (zh) * | 2017-02-17 | 2018-08-28 | 杭州海康威视数字技术股份有限公司 | 一种视频摘要的生成方法及装置 |
CN110267008B (zh) * | 2019-06-28 | 2021-10-22 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN112686231B (zh) * | 2021-03-15 | 2021-06-01 | 南昌虚拟现实研究院股份有限公司 | 动态手势识别方法、装置、可读存储介质及计算机设备 |
CN115797164B (zh) * | 2021-09-09 | 2023-12-12 | 同方威视技术股份有限公司 | 固定视场中的图像拼接方法、装置、系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7248778B1 (en) * | 2001-03-16 | 2007-07-24 | Gateway Inc. | Automated video editing system and method |
CN102375816B (zh) * | 2010-08-10 | 2016-04-20 | 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 |
CN102708182B (zh) * | 2012-05-08 | 2014-07-02 | 浙江捷尚视觉科技有限公司 | 一种快速视频浓缩摘要方法 |
CN103067702B (zh) * | 2012-12-06 | 2015-07-22 | 中通服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
- 2013-07-16 CN CN201310301319.3A patent/CN104301699B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104301699A (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104301699B (zh) | 一种图像处理方法及装置 | |
CN109359552B (zh) | 一种高效的跨摄像头行人双向跟踪方法 | |
JP6819118B2 (ja) | 移動物体の計数装置及び方法 | |
CN102222104B (zh) | 基于时空融合的智能提取视频摘要方法 | |
CN104284057A (zh) | 一种视频处理方法及装置 | |
CN103366569B (zh) | 实时抓拍交通违章车辆的方法及系统 | |
JP2015115955A (ja) | 映像要約方法および装置 | |
CN102708182A (zh) | 一种快速视频浓缩摘要方法 | |
CN104093001A (zh) | 一种在线动态视频浓缩方法 | |
CN106937090A (zh) | 一种视频存储的方法以及装置 | |
CN104618656A (zh) | 一种信息处理的方法及电子设备 | |
CN103280052B (zh) | 应用于长距离轨道线路智能视频监控的入侵检测方法 | |
CN101894380B (zh) | 一种全景视频中目标物体的自动跟踪方法 | |
CN105933665B (zh) | 一种调阅摄像机视频的方法及装置 | |
KR101484844B1 (ko) | 실시간 영상에 프라이버시 마스킹 툴을 제공하는 장치 및 방법 | |
CN110688905A (zh) | 一种基于关键帧的三维物体检测与跟踪方法 | |
CN106651901A (zh) | 对象跟踪方法和设备 | |
CN103646257A (zh) | 一种基于视频监控图像的行人检测和计数方法 | |
US20120105601A1 (en) | Apparatus and method for creating three-dimensional panoramic image by using single camera | |
CN103888768A (zh) | 一种视频图像帧序列的浓缩方法及装置 | |
JP2017526268A (ja) | ビデオ符号化のための適応検索ウィンドウの配置 | |
CN105578258A (zh) | 一种视频预处理和视频回放的方法及装置 | |
CN104683765A (zh) | 一种基于移动物体侦测的视频浓缩方法 | |
Li et al. | Intelligent transportation video tracking technology based on computer and image processing technology | |
CN103092929A (zh) | 一种视频摘要的生成方法及装置 |
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 |