CN105141923A - 一种视频浓缩方法及装置 - Google Patents
一种视频浓缩方法及装置 Download PDFInfo
- Publication number
- CN105141923A CN105141923A CN201510568215.8A CN201510568215A CN105141923A CN 105141923 A CN105141923 A CN 105141923A CN 201510568215 A CN201510568215 A CN 201510568215A CN 105141923 A CN105141923 A CN 105141923A
- Authority
- CN
- China
- Prior art keywords
- video
- concentrated
- frame
- crowd
- analyzed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 140
- 238000001914 filtration Methods 0.000 claims description 16
- 230000006835 compression Effects 0.000 claims description 13
- 238000007906 compression Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 25
- 230000008569 process Effects 0.000 abstract description 3
- 239000012634 fragment Substances 0.000 abstract 2
- 238000001514 detection method Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000000717 retained effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种视频浓缩方法及装置。其中,该方法包括:获取待浓缩视频,分析待浓缩视频得到分析结果,包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;根据分析结果从待浓缩视频中确定需保留的视频片段;对需保留的视频片段进行视频编码,得到待浓缩视频对应的浓缩视频数据。本发明通过人群分析算法来得到视频帧对应的即时人数、人群运动速度及人群运动一致程度,根据分析得到的这些人群相关参数来实现视频浓缩处理,满足了广场或地铁等人多且持续有人运动的场合的需求,对这些场合的监控视频进行了有效的视频浓缩,节省了存储这些场合的监控视频所需的存储空间,且极大缩短了这些场合的监控视频的调阅及播放时间。
Description
技术领域
本发明涉及视频处理技术领域,具体而言,涉及一种视频浓缩方法及装置。
背景技术
视频监控系统在社会管理方面具有重要应用价值。在公共场所通过摄像头进行监控,摄像头每天拍摄大量的监控视频,但其中有价值的视频片段并不多,为了节省监控视频所需的存储空间,需要对监控视频进行视频浓缩,去除监控视频中价值低的视频片段。
当前,现有技术提供了一种视频浓缩方法,该方法包括:通过运动侦测方式对监控视频的视频帧进行处理,确定包含运动目标的视频帧,将包含运动目标的视频帧确定为有价值的视频帧,保留这些有价值的视频帧,将监控视频中的其它视频帧剔除,实现对监控视频的视频浓缩处理。
但是对于广场或地铁等人多且持续有人运动的场合,这些场合的监控视频中几乎每一视频帧中都包含运动目标,因此通过上述运动侦测方式无法对这些场合的监控视频进行有效地视频浓缩。
发明内容
有鉴于此,本发明实施例的目的在于提供一种视频浓缩方法及装置,实现通过人群分析算法来进行视频浓缩处理,对人多且持续有人运动的场合的监控视频进行了有效的视频浓缩。
第一方面,本发明实施例提供了一种视频浓缩方法,所述方法包括:
获取待浓缩视频,分析所述待浓缩视频得到分析结果,所述分析结果包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;
根据所述分析结果从所述待浓缩视频中确定需保留的视频片段;
对所述需保留的视频片段进行视频编码,得到所述待浓缩视频对应的浓缩视频数据。
结合第一方面,本发明实施例提供了上述第一方面的第一种可能的实现方式,其中,所述分析所述待浓缩视频得到分析结果,包括:
在所述待浓缩视频的视频场景中选定待分析区域;
通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析,分别得到各视频帧对应的分析结果。
结合第一方面的第一种可能的实现方式,本发明实施例提供了上述第一方面的第二种可能的实现方式,其中,所述在所述待浓缩视频的视频场景中选定待分析区域,包括:
将所述待浓缩视频的视频场景对应的完整图像区域确定为待分析区域;或者,
将所述待浓缩视频的视频场景中预设地点对应的图像区域确定为待分析区域;或者,
将所述待浓缩视频的视频场景中人员流量最大的位置对应的图像区域确定为待分析区域。
结合第一方面的第一种可能的实现方式,本发明实施例提供了上述第一方面的第三种可能的实现方式,其中,所述通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析之前,还包括:
对于所述待浓缩视频的各视频帧,分别标定所述各视频帧中行人的高度;
相应地,所述通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析,包括:
根据标定的所述各视频帧中行人的高度,通过所述预设人群分析算法,分析所述各视频帧中所述待分析区域的图像得到分析结果。
结合第一方面及第一方面的第一至第三任一种可能的实现方式,本发明实施例提供了上述第一方面的第四种可能的实现方式,其中,所述根据所述分析结果从所述待浓缩视频中确定需保留的视频片段,包括:
根据预先设置的价值判定规则及各视频帧对应的分析结果,分别计算各视频帧的价值系数;
根据预设价值阈值及所述各视频帧的价值系数,确定所述待浓缩视频中需保留的视频帧;
将确定的视频帧组成需保留的视频片段。
结合第一方面的第四种可能的实现方式,本发明实施例提供了上述第一方面的第五种可能的实现方式,其中,所述根据预设价值阈值及所述每一视频帧的价值系数,确定所述待浓缩视频中需保留的视频帧之前,还包括:
对所述待浓缩视频中连续预设帧的视频帧的价值系数进行低通滤波处理,过滤所述待浓缩视频中的噪声视频帧。
结合第一方面,本发明实施例提供了上述第一方面的第六种可能的实现方式,其中,所述方法还包括:
将所述待浓缩视频中不需保留的视频片段删除;或者,
按照预设抽帧策略,从所述待浓缩视频的不需保留的视频片段中抽取视频帧,将抽取的视频帧存储在本地缓存中。
第二方面,本发明实施例提供了一种视频浓缩装置,所述装置包括:
获取模块,用于获取待浓缩视频;
分析模块,用于分析所述待浓缩视频得到分析结果,所述分析结果包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;
确定模块,用于根据所述分析结果从所述待浓缩视频中确定需保留的视频片段;
编码模块,用于对所述需保留的视频片段进行视频编码,得到所述待浓缩视频对应的浓缩视频数据。
结合第二方面,本发明实施例提供了上述第二方面的第一种可能的实现方式,其中,所述分析模块包括:
选定单元,用于在所述待浓缩视频的视频场景中选定待分析区域;
分析单元,用于通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析,分别得到各视频帧对应的分析结果。
结合第二方面的第一种可能的实现方式,本发明实施例提供了上述第二方面的第二种可能的实现方式,其中,所述选定单元包括:
第一确定子单元,用于将所述待浓缩视频的视频场景对应的完整图像区域确定为待分析区域;或者,
第二确定子单元,用于将所述待浓缩视频的视频场景中预设地点对应的图像区域确定为待分析区域;或者,
第三确定子单元,用于将所述待浓缩视频的视频场景中人员流量最大的位置对应的图像区域确定为待分析区域。
结合第二方面的第一种可能的实现方式,本发明实施例提供了上述第二方面的第三种可能的实现方式,其中,所述装置还包括:
高度标定模块,用于对于所述待浓缩视频的各视频帧,分别标定所述各视频帧中行人的高度;
相应地,所述分析单元,用于根据标定的所述各视频帧中行人的高度,通过所述预设人群分析算法,分析所述各视频帧中所述待分析区域的图像得到分析结果。
结合第二方面及第二方面的第一至第三任一种可能的实现方式,本发明实施例提供了上述第二方面的第四种可能的实现方式,其中,所述确定模块包括:
计算单元,用于根据预先设置的价值判定规则及各视频帧对应的分析结果,分别计算各视频帧的价值系数;
确定单元,用于根据预设价值阈值及所述各视频帧的价值系数,确定所述待浓缩视频中需保留的视频帧;
组成单元,用于将确定的视频帧组成需保留的视频片段。
结合第二方面的第四种可能的实现方式,本发明实施例提供了上述第二方面的第五种可能的实现方式,其中,所述装置还包括:
滤波模块,用于对所述待浓缩视频中连续预设帧的视频帧的价值系数进行低通滤波处理,过滤所述待浓缩视频中的噪声视频帧。
结合第二方面,本发明实施例提供了上述第二方面的第六种可能的实现方式,其中,所述装置还包括:
删除模块,用于将所述待浓缩视频中不需保留的视频片段删除;或者,
抽帧模块,用于按照预设抽帧策略,从所述待浓缩视频的不需保留的视频片段中抽取视频帧,将抽取的视频帧存储在本地缓存中。
在本发明实施例提供的方法及装置中,获取待浓缩视频,分析待浓缩视频得到分析结果,包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;根据分析结果从待浓缩视频中确定需保留的视频片段;对需保留的视频片段进行视频编码,得到待浓缩视频对应的浓缩视频数据。本发明通过人群分析算法来得到视频帧对应的即时人数、人群运动速度及人群运动一致程度,根据分析得到的这些人群相关参数来实现视频浓缩处理,满足了广场或地铁等人多且持续有人运动的场合的需求,对这些场合的监控视频进行了有效的视频浓缩,节省了存储这些场合的监控视频所需的存储空间,且极大缩短了这些场合的监控视频的调阅及播放时间。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例1所提供的一种视频浓缩方法的流程示意图;
图2A示出了本发明实施例2所提供的一种视频浓缩装置的结构示意图;
图2B示出了本发明实施例2所提供的另一种视频浓缩装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
考虑到相关技术中对于广场或地铁等人多且持续有人运动的场合,由于这些场合的监控视频中几乎每一视频帧中都包含运动目标,因此通过运动侦测方式无法对这些场合的监控视频进行有效地视频浓缩。基于此,本发明实施例提供了一种视频浓缩方法及装置。下面通过实施例进行描述。
实施例1
参见图1,本发明实施例提供了一种视频浓缩方法。该方法具体包括以下步骤:
步骤101:获取待浓缩视频,分析待浓缩视频得到分析结果,该分析结果包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;
目前在广场、地铁、车站、银行或商场等公共场合都安装有摄像头,摄像头对这些场合进行实时拍摄,得到这些场合的监控视频。在这些场合中发生意外事故或犯罪案件时,监控视频可以为事故处理及案件侦破提供线索。
上述待浓缩视频可以为摄像头已拍摄的上述场合的监控视频,也可以为摄像头拍摄上述场合的实时视频。本发明实施例的执行主体可以为具有视频浓缩功能的装置。当待浓缩视频为已拍摄的监控视频时,从本地存储器中获取待浓缩视频。当待浓缩视频为实时视频时,接收摄像头传输的实时视频片段,将接收的实时视频片段作为待浓缩视频。
在本发明实施例中,通过预设人群分析算法分析待浓缩视频得到分析结果,分析结果包括的人群运动速度是相对的,以像素为单位,人群运动一致程度主要用于探测异常的单体运动,比如逆行、奔跑、突然聚集、或突然散开等异常事件。
预设人群分析算法可以为基于运动检测的分析算法、基于人体检测的分析算法或基于人群检测的分析算法等。本发明实施例不限制具体采用的人群分析算法,但上述预设人群分析算法需能够分析待浓缩视频的视频场景中的即时人数、人群运动速度及人群运动一致程度。在本发明实施例中,选择人群分析算法时,要求人群分析算法统计即时人数的准确度达预设阈值,该预设阈值可以为80%或90%。
在本发明实施例中,通过分析待浓缩视频得到分析结果的操作,具体包括:
在待浓缩视频的视频场景中选定待分析区域,通过预设人群分析算法对待浓缩视频的各视频帧中待分析区域的图像进行分析,分别得到各视频帧对应的分析结果。
上述选定待分析区域的操作,可以由技术人员预先设置待分析区域为视频场景对应的完整图像区域。在选定待分析区域时,根据预先的设置将待浓缩视频的视频场景对应的完整图像区域确定为待分析区域。
待分析区域也可以为视频场景中一些重要地点对应的图像区域。例如,在地铁场景中待分析区域可以为地铁站台对应的图像区域,在银行场景中待分析区域可以为银行业务大厅对应的图像区域。在本发明实施例中,预先设置视频场景与预设地点的对应关系。在选定待分析区域时,根据待浓缩视频的视频场景从预先设置的视频场景与预设地点的对应关系中获取该视频场景对应的预设地点,将该预设地点对应的图像区域确定为待分析区域。
另外,技术人员还可以事先测定不同场景中各位置的人员流量,确定不同场景中人员流量最大的位置,并事先设置视频场景与人员流量最大的位置的对应关系。在选定待分析区域时,根据待浓缩视频的视频场景从事先设置的视频场景与流量最大的位置的对应关系中确定对应的人员流量最大的位置,将该位置对应的图像区域确定为待分析区域。例如,技术人员测定地铁场景中站台及售票处的人员流量,确定站台的人员流量最大,则存储地铁场景与站台位置的对应关系。在选定地铁场景对应的待分析区域时,将站台对应的图像区域确定为待分析区域。
在本发明实施例中,通过预设人群分析算法分析待浓缩视频之前,还需获取预设人群分析算法的算法参数。该算法参数为人群分析算法正常运行所需的参数,如算法参数可以为待浓缩视频的分辨率等。根据算法参数,通过预设人群分析算法逐帧分析待浓缩视频的每一视频帧。具体地,对于待浓缩视频的视频帧,通过预设人群分析算法对视频帧中待分析区域的图像进行分析,统计出该视频帧中待分析区域的图像中包括的即时人数,计算待分析区域的图像中人群运动速度及人群运动一致程度,将统计的即时人数、计算的人群运动速度及人群运动一致程度组成该视频帧对应的分析结果。
其中,首先可以通过人脸识别等人体识别算法识别出视频帧中待分析区域的图像中包括的人的图像,然后通过预设人群分析算法统计该视频帧对应的即时人数。
在计算该视频帧对应的人群运动速度时,需要结合该视频帧之前的若干视频帧,通过预设人群分析算法分析在包含该视频帧在内的若干视频帧中人群的图像中每个像素点的位移,根据每个像素点的位移及上述若干帧对应的时间,分别计算出每个像素点的移动速度,根据每个像素点的移动速度,计算人群运动速度。例如,人群运动速度可以为每个像素点的移动速度的平均值。
在计算该视频帧对应的人群运动一致程度时,也需要通过预设人群分析算法分析包含该视频帧在内的若干视频帧,统计在上述若干视频帧中人群的图像中移动方向保持不变的像素点的数目,计算上述动方向保持不变的像素点的数目与人群的图像中总像素点数目之间的比值,将该比值作为该视频帧对应的人群运动一致程度。
上述分析得到视频帧的即时人数、人群运动速度及人群运动一致程度的方式仅仅是示意性的,本发明实施例还可以通过预设人群分析算法以其他方式来分析出视频帧的即时人数、人群运动速度及人群运动一致程度。
对于待浓缩视频的其它每帧视频帧,都可以按照上述方式,通过人群分析算法分析得到其它每帧视频帧对应的分析结果。
在本发明实施例中,对于待浓缩视频的各视频帧,在通过人群分析算法分析出各视频帧的分析结果之前,还可以分别标定各视频帧中行人的高度。然后再根据标定的各视频帧中行人的高度和预设人群分析算法,分析该待浓缩视频得到分析结果。
本发明实施例中可以仅标定视频帧的待分析区域中包括的行人的高度,而不标定视频帧除待分析区域以外其他位置的行人的高度,如此可以节省计算量,提高标定效率。
上述标定视频帧的待分析区域中行人的高度的操作,可以首先通过人脸识别等人体识别算法识别待分析区域中的行人的图像,标记待分析区域中每个行人的图像的高度。
对各视频帧中行人的高度进行标定后,相当于进一步缩小了视频帧中需分析的图像区域,后续只需通过人群分析算法对待分析区域中标定了高度的行人的图像进行分析即可,如此可以得到更准确的人群分析结果,从而提高视频浓缩效果。
步骤102:根据分析结果从待浓缩视频中确定需保留的视频片段;
本发明实施例中,根据不同的场景需要,预设了相应的价值判定规则。本发明实施例根据预先设置的价值判定规则及各视频帧对应的分析结果,来计算各视频帧的价值系数。
上述预设的价值判定规则规定了分析结果与价值系数之间的关系。在本发明实施例中,分析结果包括的即时人数用C表示,人群运动速度用U表示,人群运动一致程度用M表示,则预设的价值判定规则可以表示为Vt=F(C,U,M)。其中,Vt为视频帧的价值系数,视频帧的价值系数为该视频帧的分析结果的函数。一般情况下,视频帧中即时人数越多,该视频帧的价值系数越高;视频帧中人群运动速度越大,该视频帧的价值系数越高;视频帧中人群运动一致程度越低,发生异常的单体运动事件越少,该视频帧的价值系数越高。预设的价值判定规则可以根据采用的人群分析算法不同进行定制。
在本发明实施例中,还可以用人群运动差异程度来代替上述人群运动一致程度。人群运动差异程度计算方式为通过预设人群分析算法分析包含视频帧在内的若干视频帧,统计在上述若干视频帧中人群的图像中移动方向发生改变的像素点的数目,计算上述动方向发生改变的像素点的数目与人群的图像中总像素点数目之间的比值,将该比值作为该视频帧对应的人群运动差异程度。视频帧中人群运动差异程度越高,发生异常的单体运动事件越多,视频帧的价值系数越高。
通过上述方式计算出各视频帧的价值系数之后,根据预设价值阈值及各视频帧的价值系数,确定待浓缩视频中需保留的视频帧。具体地,将各视频帧的价值系数分别与预设价值阈值进行比较,将价值系数大于预设价值阈值的视频帧确定为需保留的视频帧。将确定的需保留的视频帧组成需保留的视频片段。
另外,摄像头在拍摄待浓缩视频时,可能由于光线或摄像头性能等原因,致使拍摄的待浓缩视频中不可避免地存在一些噪声视频帧,所以为了提高视频浓缩处理的鲁棒性,在本发明实施例中,在根据预设价值阈值及每一视频帧的价值系数,确定待浓缩视频中需保留的视频帧之前,还对待浓缩视频中连续预设帧的视频帧的价值系数进行低通滤波处理,过滤待浓缩视频中的噪声视频帧。然后再从过滤后的视频帧中确定出需保留的视频帧组成视频片段。
上述低通滤波处理可以为计算上述连续预设帧的视频帧的价值系数的平均值,过滤价值系数低于该平均值的视频帧。当然上述低通滤波处理也可以通过其它方式来实现,本发明实施例并不限定其具体的操作方式。
通过上述步骤102从待浓缩视频中确定出需保留的视频片段后,通过如下步骤103的操作来获取待浓缩视频对应的浓缩后的视频数据。
步骤103:对需保留的视频片段进行视频编码,得到待浓缩视频对应的浓缩视频数据。
采用预设的视频编码格式对需保留的视频片段进行视频编码,将编码后的视频作为待浓缩视频对应的浓缩视频数据。
在本发明实施例中,对于步骤102中价值系数小于或等于预设价值阈值的视频帧,即对于待浓缩视频中不需保留的视频片段,可以将这些不需保留的视频片段直接删除。
或者,本发明实施例可以预先设置抽帧策略,预设的抽帧策略可以为从不需保留的视频片段中每隔预设帧数抽取一帧,或者预设的抽帧策略可以为从不需保留的视频片段中每隔预设数目的关键帧抽取一个关键帧。按照预设抽帧策略,从待浓缩视频的不需保留的视频片段中抽取视频帧,将抽取的视频帧存储在本地缓存中。以便在发生事故且浓缩视频数据中没有可用线索时可以从本地缓存中存储的视频帧中查找线索。
本发明实施例中将人群分析技术用于视频帧价值系数的判定,根据视频帧的价值系数的大小来实现视频浓缩,提供了一种新的视频浓缩的方法,可以满足地铁或广场等人群较多的场合需求,可以极大缩短视频调阅和播放时间,从而减轻监控人员和办案人员的负担,提高办案效率。
在本发明实施例中,获取待浓缩视频,分析待浓缩视频得到分析结果,包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;根据分析结果从待浓缩视频中确定需保留的视频片段;对需保留的视频片段进行视频编码,得到待浓缩视频对应的浓缩视频数据。本发明通过人群分析算法来得到视频帧对应的即时人数、人群运动速度及人群运动一致程度,根据分析得到的这些人群相关参数来实现视频浓缩处理,满足了广场或地铁等人多且持续有人运动的场合的需求,对这些场合的监控视频进行了有效的视频浓缩,节省了存储这些场合的监控视频所需的存储空间,且极大缩短了这些场合的监控视频的调阅及播放时间。
实施例2
参见图2A,本发明实施例提供了一种视频浓缩装置,该装置用于执行上述实施例1提供的视频浓缩方法。该装置具体包括:
获取模块201,用于获取待浓缩视频。待浓缩视频可以为摄像头已拍摄的上述场合的监控视频,也可以为摄像头拍摄上述场合的实时视频。
分析模块202,用于分析待浓缩视频得到分析结果,分析结果包括视频帧对应的即时人数、人群运动速度及人群运动一致程度。
分析结果包括的人群运动速度是相对的,以像素为单位,人群运动一致程度主要用于探测异常的单体运动,比如逆行、奔跑、突然聚集、或突然散开等异常事件。
确定模块203,用于根据分析结果从待浓缩视频中确定需保留的视频片段。
编码模块204,用于对需保留的视频片段进行视频编码,得到待浓缩视频对应的浓缩视频数据。
如图2B所示,分析模块202通过如下选定单元2021和分析单元2022来分析待浓缩视频。选定单元2021,用于在待浓缩视频的视频场景中选定待分析区域;分析单元2022,用于通过预设人群分析算法对待浓缩视频的各视频帧中待分析区域的图像进行分析,分别得到各视频帧对应的分析结果。
预设人群分析算法可以为基于运动检测的分析算法、基于人体检测的分析算法或基于人群检测的分析算法等。本发明实施例不限制具体采用的人群分析算法,但上述预设人群分析算法需能够分析待浓缩视频的视频场景中的即时人数、人群运动速度及人群运动一致程度。在本发明实施例中,选择人群分析算法时,要求人群分析算法统计即时人数的准确度达预设阈值,该预设阈值可以为80%或90%。
上述选定单元2021可以通过第一确定子单元、第二确定子单元或第三确定子单元三种方式来选定待分析区域。
第一确定子单元,用于将待浓缩视频的视频场景对应的完整图像区域确定为待分析区域;或者,
第二确定子单元,用于将待浓缩视频的视频场景中预设地点对应的图像区域确定为待分析区域;或者,
第三确定子单元,用于将待浓缩视频的视频场景中人员流量最大的位置对应的图像区域确定为待分析区域。
如图2B所示,分析模块202分析待浓缩视频之前,该视频浓缩装置还通过如下高度标定模块205来标定各视频帧中行人的高度,以进一步缩小各视频帧中需分析的图像区域,提高视频浓缩的效率及准确性。本发明实施例中可以仅标定视频帧的待分析区域中包括的行人的高度,而不标定视频帧除待分析区域以外其他位置的行人的高度,如此可以节省计算量,提高标定效率。
上述高度标定模块205,用于对于待浓缩视频的各视频帧,分别标定各视频帧中行人的高度,根据标定的各视频帧中行人的高度和预设人群分析算法,分析待浓缩视频得到分析结果。
本发明实施例中,根据不同的场景需要,预设了相应的价值判定规则。确定模块203根据预先设置的价值判定规则及各视频帧对应的分析结果,来计算各视频帧的价值系数。
上述预设的价值判定规则规定了分析结果与价值系数之间的关系。在本发明实施例中,分析结果包括的即时人数用C表示,人群运动速度用U表示,人群运动一致程度用M表示,则预设的价值判定规则可以表示为Vt=F(C,U,M)。其中,Vt为视频帧的价值系数,视频帧的价值系数为该视频帧的分析结果的函数。一般情况下,视频帧中即时人数越多,该视频帧的价值系数越高;视频帧中人群运动速度越大,该视频帧的价值系数越高;视频帧中人群运动一致程度越低,发生异常的单体运动事件越少,该视频帧的价值系数越高。预设的价值判定规则可以根据采用的人群分析算法不同进行定制。
在本发明实施例中,还可以用人群运动差异程度来代替上述人群运动一致程度。人群运动差异程度计算方式为通过预设人群分析算法分析包含视频帧在内的若干视频帧,统计在上述若干视频帧中人群的图像中移动方向发生改变的像素点的数目,计算上述动方向发生改变的像素点的数目与人群的图像中总像素点数目之间的比值,将该比值作为该视频帧对应的人群运动差异程度。视频帧中人群运动差异程度越高,发生异常的单体运动事件越多,视频帧的价值系数越高。
如图2B所示,确定模块203通过如下计算单元2031、确定单元2032和组成单元2033来确定待浓缩视频中需保留的视频片段。
计算单元,用于根据预先设置的价值判定规则及各视频帧对应的分析结果,分别计算各视频帧的价值系数;确定单元,用于根据预设价值阈值及各视频帧的价值系数,确定待浓缩视频中需保留的视频帧;组成单元,用于将确定的视频帧组成需保留的视频片段。
在本发明实施例中,摄像头拍摄待浓缩视频时,由于光照及摄像头性能等原因,导致拍摄的待浓缩视频中不可避免的包括噪声视频帧,为了提高视频浓缩的鲁棒性,如图2B所示,在通过上述确定模块203确定需保留的视频帧之前,视频浓缩装置还通过如下滤波模块206来过滤待浓缩视频中的噪声视频帧。
上述滤波模块206,用于对待浓缩视频中连续预设帧的视频帧的价值系数进行低通滤波处理,过滤待浓缩视频中的噪声视频帧。
在本发明实施例中,对于不需保留的视频片段可以通过如下删除模块和抽帧模块两种方式来处理。
删除模块,用于将待浓缩视频中不需保留的视频片段删除;或者,
抽帧模块,用于按照预设抽帧策略,从待浓缩视频的不需保留的视频片段中抽取视频帧,将抽取的视频帧存储在本地缓存中。
本发明实施例中将人群分析技术用于视频帧价值系数的判定,根据视频帧的价值系数的大小来实现视频浓缩,提供了一种新的视频浓缩的方法,可以满足地铁或广场等人群较多的场合需求,可以极大缩短视频调阅和播放时间,从而减轻监控人员和办案人员的负担,提高办案效率。
在本发明实施例中,获取待浓缩视频,分析待浓缩视频得到分析结果,包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;根据分析结果从待浓缩视频中确定需保留的视频片段;对需保留的视频片段进行视频编码,得到待浓缩视频对应的浓缩视频数据。本发明通过人群分析算法来得到视频帧对应的即时人数、人群运动速度及人群运动一致程度,根据分析得到的这些人群相关参数来实现视频浓缩处理,满足了广场或地铁等人多且持续有人运动的场合的需求,对这些场合的监控视频进行了有效的视频浓缩,节省了存储这些场合的监控视频所需的存储空间,且极大缩短了这些场合的监控视频的调阅及播放时间。
本发明实施例所提供的视频浓缩装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的装置、模块和单元的具体工作过程,均可以参考上述方法实施例中的对应过程。
在本申请所提供的几个实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (14)
1.一种视频浓缩方法,其特征在于,所述方法包括:
获取待浓缩视频,分析所述待浓缩视频得到分析结果,所述分析结果包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;
根据所述分析结果从所述待浓缩视频中确定需保留的视频片段;
对所述需保留的视频片段进行视频编码,得到所述待浓缩视频对应的浓缩视频数据。
2.根据权利要求1所述的方法,其特征在于,所述分析所述待浓缩视频得到分析结果,包括:
在所述待浓缩视频的视频场景中选定待分析区域;
通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析,分别得到各视频帧对应的分析结果。
3.根据权利要求2所述的方法,其特征在于,所述在所述待浓缩视频的视频场景中选定待分析区域,包括:
将所述待浓缩视频的视频场景对应的完整图像区域确定为待分析区域;或者,
将所述待浓缩视频的视频场景中预设地点对应的图像区域确定为待分析区域;或者,
将所述待浓缩视频的视频场景中人员流量最大的位置对应的图像区域确定为待分析区域。
4.根据权利要求2所述的方法,其特征在于,所述通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析之前,还包括:
对于所述待浓缩视频的各视频帧,分别标定所述各视频帧中行人的高度;
相应地,所述通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析,包括:
根据标定的所述各视频帧中行人的高度,通过所述预设人群分析算法,分析所述各视频帧中所述待分析区域的图像得到分析结果。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述分析结果从所述待浓缩视频中确定需保留的视频片段,包括:
根据预先设置的价值判定规则及各视频帧对应的分析结果,分别计算各视频帧的价值系数;
根据预设价值阈值及所述各视频帧的价值系数,确定所述待浓缩视频中需保留的视频帧;
将确定的视频帧组成需保留的视频片段。
6.根据权利要求5所述的方法,其特征在于,所述根据预设价值阈值及所述每一视频帧的价值系数,确定所述待浓缩视频中需保留的视频帧之前,还包括:
对所述待浓缩视频中连续预设帧的视频帧的价值系数进行低通滤波处理,过滤所述待浓缩视频中的噪声视频帧。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述待浓缩视频中不需保留的视频片段删除;或者,
按照预设抽帧策略,从所述待浓缩视频的不需保留的视频片段中抽取视频帧,将抽取的视频帧存储在本地缓存中。
8.一种视频浓缩装置,其特征在于,所述装置包括:
获取模块,用于获取待浓缩视频;
分析模块,用于分析所述待浓缩视频得到分析结果,所述分析结果包括视频帧对应的即时人数、人群运动速度及人群运动一致程度;
确定模块,用于根据所述分析结果从所述待浓缩视频中确定需保留的视频片段;
编码模块,用于对所述需保留的视频片段进行视频编码,得到所述待浓缩视频对应的浓缩视频数据。
9.根据权利要求8所述的装置,其特征在于,所述分析模块包括:
选定单元,用于在所述待浓缩视频的视频场景中选定待分析区域;
分析单元,用于通过预设人群分析算法对所述待浓缩视频的各视频帧中所述待分析区域的图像进行分析,分别得到各视频帧对应的分析结果。
10.根据权利要求9所述的装置,其特征在于,所述选定单元包括:
第一确定子单元,用于将所述待浓缩视频的视频场景对应的完整图像区域确定为待分析区域;或者,
第二确定子单元,用于将所述待浓缩视频的视频场景中预设地点对应的图像区域确定为待分析区域;或者,
第三确定子单元,用于将所述待浓缩视频的视频场景中人员流量最大的位置对应的图像区域确定为待分析区域。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
高度标定模块,用于对于所述待浓缩视频的各视频帧,分别标定所述各视频帧中行人的高度;
相应地,所述分析单元,用于根据标定的所述各视频帧中行人的高度,通过所述预设人群分析算法,分析所述各视频帧中所述待分析区域的图像得到分析结果。
12.根据权利要求8-11任一项所述的装置,其特征在于,所述确定模块包括:
计算单元,用于根据预先设置的价值判定规则及各视频帧对应的分析结果,分别计算各视频帧的价值系数;
确定单元,用于根据预设价值阈值及所述各视频帧的价值系数,确定所述待浓缩视频中需保留的视频帧;
组成单元,用于将确定的视频帧组成需保留的视频片段。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
滤波模块,用于对所述待浓缩视频中连续预设帧的视频帧的价值系数进行低通滤波处理,过滤所述待浓缩视频中的噪声视频帧。
14.根据权利要求8所述的装置,其特征在于,所述装置还包括:
删除模块,用于将所述待浓缩视频中不需保留的视频片段删除;或者,
抽帧模块,用于按照预设抽帧策略,从所述待浓缩视频的不需保留的视频片段中抽取视频帧,将抽取的视频帧存储在本地缓存中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568215.8A CN105141923B (zh) | 2015-09-08 | 2015-09-08 | 一种视频浓缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568215.8A CN105141923B (zh) | 2015-09-08 | 2015-09-08 | 一种视频浓缩方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105141923A true CN105141923A (zh) | 2015-12-09 |
CN105141923B CN105141923B (zh) | 2018-12-28 |
Family
ID=54727119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510568215.8A Active CN105141923B (zh) | 2015-09-08 | 2015-09-08 | 一种视频浓缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105141923B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578135A (zh) * | 2015-12-15 | 2016-05-11 | 浙江宇视科技有限公司 | 一种录像点播方法及装置 |
CN111008730A (zh) * | 2019-11-07 | 2020-04-14 | 长安大学 | 基于城市空间结构的人群聚集度预测模型构建方法及装置 |
CN111294524A (zh) * | 2020-02-24 | 2020-06-16 | 中移(杭州)信息技术有限公司 | 视频剪辑方法、装置、电子设备及存储介质 |
CN112188171A (zh) * | 2020-09-30 | 2021-01-05 | 重庆天智慧启科技有限公司 | 一种客户到访关系判断系统及方法 |
CN112333537A (zh) * | 2020-07-27 | 2021-02-05 | 深圳Tcl新技术有限公司 | 视频整合方法、装置及计算机可读存储介质 |
CN114422720A (zh) * | 2022-01-13 | 2022-04-29 | 广州光信科技有限公司 | 视频浓缩方法、系统、装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008093321A1 (en) * | 2007-02-01 | 2008-08-07 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | Method and system for video indexing and video synopsis |
CN103077227A (zh) * | 2012-12-31 | 2013-05-01 | 浙江元亨通信技术股份有限公司 | 视频浓缩检索分析方法及其系统 |
CN103607543A (zh) * | 2013-11-06 | 2014-02-26 | 广东威创视讯科技股份有限公司 | 视频浓缩方法、系统以及视频监控方法和系统 |
-
2015
- 2015-09-08 CN CN201510568215.8A patent/CN105141923B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008093321A1 (en) * | 2007-02-01 | 2008-08-07 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | Method and system for video indexing and video synopsis |
CN103077227A (zh) * | 2012-12-31 | 2013-05-01 | 浙江元亨通信技术股份有限公司 | 视频浓缩检索分析方法及其系统 |
CN103607543A (zh) * | 2013-11-06 | 2014-02-26 | 广东威创视讯科技股份有限公司 | 视频浓缩方法、系统以及视频监控方法和系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578135A (zh) * | 2015-12-15 | 2016-05-11 | 浙江宇视科技有限公司 | 一种录像点播方法及装置 |
CN111008730A (zh) * | 2019-11-07 | 2020-04-14 | 长安大学 | 基于城市空间结构的人群聚集度预测模型构建方法及装置 |
CN111008730B (zh) * | 2019-11-07 | 2023-08-11 | 长安大学 | 基于城市空间结构的人群聚集度预测模型构建方法及装置 |
CN111294524A (zh) * | 2020-02-24 | 2020-06-16 | 中移(杭州)信息技术有限公司 | 视频剪辑方法、装置、电子设备及存储介质 |
CN112333537A (zh) * | 2020-07-27 | 2021-02-05 | 深圳Tcl新技术有限公司 | 视频整合方法、装置及计算机可读存储介质 |
CN112333537B (zh) * | 2020-07-27 | 2023-12-05 | 深圳Tcl新技术有限公司 | 视频整合方法、装置及计算机可读存储介质 |
CN112188171A (zh) * | 2020-09-30 | 2021-01-05 | 重庆天智慧启科技有限公司 | 一种客户到访关系判断系统及方法 |
CN114422720A (zh) * | 2022-01-13 | 2022-04-29 | 广州光信科技有限公司 | 视频浓缩方法、系统、装置和存储介质 |
CN114422720B (zh) * | 2022-01-13 | 2024-03-19 | 广州光信科技有限公司 | 视频浓缩方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105141923B (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105141923B (zh) | 一种视频浓缩方法及装置 | |
US10049283B2 (en) | Stay condition analyzing apparatus, stay condition analyzing system, and stay condition analyzing method | |
US9792505B2 (en) | Video monitoring method, video monitoring system and computer program product | |
AU2012340862B2 (en) | Geographic map based control | |
EP2662827B1 (en) | Video analysis | |
US9235880B2 (en) | Camera and method for optimizing the exposure of an image frame in a sequence of image frames capturing a scene based on level of motion in the scene | |
JP6683275B2 (ja) | 解析装置、解析方法及びプログラム | |
CN102226920B (zh) | 抗裁剪的jpeg图像压缩历史及合成篡改检测方法 | |
US20190180447A1 (en) | Image processing device | |
KR20160126861A (ko) | 비디오 카메라 내의 비디오 스트림을 프로세싱하는 방법 및 디바이스 | |
CN103679745B (zh) | 一种运动目标检测方法及装置 | |
JP2014006586A (ja) | 情報処理装置及びその制御方法、コンピュータプログラム | |
CN108921876A (zh) | 视频处理方法、装置和系统及存储介质 | |
CN113963438A (zh) | 行为识别方法及装置、设备和存储介质 | |
CN113918510A (zh) | 图片归档方法、装置、终端设备及计算机可读存储介质 | |
CN109905660A (zh) | 搜寻视讯事件的方法、装置、以及计算机可读取存储介质 | |
CN108334811B (zh) | 一种人脸图像处理方法及装置 | |
CN116385316A (zh) | 多目标图像动态捕捉方法及相关装置 | |
CN110020572B (zh) | 基于视频图像的人数统计方法、装置、设备及存储介质 | |
CN113592801B (zh) | 视频图像的条纹干扰检测方法及其装置 | |
CN110647858B (zh) | 一种视频遮挡判断方法、装置和计算机存储介质 | |
CN114913470A (zh) | 一种事件检测方法及装置 | |
CN113947795A (zh) | 口罩佩戴检测方法、装置、设备及存储介质 | |
JP5599228B2 (ja) | 繁忙検知システム及び繁忙検知プログラム | |
JP2010250571A (ja) | 人物計数装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20181228 |