CN109660762A - 智能抓拍装置中大小图关联方法及装置 - Google Patents
智能抓拍装置中大小图关联方法及装置 Download PDFInfo
- Publication number
- CN109660762A CN109660762A CN201811571458.7A CN201811571458A CN109660762A CN 109660762 A CN109660762 A CN 109660762A CN 201811571458 A CN201811571458 A CN 201811571458A CN 109660762 A CN109660762 A CN 109660762A
- Authority
- CN
- China
- Prior art keywords
- target object
- analysis
- frame
- video
- small
- 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 25
- 238000004458 analytical method Methods 0.000 claims abstract description 133
- 238000005457 optimization Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000006748 scratching Methods 0.000 claims description 13
- 230000002393 scratching effect Effects 0.000 claims description 13
- 241000208340 Araliaceae Species 0.000 claims description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 5
- 238000000151 deposition Methods 0.000 claims description 5
- 235000008434 ginseng Nutrition 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 abstract description 6
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000006837 decompression Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
- H04N21/8547—Content authoring involving timestamps for synchronizing content
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提供了一种智能抓拍装置中大小图关联方法及装置，通过运用其设备自身资源，借由时间戳作为纽带，通过视频分析流快速的分析获取目标对象，而后从视频MJPG编码流中抠取得到小图，再由视频原始流得到大图，进而建立起大图、小图关联，即避免了大量视频保存的空间耗费，也可满足实际应用的需求。
Description
技术领域
本发明涉及安防监控领域，尤其是指一种智能抓拍装置中大小图关联方法及装置。
背景技术
智能抓拍设备是现代安防常用的前端视频采集设备。其前端传感器(Sensor)在采集的视频(通常为RAW格式)后，送到其前端处理器，会对外分成视频分析流，原始流，以及MJPG编码流输出。随后通过智能分析，不仅可以将视频流中每一帧保存(大图)，还可通过内置的智能算法对视频及时进行分析，从而提取每帧视频中目标对象(例如人或者车辆)的信息、图片(即小图)进行保存，以供后续使用随时调取目标对象的图片信息。
但在有些业务应用中，需要由小图追溯目标对象在当时环境中对应的背景、环境情况，因此通过小图找寻对应大图，如若智能抓拍设备仅分别对两种图片进行保存，则这种追溯十分困难。
发明内容
本发明所要解决的技术问题是：提供一种有效将大图、小图关联的智能抓拍装置中大小图关联方法及装置。
为了解决上述技术问题，本发明采用的技术方案为：一种智能抓拍装置中大小图关联方法，包括步骤，
S1)从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
S2)自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
S3)通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
S4)根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
S5)根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
S6)根据小图的时间戳从MJPG编码流中找寻对应的大图帧，将大图帧保存为大图，关联大图与小图。
本专利还提供了一种智能抓拍装置中大小图关联方法，包括步骤，
S1)从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
S2)自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
S3)通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
S4)根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
S5)根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
S6)将小图按时间排序；
S7)查找设定时间段包含的每张小图是否在大图中出现，是则该大图计数加1；
S8)选取计数最大的大图关联该设定时间段的所有小图。
上述中，所述步骤S2中提取每个分析帧的目标对象信息保存于json格式的文本中；
所述步骤S3前包括解析json格式的文本得到目标对象信息的目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值。
上述中，所述步骤S5存成小图后，对小图进行压缩编码。
上述中，还包括设立第一链表/数组或缓存，用于存放小图的步骤。还包括设立第二链表/数组或缓存，用于存放大图的步骤。
本发明还涉及一种智能抓拍装置中大小图关联装置，包括，
视频获取模块，用于从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
对象提取模块，用于自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
优选模块，用于通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
抠图定位模块，用于根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
大小图关联模块，用于根据小图的时间戳从MJPG编码流中找寻对应的大图帧，将大图帧保存为大图，关联大图与小图。
本发明还涉及一种智能抓拍装置中大小图关联装置，：包括，
视频获取模块，用于从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
对象提取模块，用于自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
优选模块，用于通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
抠图定位模块，用于根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
小图排序模块，用于将小图按时间排序；
大图筛选模块，用于查找设定时间段包含的每张小图是否在大图中出现，是则该大图计数加1；
大小图关联模块，用于选取计数最大的大图关联该设定时间段的所有小图。
上述中，所述对象提取模块中提取每个分析帧的目标对象信息保存于json格式的文本中；
所述优选模块，用于解析json格式的文本得到目标对象信息的目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值，而后通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳。
上述中，所述小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图，存成小图后，对小图进行压缩编码。
上述中还包括小图暂存模块及大图暂存模块；
所述小图暂存模块，用于设立存放小图的第一链表/数组或缓存；
所述大图暂存模块，用于设立存放大图的第二链表/数组或缓存。
本发明的有益效果在于：提供了一种适用于智能抓拍装置的大小图关联方法，通过运用其设备自身资源，借由时间戳作为纽带，通过视频分析流快速的分析获取目标对象，而后从视频视频原始流中抠取得到小图，再由MJPG编码流得到大图，进而建立起大图、小图关联，即避免了大量视频保存的空间耗费，也可满足实际应用的需求。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明的一种实施例流程图；
图2为本发明的另一种实施例流程图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
请参阅图1，一种智能抓拍装置中大小图关联方法，包括步骤，
S1)从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
本步骤中的，MJPEG全名为"Motion Joint Photographic Experts Group"，是一种视频编码格式，中文名称翻译为“技术即运动静止图像(或逐帧)压缩技术联合活动图像专家组”。MJPEG广泛应用于非线性编辑领域可精确到帧编辑和多层图像处理，把运动的视频序列作为连续的静止图像来处理，这种压缩方式单独完整地压缩每一帧，在编辑过程中可随机存储每一帧，可进行精确到帧的编辑，此外M-JPEG的压缩和解压缩是对称的，可由相同的硬件和软件实现。但M-JPEG只对帧内的空间冗余进行压缩。不对帧间的时间冗余进行压缩，故压缩效率不高。采用M-JPEG数字压缩格式，当压缩比7:1时，可提供相当于BetacamSP质量图像的节目。
本步骤中，从前端获取视频MJPG编码流则可直接用于后续大图的挑选，而获取视频原始流，作为最清晰的、无压缩视频流可有效用于截图作为后续抠图参考帧使用获得清晰的目标对象图像(小图)，而视频分析流则可以用分辨率较低、压缩比较高的数据，满足分析即可，以缓解分析的硬件压力。
S2)自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
借由智能抓拍装置自带的智能分析算法即可提取送入的分析流中各类目标对象信息，并根据目标对象在分析流不同帧的诸如清晰度、角度等因子输出目标对象质量分值。
S3)通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
上一步骤S2中，由于智能抓拍装置输出的是分析流中各帧中目标对象的质量分值，本步骤进一步针对该目标对象，针对一系列质量分值进行优选，得到分值最高的哪一个质量分值对应的图，而后得到其时间戳，作为索引以供后续步骤从视频原始流找寻对应抠图参考帧。
S4)根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
S5)根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
S6)根据小图的时间戳从MJPG编码流中找寻对应的大图帧，将大图帧保存为大图，关联大图与小图。
步骤S6采用的是大图、小图建立高关联度的严格对应，所谓严格对应，就是大图对应的原始帧时间戳必须和抠取的小图对应的参考帧时间戳一致，这种方式的好处是，能够完全还原小图对应的原始背景，缺点是比较占内存，每个时刻的小图，必须有一张大图与之对应，对后端存储的压力则会较大。
从上述描述可知，本发明的有益效果在于：提供了一种适用于智能抓拍装置的大小图关联方法，通过运用其设备自身资源，借由时间戳作为纽带，通过视频分析流快速的分析获取目标对象，而后从视频MJPG编码流中抠取得到小图，再由视频原始流得到大图，进而建立起大图、小图关联，即避免了大量视频保存的空间耗费，也可满足实际应用的需求。
需要说明的是，关于大小图，都是指编码后的数据，即JPG图片。本方法适用于多个目标对象的大小图关联，因为实际应用时，从前端会输出当前帧提取出来的所有人脸通常都不止一个。此处需要把当前帧对应的所有人脸记录下来，进行分析、提取大图、小图从而关联。
此外，本专利还提供了一种可有效降低存储压力的大小图模糊对应方案，与前面严格对应不同的是，对于大小图模糊对应由于大图数量少，需要关注信息(例如人或车辆)的位置可能稍有变化，要保证小图关联的大图中都能寻到相应信息则如何设计小图、大图的关联关系就尤为重要。为此，本发明提供了另一种智能抓拍装置中大小图关联方法，具体方案如图2所示，包括步骤，
S1)从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
S2)自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
S3)通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
在本模式下模式下，要建立模糊对应，就是需要知道每帧大图包含的小图，这个关系是根据智能分析的结果解析出来的。这样大小图匹配模块就可以在一定间隔时间内(此间隔时间是一个外部参数，用户可以设置，时间范围为1秒到20秒，或者更长。抓拍时间设置短，可以提高抓拍的图片的张数，抓拍时间设置长，可以有效减少重抓.)，查找所有小图和每一张大图的吻合关系，及小图是否在此大图中，并可以根据计数结果，对这个时间段内的所有优选的大图打分，打分最高的即为最吻合的大图。
S4)根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
S5)根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
S6)将小图按时间排序；
S7)查找设定时间段包含的每张小图是否在大图中出现，是则该大图计数加1；
S8)选取计数最大的大图关联该设定时间段的所有小图。
S6-S8步骤中，对大图、小图就建立一种模糊对应关系，就是在一定时间范围内，所有抠取的小图只匹配一张大图，保证人在大图中，但是位置可能稍有变化，总体还是能反应大图中的小图对象关系，以及一些其它背景信息。这种模糊对应的方法，一个显著的好处是，可以节省存储大图的后端存储空间。
从上述描述可知，本发明的有益效果在于：提供了一种适用于智能抓拍装置的大小图关联方法，通过运用其设备自身资源，借由时间戳作为纽带，通过视频分析流快速的分析获取目标对象，而后从视频MJPG编码流中抠取得到小图，再由视频原始流得到大图，进一步的通过在设定时间内大图、小图关联性筛选，从而将一个大图与多个小图建立关联，即避免了大量视频保存的空间耗费，也可满足实际应用的需求。
基于上述两种方案，提供下述实施例1-3。
实施例1
在上述方案基础上，所述步骤S2中提取每个分析帧的目标对象信息保存于json格式的文本中；
所述步骤S3前包括解析json格式的文本得到目标对象信息的目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值。
本实施例采用json格式的文本记录目标对象信息，Json格式是一种文本格式，比较方便阅读，也有相应的三方库解析。
实施例2
上述中，所述步骤S5存成小图后，对小图进行压缩编码。
本实施例中，对小图可以采用常见的各类诸如JPEG等图形压缩编码，从而缩小小图的大小，降低储存压力。
实施例3
上述中，还包括设立第一链表/数组或缓存，用于存放小图的步骤。还包括设立第二链表/数组或缓存，用于存放大图的步骤。
可见本方案中，前端获取的MJPG流本质上是一张一张JPG图片。至于作为抠图参考帧的视频原始流以及视频分析流，均是yuv格式的数据，视频分析流同样是以图像帧形式是送给智能做分析。抠图参考帧，主要是用来扣小图用的，根据分析输出的对象坐标，在抠图参考帧中，挖出对应的人脸或者车辆小图，也是yuv格式，然后编码成JPG图片。所以最终关联，以及传输的大小图，都是JPG图片。因此，此处需要两个链表/数组或缓存来暂存这类图片。
采用本实施例方案，对于方案以的严格对应模式下，在大小图匹配模块只需要根据时间戳找出第一链表/数组或缓存和第二链表/数组或缓存中相同时间戳的图片即可实现关联。
本发明还涉及一种智能抓拍装置中大小图关联装置，包括，
视频获取模块，用于从前端获取采集的视频分析流、视频原始流及视频MJPG编码流，而后转到；
对象提取模块，用于自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值，而后转到；
优选模块，用于通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳，而后转到；
抠图定位模块，用于根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧，而后转到；
小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图，而后转到；
大小图关联模块，用于根据小图的时间戳从MJPG编码流中找寻对应的大图帧，将大图帧保存为大图，关联大图与小图。
从上述描述可知，本发明的有益效果在于：提供了一种适用于智能抓拍装置的大小图关联装置，通过运用其设备自身资源，借由时间戳作为纽带，通过视频分析流快速的分析获取目标对象，而后从视频MJPG编码流中抠取得到小图，再由视频原始流得到大图，进而建立起大图、小图关联，即避免了大量视频保存的空间耗费，也可满足实际应用的需求。
此外，本专利还提供了一种可有效降低存储压力的大小图模糊对应方案，与前面严格对应不同的是，对于大小图模糊对应由于大图数量少，需要关注信息(例如人或车辆)的位置可能稍有变化，要保证小图关联的大图中都能寻到相应信息则如何设计小图、大图的关联关系就尤为重要。为此，本发明还涉及一种智能抓拍装置中大小图关联装置，包括，
视频获取模块，用于从前端获取采集的视频分析流、视频原始流及视频MJPG编码流，而后转到；
对象提取模块，用于自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值，而后转到；
优选模块，用于通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳，而后转到；
抠图定位模块，用于根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧，而后转到；
小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图，而后转到；
小图排序模块，用于将小图按时间排序，而后转到；
大图筛选模块，用于查找设定时间段包含的每张小图是否在大图中出现，是则该大图计数加1，而后转到；
大小图关联模块，用于选取计数最大的大图关联该设定时间段的所有小图。
从上述描述可知，本发明的有益效果在于：提供了一种适用于智能抓拍装置的大小图关联装置，通过运用其设备自身资源，借由时间戳作为纽带，通过视频分析流快速的分析获取目标对象，而后从视频MJPG编码流中抠取得到小图，再由视频原始流得到大图，进一步的通过在设定时间内大图、小图关联性筛选，从而将一个大图与多个小图建立关联，即避免了大量视频保存的空间耗费，也可满足实际应用的需求。
基于上述两种方案，提供下述实施例4-6。
实施例4
上述中，所述对象提取模块中提取每个分析帧的目标对象信息保存于json格式的文本中；
所述优选模块，用于解析json格式的文本得到目标对象信息的目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值，而后通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳。
本实施例采用json格式的文本记录目标对象信息，Json格式是一种文本格式，比较方便阅读，也有相应的三方库解析。
实施例5
上述中，所述小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图，存成小图后，对小图进行压缩编码。
本实施例中，对小图可以采用常见的各类诸如JPEG等图形压缩编码，从而缩小小图的大小，降低储存压力。
实施例6
上述中还包括小图暂存模块及大图暂存模块；
所述小图暂存模块，用于设立存放小图的第一链表/数组或缓存；
所述大图暂存模块，用于设立存放大图的第二链表/数组或缓存。
可见本方案中，前端获取的MJPG流本质上是一张一张JPG图片。至于作为抠图参考帧的视频原始流以及视频分析流，均是yuv格式的数据，视频分析流同样是以图像帧形式是送给智能做分析。抠图参考帧，主要是用来扣小图用的，根据分析输出的对象坐标，在抠图参考帧中，挖出对应的人脸或者车辆小图，也是yuv格式，然后编码成JPG图片。所以最终关联，以及传输的大小图，都是JPG图片。因此，此处需要两个链表/数组或缓存来暂存这类图片。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种智能抓拍装置中大小图关联方法，其特征在于：包括步骤，
S1)从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
S2)自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
S3)通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
S4)根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
S5)根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
S6)根据小图的时间戳从MJPG编码流中找寻对应的大图帧，将大图帧保存为大图，关联大图与小图。
2.一种智能抓拍装置中大小图关联方法，其特征在于：包括步骤，
S1)从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
S2)自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
S3)通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
S4)根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
S5)根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
S6)将小图按时间排序；
S7)查找设定时间段包含的每张小图是否在大图中出现，是则该大图计数加1；
S8)选取计数最大的大图关联该设定时间段的所有小图。
3.如权利要求1或2所述的智能抓拍装置中大小图关联方法，其特征在于：所述步骤S2中提取每个分析帧的目标对象信息保存于json格式的文本中；
所述步骤S3前包括解析json格式的文本得到目标对象信息的目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值。
4.如权利要求1或2所述的智能抓拍装置中大小图关联方法，其特征在于：所述步骤S5存成小图后，对小图进行压缩编码。
5.如权利要求1或2所述的智能抓拍装置中大小图关联方法，其特征在于：还包括设立第一链表/数组或缓存，用于存放小图的步骤。还包括设立第二链表/数组或缓存，用于存放大图的步骤。
6.一种智能抓拍装置中大小图关联装置，其特征在于：包括，
视频获取模块，用于从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
对象提取模块，用于自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
优选模块，用于通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
抠图定位模块，用于根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
大小图关联模块，用于根据小图的时间戳从MJPG编码流中找寻对应的大图帧，将大图帧保存为大图，关联大图与小图。
7.一种智能抓拍装置中大小图关联装置，其特征在于：包括步骤，
视频获取模块，用于从前端获取采集的视频分析流、视频原始流及视频MJPG编码流；
对象提取模块，用于自视频分析流中分析提取每个分析帧的目标对象信息；所述目标对象信息包括目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值；
优选模块，用于通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳；
抠图定位模块，用于根据分析帧的时间戳从视频原始流中找到对应的抠图参考帧；
小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图；
小图排序模块，用于将小图按时间排序；
大图筛选模块，用于查找设定时间段包含的每张小图是否在大图中出现，是则该大图计数加1；
大小图关联模块，用于选取计数最大的大图关联该设定时间段的所有小图。
8.如权利要求6或7所述的智能抓拍装置中大小图关联装置，其特征在于：所述对象提取模块中提取每个分析帧的目标对象信息保存于json格式的文本中；
所述优选模块，用于解析json格式的文本得到目标对象信息的目标对象所处分析帧的时间戳、目标对象ID、目标对象坐标及目标对象质量分值，而后通过目标对象优选算法对所有分析帧的目标对象质量分值，在设定间隔时间内的目标对象ID对应的目标对象质量分值进行优选，获得分值最高的分析帧的时间戳。
9.如权利要求6或7所述的智能抓拍装置中大小图关联方法，其特征在于：所述小图获取模块，用于根据目标ID的对象坐标自抠图参考帧抠取目标对象图片，连同其所在抠图参考帧的时间戳一并保存成小图，存成小图后，对小图进行压缩编码。
10.如权利要求6或7所述的智能抓拍装置中大小图关联方法，其特征在于：还包括小图暂存模块及大图暂存模块；
所述小图暂存模块，用于设立存放小图的第一链表/数组或缓存；
所述大图暂存模块，用于设立存放大图的第二链表/数组或缓存。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811571458.7A CN109660762B (zh) | 2018-12-21 | 2018-12-21 | 智能抓拍装置中大小图关联方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811571458.7A CN109660762B (zh) | 2018-12-21 | 2018-12-21 | 智能抓拍装置中大小图关联方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109660762A true CN109660762A (zh) | 2019-04-19 |
| CN109660762B CN109660762B (zh) | 2020-12-11 |
Family
ID=66116197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811571458.7A Active CN109660762B (zh) | 2018-12-21 | 2018-12-21 | 智能抓拍装置中大小图关联方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109660762B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110248177A (zh) * | 2019-05-29 | 2019-09-17 | 深圳英飞拓智能技术有限公司 | 一种图像数据的处理方法及装置 |
| CN110348315A (zh) * | 2019-06-14 | 2019-10-18 | 深圳英飞拓科技股份有限公司 | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 |
| CN111913918A (zh) * | 2020-07-31 | 2020-11-10 | 维沃移动通信有限公司 | 文件存储方法、装置和电子设备 |
| CN112541429A (zh) * | 2020-12-08 | 2021-03-23 | 浙江大华技术股份有限公司 | 一种智能抓图方法、装置、电子设备以及存储介质 |
| CN113191210A (zh) * | 2021-04-09 | 2021-07-30 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101588436A (zh) * | 2008-05-20 | 2009-11-25 | 株式会社理光 | 一种压缩原始图像动态范围的方法、装置和数码相机 |
| CN202121706U (zh) * | 2011-03-24 | 2012-01-18 | 杭州海康威视软件有限公司 | 智能人员卡口系统 |
| CN104794429A (zh) * | 2015-03-23 | 2015-07-22 | 中国科学院软件研究所 | 一种面向监控视频的关联可视分析方法 |
| JP5785667B1 (ja) * | 2015-02-23 | 2015-09-30 | 三菱電機マイコン機器ソフトウエア株式会社 | 人物特定システム |
| CN106803936A (zh) * | 2017-02-24 | 2017-06-06 | 深圳英飞拓科技股份有限公司 | 基于内存编码机制的视频抓拍方法及装置 |
| CN108241853A (zh) * | 2017-12-28 | 2018-07-03 | 深圳英飞拓科技股份有限公司 | 一种视频监控方法、系统及终端设备 |
| CN108496150A (zh) * | 2016-10-18 | 2018-09-04 | 华为技术有限公司 | 一种屏幕截图和读取的方法及终端 |
-
2018
- 2018-12-21 CN CN201811571458.7A patent/CN109660762B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101588436A (zh) * | 2008-05-20 | 2009-11-25 | 株式会社理光 | 一种压缩原始图像动态范围的方法、装置和数码相机 |
| CN202121706U (zh) * | 2011-03-24 | 2012-01-18 | 杭州海康威视软件有限公司 | 智能人员卡口系统 |
| JP5785667B1 (ja) * | 2015-02-23 | 2015-09-30 | 三菱電機マイコン機器ソフトウエア株式会社 | 人物特定システム |
| CN104794429A (zh) * | 2015-03-23 | 2015-07-22 | 中国科学院软件研究所 | 一种面向监控视频的关联可视分析方法 |
| CN108496150A (zh) * | 2016-10-18 | 2018-09-04 | 华为技术有限公司 | 一种屏幕截图和读取的方法及终端 |
| CN106803936A (zh) * | 2017-02-24 | 2017-06-06 | 深圳英飞拓科技股份有限公司 | 基于内存编码机制的视频抓拍方法及装置 |
| CN108241853A (zh) * | 2017-12-28 | 2018-07-03 | 深圳英飞拓科技股份有限公司 | 一种视频监控方法、系统及终端设备 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110248177A (zh) * | 2019-05-29 | 2019-09-17 | 深圳英飞拓智能技术有限公司 | 一种图像数据的处理方法及装置 |
| CN110248177B (zh) * | 2019-05-29 | 2021-06-15 | 深圳英飞拓智能技术有限公司 | 一种图像数据的处理方法及装置 |
| CN110348315A (zh) * | 2019-06-14 | 2019-10-18 | 深圳英飞拓科技股份有限公司 | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 |
| CN110348315B (zh) * | 2019-06-14 | 2021-10-19 | 深圳英飞拓科技股份有限公司 | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 |
| CN111913918A (zh) * | 2020-07-31 | 2020-11-10 | 维沃移动通信有限公司 | 文件存储方法、装置和电子设备 |
| CN112541429A (zh) * | 2020-12-08 | 2021-03-23 | 浙江大华技术股份有限公司 | 一种智能抓图方法、装置、电子设备以及存储介质 |
| CN112541429B (zh) * | 2020-12-08 | 2024-05-31 | 浙江大华技术股份有限公司 | 一种智能抓图方法、装置、电子设备以及存储介质 |
| CN113191210A (zh) * | 2021-04-09 | 2021-07-30 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
| CN113191210B (zh) * | 2021-04-09 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109660762B (zh) | 2020-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109660762A (zh) | 智能抓拍装置中大小图关联方法及装置 | |
| CN110008797B (zh) | 一种多摄像机多人脸视频接续采集方法 | |
| TWI712316B (zh) | 視訊摘要的生成方法及裝置 | |
| EP1482734A2 (en) | Process and system for identifying a position in video using content-based video timelines | |
| CN111369548B (zh) | 一种基于生成对抗网络的无参考视频质量评价方法及装置 | |
| CN110087042B (zh) | 一种实时同步视频流和元数据的人脸抓拍方法及系统 | |
| CN104837031B (zh) | 一种高速自适应提取视频关键帧的方法 | |
| Karaman et al. | Human daily activities indexing in videos from wearable cameras for monitoring of patients with dementia diseases | |
| CN1750618A (zh) | 在接收机上观看视听文档的方法和观看这种文档的接收机 | |
| CN109948721A (zh) | 一种基于视频描述的视频场景分类方法 | |
| CN104967848A (zh) | 一种应用于网络视频监控系统中的场景分析算法 | |
| US20170147170A1 (en) | Method for generating a user interface presenting a plurality of videos | |
| CN116363554A (zh) | 一种监控视频关键帧提取方法、系统、介质、设备及终端 | |
| US9268791B2 (en) | Method and apparatus for image processing and computer readable medium | |
| CN112801037A (zh) | 一种基于连续帧间差异的人脸篡改检测方法 | |
| CN110691246B (zh) | 视频编码方法、装置及电子设备 | |
| CN109359530B (zh) | 一种智能视频监控方法及装置 | |
| US7826667B2 (en) | Apparatus for monitor, storage and back editing, retrieving of digitally stored surveillance images | |
| Sharma et al. | A review of passive forensic techniques for detection of copy-move attacks on digital videos | |
| CN103533353B (zh) | 一种近似视频编码系统 | |
| Ouyang et al. | The comparison and analysis of extracting video key frame | |
| Gupta et al. | Reconnoitering the Essentials of Image and Video Processing: A Comprehensive Overview | |
| Fonseca et al. | Face detection in the compressed domain | |
| CN112541429B (zh) | 一种智能抓图方法、装置、电子设备以及存储介质 | |
| CN114782860A (zh) | 一种监控视频中暴力行为检测系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |