CN106210674A - 面向人员监控视频数据文件快速处理方法及系统 - Google Patents

面向人员监控视频数据文件快速处理方法及系统 Download PDF

Info

Publication number
CN106210674A
CN106210674A CN201610841479.0A CN201610841479A CN106210674A CN 106210674 A CN106210674 A CN 106210674A CN 201610841479 A CN201610841479 A CN 201610841479A CN 106210674 A CN106210674 A CN 106210674A
Authority
CN
China
Prior art keywords
personnel
video
frame
data file
file
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
Application number
CN201610841479.0A
Other languages
English (en)
Inventor
叶飞跃
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.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of 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 Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN201610841479.0A priority Critical patent/CN106210674A/zh
Publication of CN106210674A publication Critical patent/CN106210674A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/78—Television signal recording using magnetic recording
    • H04N5/781—Television signal recording using magnetic recording on disks or drums

Abstract

本发明涉及一种面向人员监控视频数据文件快速处理方法及系统，本快速处理方法包括：步骤S1，读取监控视频文件；步骤S2，设定人员的帧检测步长；步骤S3，检测人员活动帧；以及步骤S4，形成仅包含人员活动帧的视频监控数据文件；本发明的面向人员监控视频数据文件快速处理方法及系统，其将原始监控视频文件经过处理，以获得仅仅包含人脸或人体图像的视频文件，从而在最大限度保存原有人员活动监控视频数据的情况下，减少监控视频文件的数据量，并能够高效的处理海量视频数据。

Description

面向人员监控视频数据文件快速处理方法及系统
技术领域
本发明涉及视频数据文件处理，尤其是与公共安全相关的人员监控视频数据高效处理方法与系统。
背景技术
随着信息技术的发展、国家“信息化”战略的推进以及智慧城市的建设，一方面，视频监控向数字化、高清发展；另一方面，视频监控的数量和范围也在快速扩展；同时，摄像头的互联已经成为发展趋势。例如公共视频，已经从一个城市内的互联，发展到一个省的互联，逐步到一个国家的互联。除了公共视频，无数私有视频也在形，分支庞大的连锁超市、连锁酒店、物流公司、金融机构甚至工业生产线。视频监控将成为世界上最大的数据生成器之一，所产生的数据蕴含着许多有用的信息。面向人员监控视频，除了能够帮助公安部门发现可疑分子活动轨迹，还可以帮助商场的管理者，发现顾客的购物路径、停留模式、聚集热点，甚至可以统计二次或者多次回头率、到店周期等，这类似于网站访问分析，能为商场的优化提供基础数据。因此，监控视频数据是一种十分重要的数据资源。从理想角度看，这些视频包含了大量信息，应该为我们的管理及公共安全等工作带来巨大的价值。然而，由于监控视频数据随时随地产生，数据量巨大，无法做到较长时间的保存，一般保存期在20到30天左右，到达保存期限后视频数据即被删除，这对数据资源是一种非常大的浪费。因此，如何找到一种有效地方法，保存监控视频数据中有用信息，是一项重要的工作。
公开号为:CN201510539485.6,名为“监控视频文件的处理方法”的中国专利公开了一种监控视频文件的处理方法，该方法通过降低分辨率来减少监控视频数据的存储量。
公开号为：CN201510539491.1，名为“一种监控视频文件的处理方法”的中国专利公开了一种监控视频文件的处理方法，该方法通过每次均匀删除视频文件中的一半左右的视频帧来减少视频数据的存储量。
公开号为：CN201410264416.4，“一种监控视频文件压缩方法”的中国专利公开了一种监控视频压缩方法，该方法主要是通过压缩静态帧，保留活动帧来减少视频数据的存储量。
然而，通过降低视频图像的分辨率的方法会影响到后续视频的使用效果；通过均匀删除部分视频帧的方法会丢失有用的视频数据；通过删除静态帧，保留活动帧的方法，在活动帧中仍然会有大量与人员无关(或者可用性不高)的视频帧存在；另外，由于监控视频数据是海量数据，对监控视频数据进行处理时的效率是需要面对的一个重要问题。
发明内容
本发明的目的是提供一种面向人员监控视频数据文件快速处理方法及系统，其解决了既能最大限度的保留视频数据中有关人员的信息，又能大幅度的降低监控视频数据的存储量的技术问题。
为了解决上述技术问题，本发明提供了一种面向人员监控视频数据文件快速处理方法，包括如下步骤：
步骤S1，读取监控视频文件；
步骤S2，设定人员的帧检测步长；
步骤S3，检测人员活动帧；以及
步骤S4，形成仅包含人员活动帧的视频监控数据文件。
进一步，所述步骤S1中读取监控视频文件的方法包括：
根据输入监控视频文件，利用差分方法确定监控视频的静态帧。
进一步，所述步骤S3中检测人员活动帧的方法包括：
依据设定的帧检测步长，以及依据静态帧特性，通过差分检测各步长对应的帧是否为活动帧；
若为活动帧，则执行检测是否具有人员图像；
若有人员图像，则为人员活动帧，写入新的视频文件中；
否则，继续按帧检测步长进行检测，直到视频文件处理完毕。
进一步，执行检测是否具有人员图像的方法包括：
使用人脸检测方法和/或人体检测方法检测是否存在人员图像；
若存在人脸或人体图像，则为人员活动帧。
进一步，人脸检测方法检测是否存在人员图像的方法包括：
使用人脸检测器检测区域内是否包含人脸，人脸检测器适于通过Haar检测原理构建级联特征分类器，并通过该级联特征分类器检测人脸。
进一步，通过Haar检测原理构建级联特征分类器的方法如下步骤包括：
步骤Sa，使用Haar-like特征做检测；
步骤Sb，使用积分图对Haar-like特征求值进行加速；
步骤Sc，使用AdaBoost算法训练区分人脸和非人脸的强分类器；以及
步骤Sd，使用筛选式级联把强分类器级联到一起，即构成级联特征分类器。
进一步，人体检测方法检测是否存在人员图像的方法包括：
使用Hog特征提取算法提取特征，以及
使用SVM分类器进行分类来检测是否存在人体图像。
进一步，所述步骤S4中形成仅包含人员活动帧的视频监控数据文件的方法包括：
按帧检测步长进行检测，持续将活动帧写入新的视频文件中，以构成仅包含人员活动帧的视频监控数据文件。
又一方面，本发明还提供了一种面向人员监控视频数据文件快速处理系统，包括：
监控视频读取模块，输入监控视频文件，并确定监控视频静态帧；
动态视频输出模块，设定人员的帧检测步长，按照帧检测步长依次检测人员活动帧，并将人员活动帧写入新的视频文件，以形成仅包含人员活动帧的视频监控数据文件。
本发明的有益效果是，本发明的面向人员监控视频数据文件快速处理方法及系统，其将原始监控视频文件经过处理，以获得仅仅包含人脸或人体图像的视频文件，从而在最大限度保存原有人员活动监控视频数据的情况下，减少监控视频文件的数据量，并能够高效的处理海量视频数据。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的面向人员监控视频数据文件快速处理方法的步骤流程图；
图2是本发明的面向人员监控视频数据文件快速处理方法的流程图；
图3是本发明的面向人员监控视频数据文件快速处理系统的原理框图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
如图1和图2所示，本发明的一种面向人员监控视频数据文件快速处理方法，包括如下步骤：
步骤S1，读取监控视频文件；
步骤S2，设定人员的帧检测步长；
步骤S3，检测人员活动帧；以及
步骤S4，形成仅包含人员活动帧的视频监控数据文件。
优选的，所述步骤S1中读取监控视频文件的方法包括：根据输入监控视频文件，利用差分方法确定监控视频的静态帧。
具体的，所述步骤S3中检测人员活动帧的方法包括：依据设定的帧检测步长，以及依据静态帧特性，通过差分检测各步长对应的帧是否为活动帧；
若为活动帧，则执行检测是否具有人员图像；
若有人员图像，则为人员活动帧，写入新的视频文件中；
否则，继续按帧检测步长进行检测，直到视频文件处理完毕，即静态帧和未检测到人体图像的活动帧不作为新的视频文件的帧保存。
可选的，执行检测是否具有人员图像的方法包括：使用人脸检测方法和/或人体检测方法检测是否存在人员图像；若存在人脸或人体图像，则为人员活动帧。
进一步，人脸检测方法检测是否存在人员图像的方法包括：使用人脸检测器检测区域内是否包含人脸，人脸检测器适于通过Haar检测原理构建级联特征分类器，并通过该级联特征分类器检测人脸。
具体的，通过Haar检测原理构建级联特征分类器的方法如下步骤包括：
步骤Sa，使用Haar-like特征做检测；
步骤Sb，使用积分图对Haar-like特征求值进行加速；
步骤Sc，使用AdaBoost算法训练区分人脸和非人脸的强分类器；以及
步骤Sd，使用筛选式级联把强分类器级联到一起，即构成级联特征分类器。
可选的，人体检测方法检测是否存在人员图像的方法包括：使用Hog特征提取算法提取特征，以及使用SVM分类器进行分类来检测是否存在人体图像。
所述步骤S4中形成仅包含人员活动帧的视频监控数据文件的方法包括：按帧检测步长进行检测，持续将活动帧写入新的视频文件中，以构成仅包含人员活动帧的视频监控数据文件。其中，将活动帧写入新的视频文件可以根据现有技术中相关视频文件压缩算法生成视频文件。
实施例2
如图3所示，在实施例1基础上，本发明还提供了一种面向人员监控视频数据文件快速处理系统，包括：
监控视频读取模块，输入监控视频文件，并确定监控视频静态帧；
动态视频输出模块，设定人员的帧检测步长，按照帧检测步长依次检测人员活动帧，并将人员活动帧写入新的视频文件，以形成仅包含人员活动帧的视频监控数据文件。
具体监控视频读取模块和动态视频输出模块的具体实现方式及工作过程详见实施例1的相关步骤。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种面向人员监控视频数据文件快速处理方法，其特征在于，包括如下步骤：
步骤S1，读取监控视频文件；
步骤S2，设定人员的帧检测步长；
步骤S3，检测人员活动帧；以及
步骤S4，形成仅包含人员活动帧的视频监控数据文件。
2.根据权利要求1所述的面向人员监控视频数据文件快速处理方法，其特征在于，
所述步骤S1中读取监控视频文件的方法包括：
根据输入监控视频文件，利用差分方法确定监控视频的静态帧。
3.根据权利要求2所述的面向人员监控视频数据文件快速处理方法，其特征在于，
所述步骤S3中检测人员活动帧的方法包括：
依据设定的帧检测步长，以及依据静态帧特性，通过差分检测各步长对应的帧是否为活动帧；
若为活动帧，则执行检测是否具有人员图像；
若有人员图像，则为人员活动帧，写入新的视频文件中；
否则，继续按帧检测步长进行检测，直到视频文件处理完毕。
4.根据权利要求3所述的面向人员监控视频数据文件快速处理方法，其特征在于，
执行检测是否具有人员图像的方法包括：
使用人脸检测方法和/或人体检测方法检测是否存在人员图像；
若存在人脸或人体图像，则为人员活动帧。
5.根据权利要求4所述的面向人员监控视频数据文件快速处理方法，其特征在于，
人脸检测方法检测是否存在人员图像的方法包括：
使用人脸检测器检测区域内是否包含人脸，人脸检测器适于通过Haar检测原理构建级联特征分类器，并通过该级联特征分类器检测人脸。
6.根据权利要求5所述的面向人员监控视频数据文件快速处理方法，其特征在于，
通过Haar检测原理构建级联特征分类器的方法如下步骤包括：
步骤Sa，使用Haar-like特征做检测；
步骤Sb，使用积分图对Haar-like特征求值进行加速；
步骤Sc，使用AdaBoost算法训练区分人脸和非人脸的强分类器；以及
步骤Sd，使用筛选式级联把强分类器级联到一起，即构成级联特征分类器。
7.根据权利要求6所述的面向人员监控视频数据文件快速处理方法，其特征在于，
人体检测方法检测是否存在人员图像的方法包括：
使用Hog特征提取算法提取特征，以及
使用SVM分类器进行分类来检测是否存在人体图像。
8.根据权利要求7所述的面向人员监控视频数据文件快速处理方法，其特征在于，
所述步骤S4中形成仅包含人员活动帧的视频监控数据文件的方法包括：
按帧检测步长进行检测，持续将活动帧写入新的视频文件中，以构成仅包含人员活动帧的视频监控数据文件。
9.一种面向人员监控视频数据文件快速处理系统，其特征在于，包括：
监控视频读取模块，输入监控视频文件，并确定监控视频静态帧；
动态视频输出模块，设定人员的帧检测步长，按照帧检测步长依次检测人员活动帧，并将人员活动帧写入新的视频文件，以形成仅包含人员活动帧的视频监控数据文件。
CN201610841479.0A 2016-09-22 2016-09-22 面向人员监控视频数据文件快速处理方法及系统 Pending CN106210674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610841479.0A CN106210674A (zh) 2016-09-22 2016-09-22 面向人员监控视频数据文件快速处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610841479.0A CN106210674A (zh) 2016-09-22 2016-09-22 面向人员监控视频数据文件快速处理方法及系统

Publications (1)

Publication Number Publication Date
CN106210674A true CN106210674A (zh) 2016-12-07

Family

ID=58068257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610841479.0A Pending CN106210674A (zh) 2016-09-22 2016-09-22 面向人员监控视频数据文件快速处理方法及系统

Country Status (1)

Country Link
CN (1) CN106210674A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971317A (zh) * 2017-03-09 2017-07-21 杨伊迪 基于人脸识别与大数据分析的广告投放效果评价与智能推送决策方法
CN109274932A (zh) * 2018-08-11 2019-01-25 深圳市百创网络科技有限公司 智能家装巡检机器人

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063568A1 (en) * 2003-09-24 2005-03-24 Shih-Ching Sun Robust face detection algorithm for real-time video sequence
CN201118838Y (zh) * 2007-11-09 2008-09-17 天津三星电子有限公司 具有运动图像数字检测功能的视频监视系统
CN101299812A (zh) * 2008-06-25 2008-11-05 北京中星微电子有限公司 视频分析和存储方法、系统,及视频检索方法、系统
CN102222104A (zh) * 2011-06-23 2011-10-19 华南理工大学 基于时空融合的智能提取视频摘要方法
CN103049460A (zh) * 2011-10-17 2013-04-17 天津市亚安科技股份有限公司 一种视频监控场景信息分类存储的方法及检索方法
CN103092930A (zh) * 2012-12-30 2013-05-08 信帧电子技术（北京）有限公司 视频摘要生成方法和视频摘要生成装置
CN103324955A (zh) * 2013-06-14 2013-09-25 浙江智尔信息技术有限公司 一种基于视频处理的行人检测方法
CN103413330A (zh) * 2013-08-30 2013-11-27 中国科学院自动化研究所 一种复杂场景下可靠的视频摘要生成方法
CN104504397A (zh) * 2014-12-31 2015-04-08 云智视像科技（上海）有限公司 一种基于人脸识别的监控视频摘要方法及系统
CN104731964A (zh) * 2015-04-07 2015-06-24 上海海势信息科技有限公司 基于人脸识别的人脸摘要方法、视频摘要方法及其装置
CN104883548A (zh) * 2015-06-16 2015-09-02 金鹏电子信息机器有限公司 监控视频人脸抓取处理方法及其系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063568A1 (en) * 2003-09-24 2005-03-24 Shih-Ching Sun Robust face detection algorithm for real-time video sequence
CN201118838Y (zh) * 2007-11-09 2008-09-17 天津三星电子有限公司 具有运动图像数字检测功能的视频监视系统
CN101299812A (zh) * 2008-06-25 2008-11-05 北京中星微电子有限公司 视频分析和存储方法、系统,及视频检索方法、系统
CN102222104A (zh) * 2011-06-23 2011-10-19 华南理工大学 基于时空融合的智能提取视频摘要方法
CN103049460A (zh) * 2011-10-17 2013-04-17 天津市亚安科技股份有限公司 一种视频监控场景信息分类存储的方法及检索方法
CN103092930A (zh) * 2012-12-30 2013-05-08 信帧电子技术（北京）有限公司 视频摘要生成方法和视频摘要生成装置
CN103324955A (zh) * 2013-06-14 2013-09-25 浙江智尔信息技术有限公司 一种基于视频处理的行人检测方法
CN103413330A (zh) * 2013-08-30 2013-11-27 中国科学院自动化研究所 一种复杂场景下可靠的视频摘要生成方法
CN104504397A (zh) * 2014-12-31 2015-04-08 云智视像科技（上海）有限公司 一种基于人脸识别的监控视频摘要方法及系统
CN104731964A (zh) * 2015-04-07 2015-06-24 上海海势信息科技有限公司 基于人脸识别的人脸摘要方法、视频摘要方法及其装置
CN104883548A (zh) * 2015-06-16 2015-09-02 金鹏电子信息机器有限公司 监控视频人脸抓取处理方法及其系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971317A (zh) * 2017-03-09 2017-07-21 杨伊迪 基于人脸识别与大数据分析的广告投放效果评价与智能推送决策方法
CN109274932A (zh) * 2018-08-11 2019-01-25 深圳市百创网络科技有限公司 智能家装巡检机器人

Similar Documents

Publication Publication Date Title
Su et al. Face mask detection and classification via deep transfer learning
CN104392246B (zh) 一种基于类间类内面部变化字典的单样本人脸识别方法
CN106650577A (zh) 监控视频数据文件中目标人物快速检索方法及系统
Yang et al. Anomaly detection in moving crowds through spatiotemporal autoencoding and additional attention
Shukla et al. Masked face recognition using mobilenet v2 with transfer learning.
Taloba et al. Accuracy enhancement scaling factor of Viola-Jones using genetic algorithms
Li et al. Robust deep learning method to detect face masks
Mukherjee et al. Human activity recognition in RGB-D videos by dynamic images
CN106210674A (zh) 面向人员监控视频数据文件快速处理方法及系统
Zhang et al. Multicontext 3D residual CNN for false positive reduction of pulmonary nodule detection
Arshad et al. Hybrid machine learning techniques to detect real time human activity using UCI dataset
Zhang et al. Face occlusion detection using cascaded convolutional neural network
Gola et al. MaskNet: Detecting different kinds of face mask for Indian ethnicity
Liu et al. Facial expression recognition based on SSVM algorithm and multi-source texture feature fusion using KECA
Mohammad et al. Cross Input Neighbourhood Difference for Re-identification of Occupational Humans
Peng et al. DSAFF-Net: A Backbone Network Based on Mask R-CNN for Small Object Detection.
Pemula et al. Generation of Random Fields for Image Segmentation Techniques: A Review
Kishore et al. Analysis and prototype sequences of face recognition techniques in real-time picture processing
Wu et al. Agricultural Transfer Labor Wage Platform Based on Image Content Feature Retrieval and Internet of Things
Ingale et al. Deep Learning for Crowd Image Classification for Images Captured Under Varying Climatic and Lighting Condition
Zhang et al. The research of human interaction recognition based on fusion features of key frame feature library
Kosulin et al. A Survey of Masked Face Recognition Methods and Corpora/Data
Rajan et al. Identification of ancient Tamil letters and its characters: Automatic date fixation based on contour-let technique
EP4198927A1 (en) Thermal face and landmark detection method
Chen et al. An Overview of Crowd Counting on Traditional and CNN-based Approaches

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207