一种基于视频运动目标的快速关键帧提取算法制造技术

技术编号:8533812 阅读:195 留言:0更新日期:2013-04-04 17:34
本发明专利技术提供了一种基于视频运动目标的快速关键帧提取算法及其在智能安防中的应用,该方法可以有效正确视频图像中的多运动目标进行跟踪和关键帧采样,并能获得该目标的完整又不冗余的时间和空间信息,从而实现智能视频监控和智能判断。

【技术实现步骤摘要】
一种基于视频运动目标的快速关键帧提取算法
本专利技术属于计算机视觉领域,特别涉及一种基于视频运动目标的快速关键帧提取 算法,及该方法在智能安防中的应用。
技术介绍
智能视频监控以数字化、网络化视频监控为基础,但又有别于一般的网络化视频 监控,它是一种更高端的视频监控应用。智能视频监控系统能够识别不同的物体。发现监 控画面中的异常情况,并能以最快和最佳的方式发出警报和提供有用信息,从而能够更加 有效地协助安全人员处理危机,并最大限度地降低误报和漏报现象。智能视频监控中的视 频运动目标的快速关键帧提取算法已经是智能视频监控关键环节,它的后继处理包括目标 行为分析、目标分类的效率和效果都非常依赖目标关键帧提取的结果。目前比较常用的提 取方案包括对整幅图的关键巾贞提取和对每个目标的关键巾贞提取(本专利的实现方案)。由于常见的方法在对视频图像中目标关键帧尚不能完全有效地进行提取,业界亟 待一种能够实现智能视频监控中对运动目标进行智能关键帧提取的具体方法。本专利技术 无论在效率或者效果上都能够满足现在市场的要求。
技术实现思路
本专利技术的目的是针对现有视频监视系统,存在运动目标遮挡、静止不动、前景检测 不完整、跟踪丢失、采样点的时空信息选择问题进行了很好的解决,实践证明本专利技术是可以 胜任市场需求的。为了实现专利技术目的,采用的技术方案如下基于视频运动目标的快速关键帧提取算法的流程图如图1所示。该流程首先是通过codebook算法前景检测获得当前帧的掩码图,接着对当前帧 的掩码图的运动目标和之前运动目标集合进行二部图权值计算得到权值矩阵,然后对权值 矩阵用匈牙利算法计算最小代价匹配,来对目标进行跟踪,其中还包括消失或新出现目标 的综合处理,确保目标跟踪的效果。其次,在跟踪目标的时候纪录运动目标的运动速度V,如果走得快的话,采样的时 间点就要快一点,间隔时间k为某常数,再比较前面一个关键帧采样点的位置,如果厂5它们的距离没有超过d的话,不进行采样。再次,就是分析当前采样的点有没有和其他目标进行的碰撞或遮挡情况,如果有 该种情况不能对其进行采样。最后,就是对当前目标关键帧的完整性,进行智能分析,如果能较好地反映目标的 信息,就对其进行采样,否则不进行采样。该算法没有用到大量的运算,可在初始状态下对于目标运动趋势不了解的情况下 实施对目标的稳定采样,并且采样的效果非常好,很少会出现采样帧不好的情况或者丢失目标运动信息的情况。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本 专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可 以根据这些附图获得其他的附图。图1为本专利技术实施例一中整体框架示意图2为本专利技术实施例一中算法实现示意图;具体实施方式本专利技术函数基于最新的OpenCV 库。OpenCV 是“Open Source Computer Vision Library”的简写,是Intel开源计算机视觉库。它由一系列C函数和少量的C++类构成,是 可实现图像处理和计算机视觉方面的很多通用算法,可用来处理计算机视觉领域中常见的 问题。首先利用codebook得到掩码图,算法函数为Codebook. getMask (Ipllmage*yuvlmg, IplImage*fg, int nfrms),其中 yuvlmg 是一个 YUV 色彩空间模 型,codebook算法返回的fg是二值掩模图,nfrms是视频巾贞号。再利用calweight (CBlobS eq<CTrackingBlob>*Ll, BlobSeq<CTrackingBlob>*L2)计算匹配权值图矩阵M[][],然后再 利用 match (int M[] [50], int n, int m, int*matchl),计算匹配结果在 matchl []中,然后 再根据matchl []结果做相应处理,已达到跟踪的效果。其次,对关键帧的提前,我们定义的结构体class CObjContent {public:CObjContent (int f raNum, int xx, int yy);CvMat* pSrc;//关键顿的掩模图 CvMat* pMask; //关键桢的原始图1nt FrameNum;//对于视频的顿号 int X,y; //位置);class CObjKeyFrame//{pub I ic:CBlobSeq<CObjContent> objContent; //目标在不同点的信息 CObjKeyFrame(CBlob* pB, Ipllmage* plmg, Ipllmage* pMask, int startFrame); //void AddFrame (CBlob* pB, Ipl Image* plmg, Ipl Image* pMask, int f raNum); //添加关键巾贞的方法 int endFraNum; //目标离开时的对应视频桢号 int ID;//目标的 ID int StartFraNum; //目标出现时的对应视频桢号float ObjLike [4]; //对目标进行类型分类的相似度 float ColorLike [11];//对目标进行颜色分类的相似度};在 void AddFrame(CBlob*pB, Ipllmage*plmg, IplImage*pMask, int fraNum)里 面,已经包括了上述所说的关键帧采样的所有技术方案。本文档来自技高网...

【技术保护点】
一种基于视频运动目标的快速关键帧提取算法,其特征在于基于OPENCV(开源计算机视觉)函数库。

【技术特征摘要】
1.一种基于视频运动目标的快速关键帧提取算法,其特征在于基于OPENCV(开源计算机视觉)函数库。2.一种基于视频运动目标的快速关键帧提取算法,其特征在于利用codebook算法先对视频进行前景检测和利用匈牙利算法进行全局所有目标进行匹配跟踪。3.一种基于视频运动目标的快速关键帧提取算法,其特征在于对运动目标的时间信息进行智能分析,包括出现时间、结束时间以及时间点的空间信息。4.一种基于视频运动目标的快速关键帧提取算法,...

【专利技术属性】
技术研发人员:赵刚冯琰一张少文
申请(专利权)人:佳都新太科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1