CN105868413A - 一种快速定位突发案情的视频检索方法 - Google Patents

一种快速定位突发案情的视频检索方法 Download PDF

Info

Publication number
CN105868413A
CN105868413A CN201610274330.9A CN201610274330A CN105868413A CN 105868413 A CN105868413 A CN 105868413A CN 201610274330 A CN201610274330 A CN 201610274330A CN 105868413 A CN105868413 A CN 105868413A
Authority
CN
China
Prior art keywords
video
face
image
movable body
database
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
Application number
CN201610274330.9A
Other languages
English (en)
Other versions
CN105868413B (zh
Inventor
金明
聂佰玲
高燕
袁迎春
周波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Vocational College Of Information Technology
Original Assignee
Nanjing Vocational College Of Information Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Vocational College Of Information Technology filed Critical Nanjing Vocational College Of Information Technology
Priority to CN201610274330.9A priority Critical patent/CN105868413B/zh
Publication of CN105868413A publication Critical patent/CN105868413A/zh
Application granted granted Critical
Publication of CN105868413B publication Critical patent/CN105868413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G06F16/786Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using motion, e.g. object motion or camera motion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种快速定位突发案情的视频检索方法,该方法通过对监控视频流采用帧间差分算法才判断是否有人员进出该视频监控区域,并提取视频图像中的运动区域,若在运动区域中检测到人脸且大小变为K×L时,进行拍摄,将拍摄到的人脸与数据库中的人脸进行比对识别,若能比对识别则记录其进出时间;若检测不出人脸或与库中人脸比对不上,则保留图像、编号并记录时间,所有结果生成数据查询表,以便查看视频时快速定位视频段。

Description

一种快速定位突发案情的视频检索方法
技术领域
本发明涉及一种快速定位突发案情的视频检索方法,属于智能安全领域。
背景技术
在一些商场、办公大楼,往往下班以后,进出人员就变得很少。当发生案情需要调看视频录像,往往需要大量的人力从头观看,并且不能放过任何一个细节去寻找案发线索。不仅观看者非常辛苦,而且浪费了大量的人力,也耽误了破案时间。
发明内容
本发明要解决的技术问题是:现有技术下,调看视频监控图像不能快速定位所需观看部位而浪费时间精力的问题。
为了实现以上目的,本发明提供的技术方案是:一种快速定位突发案情的视频检索方法,所述快速视频定位方法包括:一种快速定位突发案情的视频检索方法,包括以下步骤:
1)在选定区域的进出口附近设定录像设备;
2)通过录像设备采集进出该区域内的特定人群的人脸图像,录入与人脸图对应的个人信息,建立人脸数据库,所述人脸数据库包括人脸图像及其对应的个人信息,所述人脸图像在人靠近录像设备过程中人脸尺寸到达设定大小K×L时拍摄;
3)实时录像,不断地比较间隔时间内的两帧视频图像的像素灰度值的平均绝对误差以判断是否具有运动体进入视频监控区域;当运动体进入视频监控区域时,采用帧间差分算法,将运动体图像与背景图像分离;
4)扫描运动图像,若运动图像部分满足椭圆方程形状且该部分的面积阀值大于20×20的像素;则初步认定运动图像部分符合人脸特征,转到步骤5);否则采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中,转到步骤3);
5)对初步认定符合人脸特征的运动图像部分对应的运动体的特征部分进行持续跟踪检测,当运动体的特征部分的尺寸到达设定大小K×L时拍照,采用人脸的特征模板,检测相对位置的眼、鼻、嘴的特征是否相符,如果相符,则最终认定运动体的特征部分是人脸部分,转到步骤6);如果不相符,则最终认定运动体的特征部分不是人脸部分,采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中;
6)逐一比较运动体的特征部分与人脸数据库中人脸图像对应像素点的像素灰度值,如果像素灰度值的差值在固定范围内的像素点个数占总像素点个数的85%以上时,则认定该运动体为特定人群中的人员,记录进出时间,调用其人脸图像及个人信息,将进出时间、人脸图像及个人信息存入查询数据库中;否则,采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中。
进一步地,还包括步骤7)根据进出时间,生成查询数据库列表,所述查询数据库列表是按照进出时间顺序来存储视频图像的。通过查询数据库列表更能实现快递定位检索。
进一步地,所述步骤2)中,根据特定人群的变化,定期更新人脸数据库。
与现有技术相比,本发明的有益效果是:该方法没有保存运动体进出该区域的视频图像,只保存了具有运动体进入该区域时的视频图像,一方面,具有针对性的存储视频图像,节约了存储空间,另一方面,如果该地区发生案情,需要调看监控,就不需要从头开始查看,只需调出查询数据库查看,什么时间什么人进入了该地区,对怀疑时段快速定位,另外,该方法能够区分是否为特定人群进入了该区域,及时调用特定人群的个人信息,实现快速侦破突发情况。
附图说明
图1为本发明的快速定位突发案情的视频检索方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
实施例一种快速定位突发案情的视频检索方法,包括以下步骤:
1)在选定区域的进出口附近设定录像设备;
2)通过录像设备采集进出该区域内的特定人群的人脸图像,录入与人脸图对应的个人信息,建立人脸数据库,所述人脸数据库包括人脸图像及其对应的个人信息,所述人脸图像在人靠近录像设备过程中人脸尺寸到达设定大小K×L时拍摄;
3)实时录像,不断地比较间隔时间内的两帧视频图像的像素灰度值的平均绝对误差以判断是否具有运动体进入视频监控区域;当运动体进入视频监控区域时,采用帧间差分算法,将运动体图像与背景图像分离;具体地,
设与t时刻对应的视频图像的第i帧尺寸为M×N个像素的一个像块,Si(m,n)为第i帧位于(m,n)的像素的灰度值,0≤m≤M,0≤n≤N,且m、n为自然数,假设间隔时间为t1秒,则t1秒后的图像块为视频图像的第i+50t1帧,若两帧图像的像素的灰度值的平均绝对误差(MAD)为:
(ε为阀值常数)
本实施例中,采用的标清图像720×480,M、N的取值分别为720和480,ε取0.3,则认为运动体进入了该区域,采用帧间差分算法,将运动图像与背景图像分离出来。设两帧图像的对应像素点的灰度差值为D(m,n):则
D ( m , n ) = 1 | S i ( m , n ) - S i + 50 t 1 ( m , n ) | > T d 0 | S i ( m , n ) - S i + 50 t 1 ( m , n ) | ≤ T d
其中Td为自适应阀值,通常取3-5,记录D(m,n)=1的点为运动图像,转到步骤4);若MAD小于ε,则认为画面没有变化,即无人进入大楼,继续不断地比较间隔时间为t1的两帧视频图像的像素灰度差值,确认是否有人员进入视频监控区域;
4)扫描运动图像,若运动图像部分满足椭圆方程形状且该部分的面积阀值大于20×20的像素;则初步认定运动图像部分符合人脸特征,转到步骤5),具体地,所述椭圆方程形状:
m 2 b 2 + n 2 a 2 = 1
其中a与b比值为0.7~2.0;
否则采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中,转到步骤3);
5)对初步认定符合人脸特征的运动图像部分对应的运动体的特征部分进行持续跟踪检测,当运动体的特征部分的尺寸到达设定大小K×L时拍照,本实施例取96×96像素大小,采用人脸的特征模板,检测相对位置的眼、鼻、嘴的特征是否相符,如果相符,则最终认定运动体的特征部分是人脸部分,转到步骤6);如果不相符,则最终认定运动体的特征部分不是人脸部分,采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中;
6)逐一比较运动体的特征部分与人脸数据库中人脸图像对应像素点的像素灰度值,如果像素灰度值的差值在固定范围内的像素点的个数占总像素点个数的85%以上时,则认定该运动体为特定人群中的人员,记录进出时间,调用其人脸图像及个人信息,将进出时间、人脸图像及个人信息存入查询数据库中;否则,采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中;即:
|SK(m,n)-Sl(m,n)|=l
其中:Sk(m,n)为人脸数据库中人脸图像的像素点(m,n)的像素灰度值,Sl(m,n)为检测出的人脸图像与人脸数据库中人脸图像相对应的像素点的像素灰度值,l取固定范围,取决于图像拍摄的背景不同程度,比如,检测出的人脸图像与人脸数据库中人脸图像均为白天拍摄,那么,l的取值范围在0-2;如果,检测出的人脸图像与人脸数据库中人脸图像分别在白天和晚上拍摄,那么那么,l的取值范围在p±2,p为基值,如果像素灰度值的差值在固定范围l内的像素点的个数占总像素点个数的85%以上时,则认定该运动体为特定人群中的人员;
优选地,还包括步骤7)根据进出时间,生成查询数据库列表,所述查询数据库列表是按照进出时间顺序来存储视频图像的。通过查询数据库列表更能实现快递定位检索。
优选地,所述步骤2)中,根据特定人群的变化,定期更新人脸数据库。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。

Claims (3)

1.一种快速定位突发案情的视频检索方法,其特征在于,包括以下步骤:
1)在选定区域的进出口附近设定录像设备;
2)通过录像设备采集进出该区域内的特定人群的人脸图像,录入与人脸图对应的个人信息,建立人脸数据库,所述人脸数据库包括人脸图像及其对应的个人信息,所述人脸图像在人靠近录像设备过程中人脸尺寸到达设定大小时拍摄;
3)实时录像,不断地比较间隔时间内的两帧视频图像的像素灰度值的平均绝对误差以判断是否具有运动体进入视频监控区域;当运动体进入视频监控区域时,采用帧间差分算法,将运动体图像与背景图像分离;
4)扫描运动图像,若运动图像部分满足椭圆方程形状且该部分的面积阀值大于20×20的像素;则初步认定运动图像部分符合人脸特征, 转到步骤5);否则采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中,转到步骤3);
5)对初步认定符合人脸特征的运动图像部分对应的运动体的特征部分进行持续跟踪检测,当运动体的特征部分的尺寸到达设定大小时拍照,采用人脸的特征模板,检测相对位置的眼、鼻、嘴的特征是否相符,如果相符,则最终认定运动体的特征部分是人脸部分,转到步骤6);如果不相符,则最终认定运动体的特征部分不是人脸部分,采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中,转到步骤3);
6)逐一比较运动体的特征部分与人脸数据库中人脸图像对应像素点的像素灰度值,如果像素灰度值的差值在固定范围内的像素点个数占总像素点个数的85%以上时,则认定该运动体为特定人群中的人员,记录进出时间,调用其人脸图像及个人信息,将进出时间 、人脸图像及个人信息存入查询数据库中;否则,采集视频图像并编号,记录进出时间,将编号的视频图像和进出时间存入查询数据库中。
2.如权利要求1所述的一种快速定位突发案情的视频检索方法,其特征在于,还包括 步骤7) 根据进出时间,生成查询数据库列表,所述查询数据库列表是按照进出时间顺序来存储视频图像的。
3.如权利要求1或者2所述的快速定位突发案情的视频检索方法,其特征在于,所述步骤2)中,根据特定人群的变化,定期更新人脸数据库。
CN201610274330.9A 2016-04-28 2016-04-28 一种快速定位突发案情的视频检索方法 Active CN105868413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610274330.9A CN105868413B (zh) 2016-04-28 2016-04-28 一种快速定位突发案情的视频检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610274330.9A CN105868413B (zh) 2016-04-28 2016-04-28 一种快速定位突发案情的视频检索方法

Publications (2)

Publication Number Publication Date
CN105868413A true CN105868413A (zh) 2016-08-17
CN105868413B CN105868413B (zh) 2019-09-20

Family

ID=56629707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610274330.9A Active CN105868413B (zh) 2016-04-28 2016-04-28 一种快速定位突发案情的视频检索方法

Country Status (1)

Country Link
CN (1) CN105868413B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107085902A (zh) * 2017-04-26 2017-08-22 深圳先进技术研究院 一种智能视频多点监控方法和系统
CN108280953A (zh) * 2018-03-27 2018-07-13 上海小蚁科技有限公司 视频侦测报警方法及装置、存储介质、摄像头
WO2018209525A1 (zh) * 2017-05-15 2018-11-22 深圳市永恒丰科技有限公司 视频监控查看的方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103353940A (zh) * 2013-05-15 2013-10-16 吴玉平 一种基于出现概率动态调整比对顺序的识别方法及系统
US20150319506A1 (en) * 2014-04-30 2015-11-05 Netflix, Inc. Displaying data associated with a program based on automatic recognition
CN105447459A (zh) * 2015-11-18 2016-03-30 上海海事大学 一种无人机自动检测目标和跟踪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103353940A (zh) * 2013-05-15 2013-10-16 吴玉平 一种基于出现概率动态调整比对顺序的识别方法及系统
US20150319506A1 (en) * 2014-04-30 2015-11-05 Netflix, Inc. Displaying data associated with a program based on automatic recognition
CN105447459A (zh) * 2015-11-18 2016-03-30 上海海事大学 一种无人机自动检测目标和跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋红等: "基于人脸检测与跟踪的智能监控系统", 《北京理工大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107085902A (zh) * 2017-04-26 2017-08-22 深圳先进技术研究院 一种智能视频多点监控方法和系统
WO2018209525A1 (zh) * 2017-05-15 2018-11-22 深圳市永恒丰科技有限公司 视频监控查看的方法和装置
CN108280953A (zh) * 2018-03-27 2018-07-13 上海小蚁科技有限公司 视频侦测报警方法及装置、存储介质、摄像头

Also Published As

Publication number Publication date
CN105868413B (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
US20200202113A1 (en) Object tracking and best shot detection system
CN109934176B (zh) 行人识别系统、识别方法及计算机可读存储介质
EP3806456A1 (en) Video identification and analytical recognition system
CN105790955B (zh) 一种基于mac地址与人脸信息关联的方法和系统
US11743431B2 (en) Video identification and analytical recognition system
US7636453B2 (en) Object detection
CN106998444A (zh) 一种大数据人脸监控系统及装置
US20050265603A1 (en) Image processing
CN110853295A (zh) 一种高空抛物预警方法和装置
US20130216107A1 (en) Method of surveillance by face recognition
CN107153820A (zh) 一种面向高噪声的人脸识别及运动轨迹判别方法
CN104883548B (zh) 监控视频人脸抓取处理方法及其系统
CN108492431A (zh) 一种智能门禁系统
CN106355154B (zh) 一种监控视频中检测频繁过人的方法
CN105868413A (zh) 一种快速定位突发案情的视频检索方法
WO2019080669A1 (zh) 封闭场所内人物再识别的方法、系统及终端设备
CN102646197A (zh) 预警信息发布方法及系统
CN111241932A (zh) 汽车展厅客流检测与分析系统、方法及存储介质
CN110633648A (zh) 一种自然行走状态下的人脸识别方法和系统
CN109034178A (zh) 一种基于人脸特征数组的人数统计方法
WO2022134916A1 (zh) 身份特征生成方法、设备及存储介质
TWM551285U (zh) 臉部辨識安控系統
EP1266525A1 (en) Image data processing
CN103426005A (zh) 微表情自动识别的建库视频自动切段方法
CN208225153U (zh) 一种智能门禁系统

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