CN105528579A - 基于图像识别的奶牛养殖关键过程视频提取方法及系统 - Google Patents
基于图像识别的奶牛养殖关键过程视频提取方法及系统 Download PDFInfo
- Publication number
- CN105528579A CN105528579A CN201510885363.2A CN201510885363A CN105528579A CN 105528579 A CN105528579 A CN 105528579A CN 201510885363 A CN201510885363 A CN 201510885363A CN 105528579 A CN105528579 A CN 105528579A
- Authority
- CN
- China
- Prior art keywords
- field picture
- image
- video
- denoising
- background
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于图像识别的奶牛养殖关键过程视频提取方法及系统,方法包括:获取奶牛养殖全过程视频,将其切分成内容相对独立的视频片段,并提取各片段中每一帧图像;对每一帧图像进行阈值分割,提取其中去除背景外区域图像;提取去除背景外的区域图像中的颜色特征,并绘制RGB颜色直方图;根据颜色直方图统计去除背景外区域图像中红绿蓝三种颜色各自出现的概率;若去除背景外区域某一帧图像中上述三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程。该方法能从奶牛养殖全过程视频中提取奶牛养殖关键过程的视频信息,减少人工操作和人力资源浪费,提高查找效率。
Description
技术领域
本发明涉及多媒体技术领域,尤其涉及一种基于图像识别的奶牛养殖关键过程视频提取方法及系统。
背景技术
随着我国经济的高速发展,人民生活水平的不断提高,食品安全问题日趋成为人们关注的焦点,人们对食品的要求从数量向质量、营养转变,尤其是近年来问题食品、食品污染事件频发,更加引起了全社会的高度关注。而牛奶作为营养价值极高的乳制品,再加上奶源紧张,奶价上涨,使得牛奶的安全存在越来越大的安全隐患,所以,奶品安全问题关乎民生,怎样保证高品质高质量的安全牛奶生产,成为衡量奶制品企业成败的关键。
由此可见,对奶牛养殖全过程进行实时视频监控意义重大。可使消费者对购买产品追根溯源,了解奶牛养殖的各个过程,从而保护消费者权益,消除对奶品质量安全的隐患,进而大大加深生产者和消费者之间的信任,并促进奶牛养殖行业快速发展,进而提高牛奶营养价值,从源头上解决奶牛质量安全问题。
但是对于每天24小时的视频监控数据中,可能只有2小时是奶牛质量安全的关键过程,例如奶牛饲料搭配过程、奶牛饲喂过程、奶牛的基本活动状况、人工挤奶过程、设备消毒过程、牛奶生产加工过程及冷藏过程等。为了寻找这2个小时的关键过程视频,人们往往需要浏览整个视频,其需要持续不间断的人工监视,手工回放查找,效率低下,造成巨大的人力资源浪费。
鉴于此,如何从冗余大量的奶牛养殖全过程视频数据中方便快速的提取奶牛养殖关键过程的视频信息成为目前需要解决的技术问题。
发明内容
为解决上述的技术问题,本发明提供一种基于图像识别的奶牛养殖关键过程视频提取方法及系统,能够从大量冗余的奶牛养殖全过程视频数据中方便快速的提取奶牛养殖关键过程的视频信息,避免以往手工回放查找时持续不间断的人工监视,在一定程度上减少人工操作,提高查找效率,减少人力资源浪费。
第一方面,本发明提供一种基于图像识别的奶牛养殖关键过程视频提取方法,包括:
获取奶牛养殖全过程视频;
将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
对所述每一帧图像进行阈值分割,提取所述每一帧图像中去除背景之外的区域的图像;
提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图;
根据所述RGB颜色直方图,统计去除背景之外的区域每一帧图像中红、绿和蓝三种颜色各自出现的概率;
若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程;
其中,所述奶牛养殖全过程视频中的每个关键过程的开始帧和结束帧的图像中均预先设置了同种纯红或纯绿或纯蓝颜色的警示牌。
可选地,所述将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,包括:
采用镜头边缘检测技术将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段。
可选地,所述镜头边缘检测技术,包括:颜色直方图法、绝对帧差法或图像像素差法。
可选地,在所述提取每个视频片段中的每一帧图像之后,在所述对所述每一帧图像进行阈值分割之前,还包括:
对所述每一帧图像进行去噪处理;
利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点;
相应地,所述对所述每一帧图像进行阈值分割,提取所述图像中去除背景之外的区域的图像,具体为:
对边缘检测后的每一帧图像进行阈值分割,提取边缘检测后的每一帧图像中去除背景之外的区域的图像。
可选地,所述对所述每一帧图像进行去噪处理,包括:
采用中值滤波算法,对所述每一帧图像进行去噪处理;
和/或,
所述利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点,包括:
利用物体和背景在图像特征上的差异,采用罗伯茨Roberts算子对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点。
可选地,所述提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图,包括:
计算去除背景之外的区域每一帧图像中的每一个RGB像素值的唯一映射,根据映射累加,将所述映射累加中相应的核密度权值进行累加,统计出去除背景之外的区域每一帧图像中各种颜色的数量特征,根据统计出的各种颜色的数量特征绘制RGB颜色直方图。
第二方面,本发明提供一种基于图像识别的奶牛养殖关键过程视频提取系统,包括:
视频获取模块,用于获取奶牛养殖全过程视频;
图像帧提取模块,用于将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
阈值分割模块,用于对所述每一帧图像进行阈值分割,提取所述每一帧图像中去除背景之外的区域的图像;
颜色特征提取模块,用于提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图;
概率统计模块,用于根据所述RGB颜色直方图,统计去除背景之外的区域每一帧图像中红、绿和蓝三种颜色各自出现的概率;
关键过程确定模块,用于若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程;
其中,所述奶牛养殖全过程视频中的每个关键过程的开始帧和结束帧的图像中均预先设置了同种纯红或纯绿或纯蓝颜色的警示牌。
可选地,所述图像帧提取模块,具体用于
采用镜头边缘检测技术将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
和/或,
所述颜色特征提取模块,具体用于
计算去除背景之外的区域每一帧图像中的每一个RGB像素值的唯一映射,根据映射累加,将所述映射累加中相应的核密度权值进行累加,统计出去除背景之外的区域每一帧图像中各种颜色的数量特征,根据统计出的各种颜色的数量特征绘制RGB颜色直方图。
可选地,所述镜头边缘检测技术,包括:颜色直方图法、绝对帧差法或图像像素差法。
可选地,所述系统还包括:
去噪模块,用于对所述每一帧图像进行去噪处理;
边缘检测模块,用于利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点;
相应地,所述阈值分割模块,具体用于
对边缘检测后的每一帧图像进行阈值分割,提取边缘检测后的每一帧图像中去除背景之外的区域的图像。
由上述技术方案可知,本发明的基于图像识别的奶牛养殖关键过程视频提取方法及系统,能够从大量冗余的奶牛养殖全过程视频数据中方便快速的提取奶牛养殖关键过程的视频信息,避免以往手工回放查找时持续不间断的人工监视,在一定程度上减少人工操作,提高查找效率,减少人力资源浪费。
附图说明
图1为本发明一实施例提供的一种基于图像识别的奶牛养殖关键过程视频提取方法的流程示意图;
图2为本发明一实施例提供的一种基于图像识别的奶牛养殖关键过程视频提取系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,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。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的基于图像识别的奶牛养殖关键过程视频提取方法的流程示意图,如图1所示,本实施例的基于图像识别的奶牛养殖关键过程视频提取方法如下所述。
101、获取奶牛养殖全过程视频。
其中,所述奶牛养殖全过程视频中的每个关键过程的开始帧和结束帧的图像中均预先设置了同种纯红或纯绿或纯蓝颜色的警示牌。
102、将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,并提取每个视频片段中的每一帧图像。
在具体应用中,所述步骤102中的“将所述奶牛养殖全过程视频切分成内容相对独立的视频片段”,可包括:
采用镜头边缘检测技术将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段。其中,所述镜头边缘检测技术,可包括:颜色直方图法、绝对帧差法或图像像素差法等。
更进一步地,所述步骤102中的“将所述奶牛养殖全过程视频切分成内容相对独立的视频片段”,可包括:
首先,提取视频的视觉特征,如像素块等;然后,选择度量相邻帧之间相似度的计算方法,例如,在采用颜色直方图法时可通过计算相邻两帧图像的直方图差度量相邻两帧的相似度,在采用图像像素差法时可通过计算相邻两帧图像的像素差度量相邻两帧的相似度等;最后,若计算得到的相似度大于预设的切分镜头边缘阈值,则确定镜头边缘位置,在此位置切分镜头,最终得到一系列内容相对独立的视频片段。
举例来说,在步骤102中采用颜色直方图法将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段,具体可包括:
S1、获取任意相邻两帧,即获取第i帧fi的红绿蓝RGB颜色直方图HistR(fi,j)、HistG(fi,j)、HistB(fi,j)和第i+1帧fi+1的RGB颜色直方图HistR(fi+1,j)、HistG(fi+1,j)、HistB(fi+1,j),其中i=0,1,2,…255。
S2、通过第一公式计算该相邻两帧fi和fi+1的直方图差D(fi,fi+1);
其中,所述第一公式为:
S3、若D(fi,fi+1)大于预设的切分镜头边缘阈值T,则确定找到镜头边缘,在此位置切分镜头,获取内容相对独立的视频片段。
103、对所述每一帧图像进行阈值分割,提取所述每一帧图像中去除背景之外的区域的图像。
可理解的是,采用阈值分割法计算简单、运算效率较高,可快速提取所述每一帧图像中去除背景之外的区域的图像。
104、提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图。
在具体应用中,所述步骤104,可包括:
计算去除背景之外的区域每一帧图像中的每一个RGB像素值的唯一映射,根据映射累加,将所述映射累加中相应的核密度权值进行累加,统计出去除背景之外的区域每一帧图像中各种颜色的数量特征,根据统计出的各种颜色的数量特征绘制RGB颜色直方图。
105、根据所述RGB颜色直方图,统计去除背景之外的区域每一帧图像中红、绿和蓝三种颜色各自出现的概率。
106、若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程。
举例来说,所述预设阈值可优选为80%,即此时,在所述步骤106中,若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于80%,则可确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程,可输出该帧图像所处的时间(该时间为奶牛养殖全过程中的关键过程视频的开始或者结束时间)。
在具体应用中,本实施例所述步骤106,还可包括:
若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色出现的概率均小于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段不是奶牛养殖全过程中的关键过程,可输出以该帧图像为开始帧或结束帧的视频片段不是奶牛养殖全过程中的关键过程的提示信息。
本实施例的基于图像识别的奶牛养殖关键过程视频提取方法,能够从大量冗余的奶牛养殖全过程视频数据中方便快速的提取奶牛养殖关键过程的视频信息,避免以往手工回放查找时持续不间断的人工监视,在一定程度上减少人工操作,提高查找效率,减少人力资源浪费。
在具体应用中,在所述步骤102-103之间,还可包括图中未示出的步骤T1和T2:
T1、对所述每一帧图像进行去噪处理。
在具体应用中,举例来说,在所述步骤T1中可采用中值滤波算法,对所述每一帧图像进行去噪处理。
可理解的是,中值滤波算法算法简单,时间复杂度低,能尽可能地减少噪音的干扰。
T2、利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点。
在具体应用中,举例来说,在所述步骤T2中可利用物体和背景在图像特征上的差异,采用罗伯茨Roberts算子对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点。
相应地,所述步骤103可具体为图中未示出的步骤103’:
103’、对边缘检测后的每一帧图像进行阈值分割,提取边缘检测后的每一帧图像中去除背景之外的区域的图像。
可理解的是,通过上述步骤T1、T2和103’,可去除图像中的无关信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,使图像特征更加明显。
本实施例的基于图像识别的奶牛养殖关键过程视频提取方法,能够从大量冗余的奶牛养殖全过程视频数据中方便快速的提取奶牛养殖关键过程的视频信息,避免以往手工回放查找时持续不间断的人工监视,在一定程度上减少人工操作,提高查找效率,减少人力资源浪费。
图2示出了本发明一实施例提供的一种基于图像识别的奶牛养殖关键过程视频提取系统的结构示意图,如图2所示,本实施例的基于图像识别的奶牛养殖关键过程视频提取系统,包括:视频获取模块21、图像帧提取模块22、阈值分割模块23、颜色特征提取模块24、概率统计模块25和关键过程确定模块26;
视频获取模块21,用于获取奶牛养殖全过程视频;
图像帧提取模块22,用于将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
阈值分割模块23,用于对所述每一帧图像进行阈值分割,提取所述每一帧图像中去除背景之外的区域的图像;
颜色特征提取模块24,用于提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图;
概率统计模块25,用于根据所述RGB颜色直方图,统计去除背景之外的区域每一帧图像中红、绿和蓝三种颜色各自出现的概率;
关键过程确定模块26,用于若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程;
其中,本实施例所述奶牛养殖全过程视频中的每个关键过程的开始帧和结束帧的图像中均预先设置了同种纯红或纯绿或纯蓝颜色的警示牌。
在具体应用中,本实施例所述图像帧提取模块22,可具体用于
采用镜头边缘检测技术将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段,并提取每个视频片段中的每一帧图像。
其中,所述镜头边缘检测技术可包括:颜色直方图法、绝对帧差法或图像像素差法等。
在具体应用中,本实施例所述颜色特征提取模块24,可具体用于
计算去除背景之外的区域每一帧图像中的每一个RGB像素值的唯一映射,根据映射累加,将所述映射累加中相应的核密度权值进行累加,统计出去除背景之外的区域每一帧图像中各种颜色的数量特征,根据统计出的各种颜色的数量特征绘制RGB颜色直方图。
可理解的是,本实施例所述阈值分割模块23采用阈值分割法计算简单、运算效率较高,可快速提取所述每一帧图像中去除背景之外的区域的图像。
在具体应用中,举例来说,本实施例所述关键过程确定模块26中的预设阈值可优选为80%,即此时,所述关键过程确定模块26,可具体用于若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于80%,则可确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程,可输出该帧图像所处的时间(该时间为奶牛养殖全过程中的关键过程视频的开始或者结束时间)。
在具体应用中,本实施例所述关键过程确定模块26,还可具体用于
若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色出现的概率均小于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段不是奶牛养殖全过程中的关键过程,可输出以该帧图像为开始帧或结束帧的视频片段不是奶牛养殖全过程中的关键过程的提示信息。
在具体应用中,本实施例的基于图像识别的奶牛养殖关键过程视频提取系统,还可以包括图中未示出的去噪模块和边缘检测模块:
去噪模块,用于对所述每一帧图像进行去噪处理;
边缘检测模块,用于利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点;
相应地,所述阈值分割模块23,具体用于
对边缘检测后的每一帧图像进行阈值分割,提取边缘检测后的每一帧图像中去除背景之外的区域的图像。
在具体应用中,举例来说,上述去噪模块,可具体用于
采用中值滤波算法,对所述每一帧图像进行去噪处理。
可理解的是,中值滤波算法算法简单,时间复杂度低,能尽可能地减少噪音的干扰。
在具体应用中,举例来说,上述边缘检测模块,可具体用于
利用物体和背景在图像特征上的差异,采用罗伯茨Roberts算子对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点。
可理解的是,通过上述去噪模块、边缘检测模块和阈值分割模块23,可去除图像中的无关信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,使图像特征更加明显。
本实施例的基于图像识别的奶牛养殖关键过程视频提取系统,能够从大量冗余的奶牛养殖全过程视频数据中方便快速的提取奶牛养殖关键过程的视频信息,避免以往手工回放查找时持续不间断的人工监视,在一定程度上减少人工操作,提高查找效率,减少人力资源浪费。
本实施例的基于图像识别的奶牛养殖关键过程视频提取系统,可以用于执行前述图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于图像识别的奶牛养殖关键过程视频提取方法,其特征在于,包括:
获取奶牛养殖全过程视频;
将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
对所述每一帧图像进行阈值分割,提取所述每一帧图像中去除背景之外的区域的图像;
提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图;
根据所述RGB颜色直方图,统计去除背景之外的区域每一帧图像中红、绿和蓝三种颜色各自出现的概率;
若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程;
其中,所述奶牛养殖全过程视频中的每个关键过程的开始帧和结束帧的图像中均预先设置了同种纯红或纯绿或纯蓝颜色的警示牌。
2.根据权利要求1所述的方法,其特征在于,所述将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,包括:
采用镜头边缘检测技术将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段。
3.根据权利要求2所述的方法,其特征在于,所述镜头边缘检测技术,包括:颜色直方图法、绝对帧差法或图像像素差法。
4.根据权利要求1所述的方法,其特征在于,在所述提取每个视频片段中的每一帧图像之后,在所述对所述每一帧图像进行阈值分割之前,还包括:
对所述每一帧图像进行去噪处理;
利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点;
相应地,所述对所述每一帧图像进行阈值分割,提取所述图像中去除背景之外的区域的图像,具体为:
对边缘检测后的每一帧图像进行阈值分割,提取边缘检测后的每一帧图像中去除背景之外的区域的图像。
5.根据权利要求4所述的方法,其特征在于,所述对所述每一帧图像进行去噪处理,包括:
采用中值滤波算法,对所述每一帧图像进行去噪处理;
和/或,
所述利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点,包括:
利用物体和背景在图像特征上的差异,采用罗伯茨Roberts算子对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点。
6.根据权利要求1所述的方法,其特征在于,所述提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图,包括:
计算去除背景之外的区域每一帧图像中的每一个RGB像素值的唯一映射,根据映射累加,将所述映射累加中相应的核密度权值进行累加,统计出去除背景之外的区域每一帧图像中各种颜色的数量特征,根据统计出的各种颜色的数量特征绘制RGB颜色直方图。
7.一种基于图像识别的奶牛养殖关键过程视频提取系统,其特征在于,包括:
视频获取模块,用于获取奶牛养殖全过程视频;
图像帧提取模块,用于将所述奶牛养殖全过程视频切分成内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
阈值分割模块,用于对所述每一帧图像进行阈值分割,提取所述每一帧图像中去除背景之外的区域的图像;
颜色特征提取模块,用于提取去除背景之外的区域每一帧图像中的颜色特征,并绘制所述颜色特征的RGB颜色直方图;
概率统计模块,用于根据所述RGB颜色直方图,统计去除背景之外的区域每一帧图像中红、绿和蓝三种颜色各自出现的概率;
关键过程确定模块,用于若去除背景之外的区域某一帧图像中的红、绿和蓝三种颜色中任一种颜色出现的概率大于等于预设阈值,则确定以该帧图像为开始帧或结束帧的视频片段为奶牛养殖全过程中的关键过程;
其中,所述奶牛养殖全过程视频中的每个关键过程的开始帧和结束帧的图像中均预先设置了同种纯红或纯绿或纯蓝颜色的警示牌。
8.根据权利要求7所述的系统,其特征在于,所述图像帧提取模块,具体用于
采用镜头边缘检测技术将所述奶牛养殖全过程视频切分成内容相对独立的镜头,获取内容相对独立的视频片段,并提取每个视频片段中的每一帧图像;
和/或,
所述颜色特征提取模块,具体用于
计算去除背景之外的区域每一帧图像中的每一个RGB像素值的唯一映射,根据映射累加,将所述映射累加中相应的核密度权值进行累加,统计出去除背景之外的区域每一帧图像中各种颜色的数量特征,根据统计出的各种颜色的数量特征绘制RGB颜色直方图。
9.根据权利要求8所述的系统,其特征在于,所述镜头边缘检测技术,包括:颜色直方图法、绝对帧差法或图像像素差法。
10.根据权利要求7所述的系统,其特征在于,还包括:
去噪模块,用于对所述每一帧图像进行去噪处理;
边缘检测模块,用于利用物体和背景在图像特征上的差异,对去噪处理后的每一帧图像进行边缘检测,标识去噪处理后的每一帧图像中亮度变化明显的点;
相应地,所述阈值分割模块,具体用于
对边缘检测后的每一帧图像进行阈值分割,提取边缘检测后的每一帧图像中去除背景之外的区域的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885363.2A CN105528579B (zh) | 2015-12-04 | 2015-12-04 | 基于图像识别的奶牛养殖关键过程视频提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885363.2A CN105528579B (zh) | 2015-12-04 | 2015-12-04 | 基于图像识别的奶牛养殖关键过程视频提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105528579A true CN105528579A (zh) | 2016-04-27 |
CN105528579B CN105528579B (zh) | 2019-01-18 |
Family
ID=55770793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510885363.2A Expired - Fee Related CN105528579B (zh) | 2015-12-04 | 2015-12-04 | 基于图像识别的奶牛养殖关键过程视频提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105528579B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112189588A (zh) * | 2020-10-10 | 2021-01-08 | 东北农业大学 | 一种奶牛图像信息收集处理方法及系统 |
CN113114982A (zh) * | 2021-03-12 | 2021-07-13 | 广西东信易联科技有限公司 | 一种物联网数据传输方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065331A (zh) * | 2013-01-15 | 2013-04-24 | 南京工程学院 | 基于空时域边缘和颜色特征关联的目标跟踪方法 |
CN104252709A (zh) * | 2014-07-14 | 2014-12-31 | 江苏大学 | 一种复杂背景下俯视群养猪多目标前景检测方法 |
CN104636495A (zh) * | 2015-03-05 | 2015-05-20 | 四川智羽软件有限公司 | 一种基于内容的视频检索方法 |
CN104636497A (zh) * | 2015-03-05 | 2015-05-20 | 四川智羽软件有限公司 | 一种视频数据智能检索方法 |
-
2015
- 2015-12-04 CN CN201510885363.2A patent/CN105528579B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065331A (zh) * | 2013-01-15 | 2013-04-24 | 南京工程学院 | 基于空时域边缘和颜色特征关联的目标跟踪方法 |
CN104252709A (zh) * | 2014-07-14 | 2014-12-31 | 江苏大学 | 一种复杂背景下俯视群养猪多目标前景检测方法 |
CN104636495A (zh) * | 2015-03-05 | 2015-05-20 | 四川智羽软件有限公司 | 一种基于内容的视频检索方法 |
CN104636497A (zh) * | 2015-03-05 | 2015-05-20 | 四川智羽软件有限公司 | 一种视频数据智能检索方法 |
Non-Patent Citations (2)
Title |
---|
付磊: ""基于关键帧的视频摘要技术在移动平台上的设计与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈添丁: ""基于内容特征的图像搜索和整合性视频检索"", 《中国博士学位全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112189588A (zh) * | 2020-10-10 | 2021-01-08 | 东北农业大学 | 一种奶牛图像信息收集处理方法及系统 |
CN113114982A (zh) * | 2021-03-12 | 2021-07-13 | 广西东信易联科技有限公司 | 一种物联网数据传输方法及系统 |
CN113114982B (zh) * | 2021-03-12 | 2022-08-30 | 广西东信易联科技有限公司 | 一种物联网数据传输方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105528579B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106254933B (zh) | 字幕提取方法及装置 | |
US10497121B2 (en) | Method and system for extracting a main subject of an image | |
Liang et al. | Material based salient object detection from hyperspectral images | |
CN109472260B (zh) | 一种基于深度神经网络的移除图像内台标和字幕的方法 | |
JP6240199B2 (ja) | 画像における対象物の識別方法及び装置 | |
CN102694966B (zh) | 一种全自动视频编目系统的构建方法 | |
EP2259207B1 (en) | Method of detection and recognition of logos in a video data stream | |
Yang et al. | Automatic lecture video indexing using video OCR technology | |
WO2016101767A1 (zh) | 图片裁剪的方法和装置以及图片检测方法和装置 | |
CN103347167A (zh) | 一种基于分段的监控视频内容描述方法 | |
CN107135401B (zh) | 关键帧选取方法及系统 | |
CN109151500A (zh) | 一种针对视频直播的主播推荐方法、系统及计算机设备 | |
CN110188241B (zh) | 一种赛事智能制作系统及制作方法 | |
CN107798304B (zh) | 一种快速视频审核的方法 | |
US20110280442A1 (en) | Object monitoring system and method | |
Lu et al. | Generating fluent tubes in video synopsis | |
CN105528579A (zh) | 基于图像识别的奶牛养殖关键过程视频提取方法及系统 | |
EP3076674A1 (en) | Video quality detection method and device | |
CN104519371A (zh) | 推送方法、推送装置和服务器 | |
Kumar et al. | Design of smart video surveillance system for indoor and outdoor scenes | |
WO2016161899A1 (zh) | 一种多媒体信息处理方法、设备及计算机存储介质 | |
CN103020094A (zh) | 视频播放次数统计方法 | |
Yang et al. | Caption detection and text recognition in news video | |
US9798932B2 (en) | Video extraction method and device | |
Han et al. | Automatic salient object segmentation using saliency map and color segmentation |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190118 Termination date: 20191204 |
|
CF01 | Termination of patent right due to non-payment of annual fee |