CN105007464A - 一种视频浓缩的方法 - Google Patents
一种视频浓缩的方法 Download PDFInfo
- Publication number
- CN105007464A CN105007464A CN201510423031.2A CN201510423031A CN105007464A CN 105007464 A CN105007464 A CN 105007464A CN 201510423031 A CN201510423031 A CN 201510423031A CN 105007464 A CN105007464 A CN 105007464A
- Authority
- CN
- China
- Prior art keywords
- video
- concentrated
- target
- motion
- event body
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种视频浓缩的方法，属于数字图像处理技术与计算机视觉技术领域。本发明能够将海量的视频录像进行浓缩，缩短预览时间，节约人类的工作时间。同时能够快速地、精准地搜索指定运动目标，为刑侦、安防以及交通安全等领域提供服务。
Description
技术领域
本发明涉及一种视频浓缩的方法，属于数字图像处理技术与计算机视觉技术领域。
背景技术
伴随着视频技术的发展, 数以万计的视频监控系统部署在城市的大街小巷，海量的视频文件给设备存储和人工预览带来了巨大的压力和工作任务。本专利提出的一种视频浓缩的方法与系统将海量的视频录像进行浓缩，以提取出大量的有用信息，从而节约了人类的时间和精力，为人类生活带来极大的便利。
发明内容
本发明的目的是针对智能轮椅机器人的远程监护视频技术存在的一些问题，提供了一种视频浓缩的方法，提出了用视频浓缩技术的方法解决远程监护视频时间长、存储量大等问题。
为了实现上述目的，本发明采用如下技术方案：
一种视频浓缩的方法，其特征在于该方法包括如下步骤：
A、视频浓缩：将原视频放入浓缩界面，首先采用帧间差分算法计算出相邻两帧之间对应点的像素值不同的像素点，其中这类相邻的像素点组成了运动的像素块；
同时利用混合高斯模型建立背景模型，再利用统计平均值算法来实时的更新背景；
然后利用卡尔曼滤波算法对运动的像素块做运动目标分析，以提取出运动事件体，接着去除运动事件体的阴影并做时间标注和排序，再将标注时间、序号、事件体长宽等信息存入数据库；
最后将运动事件体与背景进行无缝融合，并利用优化算法排除碰撞现象；
(2) 视频检索：首先可以根据运动目标颜色或者大小信息，计算浓缩后视频中所有运动目标的相似性，再根据相似对比度来检索指定目标与视频中所有运动目标的相似程度，进而锁定是否存在同一目标。
在步骤A中：对原视频文件的格式为AVI或者MPG格式。
在步骤B中：根据人和车的模型特点，视频检索还能够对人和车进行分类，以缩小检索范围。
(1) 基于帧间差分法的运动目标检测，将当前待处理的帧和前一帧相减以标记出运动区域，通过阈值以检测运动目标同时也能够确定视频中有无运动目标。
(2)背景建模,对于区域不变的复杂背景，运用混合高斯模型方法建立背景模型，再结合统计平均值方法对图像每点像素时间轴上相邻的多幅图片的对应像素值求平均值来估计背景。
(3) 运用卡尔曼滤波对运动目标进行跟踪，将帧间差分法捕捉到的运动目标进行目标跟踪分析，以提取运动事件体。卡尔曼滤波跟踪算法分成两个步骤:预测,根据系统当前状态和噪声状态预测系统下一步的状态；更正，在系统得到下一步的观测数据之后，更新预测结果。
(4) 去除阴影，在 HSV 颜色空间中，当一个像素点被阴影覆盖时，具有亮度变化较大而色度信号变化不大的特点，根据这一特点和运动事件体中真正的运动目标和其阴影的连通性，检测出运动目标与其阴影的边界处，以去除运动目标的阴影。
(5) 运动目标的时间排序与存储，提取出运动目标后，根据其在视频帧出现的先后顺序对目标体进行顺序排序标注。再将时间标注结果、目标像素的宽高等信息存入Mysql数据库。
(6) 运动目标的融合，根据预先设定的视频分段长度和运动目标的密集程度两个方面来确定同一时刻出现的运动目标的数量，再根据连续不变性对运动目标和背景进行无缝融合。
(7) 运动目标的碰撞检测，对于融合后的视频，不同时间段的运动目标可能会出现在同一位置，检测运动目标是否在同一时刻有像素重叠就可以检测碰撞现象，系统就会优化运动目标的出现次序以避免碰撞。
(8) 运动目标检索，根据人和车的模型特点，使用模板匹配和机器学习的方法将人和车进行分类。根据存入数据库的运动目标信息，计算浓缩后视频中所有运动目标的相似性，根据相似比率对指定运动目标进行检索。
本发明的有益效果：
本发明能够将海量的视频录像进行浓缩，缩短预览时间，节约人类的工作时间。同时能够快速地、精准地搜索指定运动目标，为刑侦、安防以及交通安全等领域提供服务。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图1对本发明进行详细描述：
一种视频浓缩的方法，该方法包括如下步骤：
A、视频浓缩：将原视频放入浓缩界面，首先采用帧间差分算法计算出相邻两帧之间对应点的像素值不同的像素点，其中这类相邻的像素点组成了运动的像素块；
同时利用混合高斯模型建立背景模型，再利用统计平均值算法来实时的更新背景；
然后利用卡尔曼滤波算法对运动的像素块做运动目标分析，以提取出运动事件体，接着去除运动事件体的阴影并做时间标注和排序，再将标注时间、序号、事件体长宽等信息存入数据库；
最后将运动事件体与背景进行无缝融合，并利用优化算法排除碰撞现象；
(2) 视频检索：首先可以根据运动目标颜色或者大小信息，计算浓缩后视频中所有运动目标的相似性，再根据相似对比度来检索指定目标与视频中所有运动目标的相似程度，进而锁定是否存在同一目标。
在步骤A中：对原视频文件的格式为AVI或者MPG格式。
在步骤B中：根据人和车的模型特点，视频检索还能够对人和车进行分类，以缩小检索范围。
Claims (3)
1. 一种视频浓缩的方法，其特征在于该方法包括如下步骤：
A、视频浓缩：将原视频放入浓缩界面，首先采用帧间差分算法计算出相邻两帧之间对应点的像素值不同的像素点，其中这类相邻的像素点组成了运动的像素块；
同时利用混合高斯模型建立背景模型，再利用统计平均值算法来实时的更新背景；
然后利用卡尔曼滤波算法对运动的像素块做运动目标分析，以提取出运动事件体，接着去除运动事件体的阴影并做时间标注和排序，再将标注时间、序号、事件体长宽等信息存入数据库；
最后将运动事件体与背景进行无缝融合，并利用优化算法排除碰撞现象；
(2) 视频检索：首先可以根据运动目标颜色或者大小信息，计算浓缩后视频中所有运动目标的相似性，再根据相似对比度来检索指定目标与视频中所有运动目标的相似程度，进而锁定是否存在同一目标。
2.根据权利要求1所述的视频浓缩的方法，其特征在于：在步骤A中：对原视频文件的格式为AVI或者MPG格式。
3.根据权利要求1所述的视频浓缩的方法，其特征在于：在步骤B中：根据人和车的模型特点，视频检索还能够对人和车进行分类，以缩小检索范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510423031.2A CN105007464A (zh) | 2015-07-20 | 2015-07-20 | 一种视频浓缩的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510423031.2A CN105007464A (zh) | 2015-07-20 | 2015-07-20 | 一种视频浓缩的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105007464A true CN105007464A (zh) | 2015-10-28 |
Family
ID=54379960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510423031.2A Pending CN105007464A (zh) | 2015-07-20 | 2015-07-20 | 一种视频浓缩的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105007464A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11816117B2 (en) | 2018-09-04 | 2023-11-14 | Huawei Technologies Co., Ltd. | Data retrieval method and apparatus |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090077869A (ko) * | 2008-01-12 | 2009-07-16 | (주) 이노티브잉크코리아 | 영상처리시스템, 영상처리방법 및 영상전달방법 |
| CN103686095A (zh) * | 2014-01-02 | 2014-03-26 | 中安消技术有限公司 | 一种视频浓缩方法和系统 |
| CN103929685A (zh) * | 2014-04-15 | 2014-07-16 | 中国华戎控股有限公司 | 一种视频摘要生成及索引方法 |
| CN104581437A (zh) * | 2014-12-26 | 2015-04-29 | 中通服公众信息产业股份有限公司 | 一种视频摘要生成及视频回溯的方法及系统 |
-
2015
- 2015-07-20 CN CN201510423031.2A patent/CN105007464A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090077869A (ko) * | 2008-01-12 | 2009-07-16 | (주) 이노티브잉크코리아 | 영상처리시스템, 영상처리방법 및 영상전달방법 |
| CN103686095A (zh) * | 2014-01-02 | 2014-03-26 | 中安消技术有限公司 | 一种视频浓缩方法和系统 |
| CN103929685A (zh) * | 2014-04-15 | 2014-07-16 | 中国华戎控股有限公司 | 一种视频摘要生成及索引方法 |
| CN104581437A (zh) * | 2014-12-26 | 2015-04-29 | 中通服公众信息产业股份有限公司 | 一种视频摘要生成及视频回溯的方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11816117B2 (en) | 2018-09-04 | 2023-11-14 | Huawei Technologies Co., Ltd. | Data retrieval method and apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cao et al. | Vehicle detection and motion analysis in low-altitude airborne video under urban environment | |
| CN106856577B (zh) | 可解决多目标碰撞及遮挡问题的视频摘要生成方法 | |
| CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
| Swathi et al. | Crowd behavior analysis: A survey | |
| CN101799968B (zh) | 基于视频图像智能分析的油井入侵检测方法及装置 | |
| CN104915655A (zh) | 一种多路监控视频的管理方法与设备 | |
| CN104978567A (zh) | 基于场景分类的车辆检测方法 | |
| Karpagavalli et al. | Estimating the density of the people and counting the number of people in a crowd environment for human safety | |
| Malhi et al. | Vision based intelligent traffic management system | |
| CN107480653A (zh) | 基于计算机视觉的客流量检测方法 | |
| CN103646254A (zh) | 一种高密度行人检测方法 | |
| Augustin et al. | Motion and feature based person tracking in surveillance videos | |
| CN103886609A (zh) | 基于粒子滤波和lbp特征的车辆跟踪方法 | |
| CN115169673A (zh) | 一种智慧校园疫情风险监测与预警系统及方法 | |
| Chauhan et al. | Study of moving object detection and tracking for video surveillance | |
| Dey et al. | Moving object detection using genetic algorithm for traffic surveillance | |
| Li et al. | Robust real-time detection of abandoned and removed objects | |
| Bhaskar et al. | Enhanced and effective parallel optical flow method for vehicle detection and tracking | |
| Kollek et al. | Real-time traffic counting on resource constrained embedded systems | |
| Chen et al. | Spatiotemporal vehicle tracking: the use of unsupervised learning-based segmentation and object tracking | |
| CN105007464A (zh) | 一种视频浓缩的方法 | |
| Tu et al. | Erasure-based interaction network for rgbt video object detection and a unified benchmark | |
| El Moudni et al. | An Event-based Stereo 3D Mapping and Tracking Pipeline for Autonomous Vehicles | |
| Luo et al. | A real-time people counting approach in indoor environment | |
| CN111754477B (zh) | 基于动态候选区多尺度图像的铁路周界异物入侵检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151028 |
|
| RJ01 | Rejection of invention patent application after publication |