一种监控视频浓缩处理方法技术

本发明专利技术提供一种监控视频浓缩处理方法，主要包括背景重建、目标检测、目标跟踪、目标轨迹后处理、目标轨迹生成、视频摘要生成六个步骤，从原始视频中提取感兴趣的目标的活动管道三维信息，将其和背景视频合成，进而浓缩得到较短视频片断，将一天或一小时的视频被压缩成一个简短到几十分钟或几分钟的摘要视频，其中包含了原始视频中所有重要的活动目标详情和快照视频。

A concentrated processing method of surveillance video

【技术实现步骤摘要】
一种监控视频浓缩处理方法
本专利技术涉及安保系统的视频监控
，具体涉及一种对监控视频进行浓缩处理的方法。
技术介绍
高清视频、视频存储、智能视频分析等技术成为当前视频技术发展的主要方面。随着大量视频监控的普及，如何实现海量视频的快速浏览，海量视频的浓缩摘要以及在海量的视频数据中快速检索出所需要的视频资料已成为当前视频领域最为重要的研究内容，尤其是在交通和安防视频应用中显得尤为重要。
技术实现思路
本专利技术的目的在于在传统视频监控基础上，提供一种监控视频浓缩处理方法，使用户可以实现海量视频的快速浏览，在海量的视频数据中快速检索出所需要的视频资料。本专利技术的技术方案如下：一种监控视频浓缩处理方法，其特征在于包括以下步骤：(1)背景重建：采用自适应的混合高斯模型对视频图像进行处理，对每一个像素判定其是前景还是背景，得到前景图像和背景图像，并实时重建背景模型；(2)目标检测：使用背景重建得到的前景图像检测新进入场景的所有团块，将较小的团块和与已被跟踪团块有重叠的团块丢弃，并对剩余的团块按照大小顺序排列，然后通过图像边界检测和运动一致性检测进行筛选，丢弃不合标准的团块，将真正的新团块保存到团块列表；(3)目标跟踪：首先从前景图像提取所有团块；然后对每一个已被跟踪的目标，利用卡尔曼滤波器进行位置和大小预测，同时进行碰撞分析；最后对每个跟踪的轨迹进行处理，若存在碰撞，则采用带权重的粒子滤波得到目标团块，若不存在碰撞，则通过最近邻的方法得到目标团块；(4)目标轨迹后处理：采用卡尔曼滤波对跟踪团块的位置信息进行修正；(5)目标轨迹生成：在每条轨迹结束时生成运动目标的运动轨迹，主要包括ID编号、起始帧号、终止帧号、碰撞标识数组、所有团块的位置和大小信息，并将其导出到运动轨迹文件中；(5)视频摘要生成：根据轨迹生成模块得到的目标运动轨迹文件，对所有目标的运动轨迹进行组合优化，最大限度地降低时间冗余度和空间冗余度，以及保证目标的完整性和时序一致性，并按照该组合优化方案将运动目标与生成的背景图像进行融合，生成视频摘要。本专利技术能将一段长时间的视频文件，以背景(静止图像)、事件(运动物体)的方式摘要重铸，在保留视频中全部可用信息的同时，将视频预览时间压缩为数分钟；通过视频摘要，方便用户快速查看重点关注对象出现的时间，并关联回放至历史视频；便于通过以图搜图支持输入图片在历史视频库中的检索功能，并通过定位该图片在库中的位置实现自检索到的图片帧开始进行对用户关注内容的历史回放，实现海量视频的快速浏览、快速检索。具体实施方式视频浓缩是指从原始视频中提取感兴趣的目标的活动管道三维信息，将其和背景视频合成，进而浓缩得到较短视频片断，它能将一天或一小时的视频被压缩成一个简短到几十分钟或几分钟的摘要视频，其中包含了原始视频中所有重要的活动目标详情和快照视频视。视频摘要生成主要包括背景重建、目标检测、目标跟踪、目标轨迹后处理、目标轨迹生成、视频摘要生成六个过程，各过程的实现方式如下：背景重建：采用自适应的混合高斯模型对视频图像进行处理，对每一个像素判定其是前景还是背景，得到前景图像和背景图像，并实时重建背景模型。目标检测：使用背景重建得到的前景图像检测新进入场景的所有团块，将较小的团块和与已被跟踪团块有重叠的团块丢弃，并对剩余的团块按照大小顺序排列，然后通过图像边界检测和运动一致性检测进行筛选，丢弃不合标准的团块，将真正的新团块保存到团块列表。目标跟踪：在背景重建和目标检测的基础上，实现目标跟踪。首先从前景图像提取所有团块；然后对每一个已被跟踪的目标，利用卡尔曼滤波器进行位置和大小预测，同时进行碰撞分析；最后对每个跟踪的轨迹进行处理，若存在碰撞，则采用带权重的粒子滤波得到目标团块，若不存在碰撞，则通过最近邻的方法得到目标团块。目标轨迹后处理：采用卡尔曼滤波对跟踪团块的位置信息进行修正。目标轨迹生成：在每条轨迹结束时生成运动目标的运动轨迹，主要包括ID编号、起始帧号、终止帧号、碰撞标识数组、所有团块的位置和大小信息，并将其导出到运动轨迹文件中。视频摘要生成：根据轨迹生成模块得到的目标运动轨迹文件，对所有目标的运动轨迹进行组合优化，最大限度地降低时间冗余度和空间冗余度，以及保证目标的完整性和时序一致性，并按照该组合优化方案将运动目标与生成的背景图像进行融合，生成视频摘要。本文档来自技高网...

【技术保护点】
1.一种监控视频浓缩处理方法，其特征在于包括以下步骤：/n(1)背景重建：采用自适应的混合高斯模型对视频图像进行处理，对每一个像素判定其是前景还是背景，得到前景图像和背景图像，并实时重建背景模型；/n(2)目标检测：使用背景重建得到的前景图像检测新进入场景的所有团块，将较小的团块和与已被跟踪团块有重叠的团块丢弃，并对剩余的团块按照大小顺序排列，然后通过图像边界检测和运动一致性检测进行筛选，丢弃不合标准的团块，将真正的新团块保存到团块列表；/n(3)目标跟踪：首先从前景图像提取所有团块；然后对每一个已被跟踪的目标，利用卡尔曼滤波器进行位置和大小预测，同时进行碰撞分析；最后对每个跟踪的轨迹进行处理，若存在碰撞，则采用带权重的粒子滤波得到目标团块，若不存在碰撞，则通过最近邻的方法得到目标团块；/n(4)目标轨迹后处理：采用卡尔曼滤波对跟踪团块的位置信息进行修正；/n(5)生成目标轨迹：在每条轨迹结束时生成运动目标的运动轨迹，主要包括ID编号、起始帧号、终止帧号、碰撞标识数组、所有团块的位置和大小信息，并将其导出到运动轨迹文件中；/n(5)生成视频摘要：根据轨迹生成模块得到的目标运动轨迹文件，对所有目标的运动轨迹进行组合优化，最大限度地降低时间冗余度和空间冗余度，以及保证目标的完整性和时序一致性，并按照该组合优化方案将运动目标与生成的背景图像进行融合，生成视频摘要。/n...

【技术特征摘要】
1.一种监控视频浓缩处理方法，其特征在于包括以下步骤：
(1)背景重建：采用自适应的混合高斯模型对视频图像进行处理，对每一个像素判定其是前景还是背景，得到前景图像和背景图像，并实时重建背景模型；
(2)目标检测：使用背景重建得到的前景图像检测新进入场景的所有团块，将较小的团块和与已被跟踪团块有重叠的团块丢弃，并对剩余的团块按照大小顺序排列，然后通过图像边界检测和运动一致性检测进行筛选，丢弃不合标准的团块，将真正的新团块保存到团块列表；
(3)目标跟踪：首先从前景图像提取所有团块；然后对每一个已被跟踪的目标，利用卡尔曼滤波器进行位置和大小预测，同时进行碰撞分析；最后对每个跟踪的...

【专利技术属性】
技术研发人员：苑娜，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：北京;11