一種用于監(jiān)控系統(tǒng)視頻的關鍵幀提取方法及其系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種用于監(jiān)控系統(tǒng)視頻的關鍵幀提取方法及其系統(tǒng)。方法包括如下步驟：a)利用背景差分法提取視頻中含有運動對象的關鍵幀序列；b)基于聯(lián)合直方圖計算關鍵幀序列中相鄰兩幀的相似度，并提取相似性小于閾值的關鍵幀，將其加入關鍵幀集合中；c)判斷關鍵幀集合中相鄰兩個關鍵幀的標號是否小于一定間隔，若是則刪除其中信息熵小的關鍵幀，更新關鍵幀集合。利用本發(fā)明能夠實現(xiàn)以簡單的算法從海量監(jiān)控視頻中提取僅含運動目標的關鍵幀，大幅減少關鍵幀序列中的冗余數(shù)據，顯著減少視頻數(shù)據的存儲量。
【專利說明】一種用于監(jiān)控系統(tǒng)視頻的關鍵幀提取方法及其系統(tǒng)
【技術領域】
[0001]本發(fā)明涉及智能視頻監(jiān)控領域，特別是一種用于監(jiān)控系統(tǒng)視頻的關鍵幀提取方法及其系統(tǒng)。
【背景技術】
[0002]隨著數(shù)字視頻處理技術的發(fā)展和社會安全意識的提高，監(jiān)控設備廣泛應用于各行各業(yè)，這樣便產生了海量的監(jiān)控視頻數(shù)據，使視頻的存儲，檢索和瀏覽等操作變得復雜而耗時。因此如何在海量的監(jiān)控視頻信息中快速有效地存儲和瀏覽有用信息，對現(xiàn)今監(jiān)控視頻有著重要的意義。為了快速瀏覽以及高效利用這些監(jiān)控數(shù)據，關鍵幀提取技術就顯得尤為重要。
[0003]關鍵幀是能夠代表視頻序列的主要內容的有限的視頻幀子集。近年，針對不同的應用目的，關鍵幀提取技術已有初步發(fā)展。出現(xiàn)了使用廣義高斯密度特征向量之間的相對熵(KLD)進行鏡頭聚類邊界的選取，進而基于相似性和相異性標準提取關鍵幀。也有基于視覺注意模型的視覺注意度(AVI)描述來提取關鍵幀、鏡頭邊界檢測與在鏡頭內提取關鍵幀、“增強三維關鍵幀”來濃縮監(jiān)控視頻片斷有意義的內容信息等不同方法提取關鍵幀。然而，以上的關鍵幀提取方法具有算法復雜、計算量大的問題，而且，它們都是以計算視頻中所有幀序列的方式來提取關鍵幀，可是現(xiàn)實監(jiān)控視頻中可能會含有大量的純背景幀，從而并不能針對性地提取人們想查看的僅包含運動目標的視頻片斷，提取關鍵幀難度大。
[0004]因此，需要一種監(jiān)控系統(tǒng)視頻的關鍵幀提取方法以及設備，來實現(xiàn)以簡單的算法從海量監(jiān)控視頻中提取僅含運動目標的關鍵幀。

【發(fā)明內容】

[0005]本發(fā)明的目的在于針對上述現(xiàn)有技術存在的問題，對視頻監(jiān)控提出一種基于運動目標檢測的關鍵幀提取方法及其設備，以克服現(xiàn)有技術的缺陷。
[0006]根據本發(fā)明的一個方面，提供了一種用于監(jiān)控系統(tǒng)視頻的關鍵幀提取方法，所述方法包括如下步驟:a)利用背景差分法提取視頻中含有運動對象的關鍵幀序列；b)基于聯(lián)合直方圖計算所述關鍵幀序列中相鄰兩幀的相似度，并提取相似性小于閾值的關鍵幀，將其加入關鍵幀集合中；c)判斷所述關鍵幀集合中相鄰兩個關鍵幀的標號是否小于一定間隔，若是則刪除其中信息熵小的關鍵幀，更新所述關鍵幀集合。
[0007]優(yōu)選地，在步驟a中，所述背景差分法中使用具有兩個高斯模型的高斯混合背景模型來建立背景模型。
[0008]優(yōu)選地，在步驟a中通過檢測變化像素，來檢測幀中是否有運動對象。
[0009]優(yōu)選地，在步驟a中，在所述高斯混合背景模型中，若某一象素當前強度值為
，則該象素屬于兩個背景模型的概率計算公式如下式:
【權利要求】
1.一種用于監(jiān)控系統(tǒng)視頻的關鍵幀提取方法，所述方法包括如下步驟: a)利用背景差分法提取視頻中含有運動對象的關鍵幀序列； b)基于聯(lián)合直方圖計算所述關鍵幀序列中相鄰兩幀的相似度，并提取相似性小于閾值的關鍵幀，將其加入關鍵幀集合中； c)判斷所述關鍵幀集合中相鄰兩個關鍵幀的標號是否小于一定間隔，若是則刪除其中信息熵小的關鍵幀，更新所述關鍵幀集合。
2.根據權利要求1所述的方法，其特征在于，在步驟a中，所述背景差分法中使用具有兩個高斯模型的高斯混合背景模型來建立背景模型。
3.根據權利要求1所述的方法，其特征在于，在步驟a中通過檢測變化像素，來檢測幀中是否有運動對象。
4.根據權利要求2所述的方法，其特征在于，在步驟a中，在所述高斯混合背景模型中，若某一象素當前強度值為Ii，則該象素屬于兩個背景模型的概率計算公式如下式:
5.根據權利要求3所述的方法，其特征在于，在步驟a中，在進行檢測所述變化像素時還進行鄰域像素模型符合性檢測。
6.根據權利要求2所述的方法，其特征在于，檢測所述變化像素的方法如下，將當前待處理幀的每個像素的強度值與其對應的兩個背景像素模型的均值做差處理，若差值大于設定的閾值即判定為所述變化像素。
7.根據權利要求6所述的方法，其特征在于，在所述高斯混合模型模型^(4:^(1,2))中，計算所述每個當前待處理幀的像素是否是所述變化像素的計算公式如下:.、/o、
8.根據權利要求6所述的方法，其特征在于，計算所述每個當前待處理幀的像素是否是所述變化像素的計算公式如下:
9.根據權利要求1所述的方法，其特征在于，在步驟a中，對于因背景變化而在前景中形成的很多小尺寸的像素塊，通過尺寸濾波對其加以消除，來降低監(jiān)控系統(tǒng)背景模型的錯誤。
10.根據權利要求1所述的方法，其特征在于，步驟b還包括如下步驟:bl)將所述關鍵幀序列中的首個關鍵幀作為當前關鍵幀； b2)將所述當前關鍵幀放入關鍵幀集合中； b3)從所述關鍵幀序列中取出下一幀作為比較關鍵幀； b4)對所述當前關鍵幀與所述比較關鍵幀的相似性進行計算； b5)判斷相似性是否小于第二閾值，是則進入步驟b6 ;否則進入步驟b7 ； b6)將所述比較關鍵幀作為所述當前關鍵幀，并將其加入所述關鍵幀集合中； bl)檢測所述比較關鍵幀是否為所述關鍵幀序列中的最后一幀，是則結束，所述關鍵幀 集合即為經過初步精確后的所述關鍵幀序列；否則返回步驟b3繼續(xù)處理。
11.根據權利要求10所述的方法，其特征在于，在步驟b4中，計算所述關鍵幀之間的相似性的方法是基于聯(lián)合直方圖的關鍵幀提取方法，所述方法根據聯(lián)合直方圖的對稱性來判定圖像的相似程度。
12.根據權利要求11所述的方法，其特征在于，對于大小同為Mx況的兩幅圖像換分、’對應的像素值對的聯(lián)合概率表示為:
13.根據權利要求12所述的方法，其特征在于，所述聯(lián)合直方圖的對稱性定義為:
14.根據權利要求1所述的方法，其特征在于，在步驟C中，所述關鍵幀序列中的關鍵幀的圖像信息熵的計算公式為:
15.根據權利要求14所述的方法，其特征在于，當所述關鍵幀序列中的關鍵幀的圖像為彩色圖像時，使用亮度分量代替灰度級數(shù)進行所述圖像信息熵的計算。
16.根據權利要求1所述的方法，其特征在于，在所述步驟c中的所述間隔為15-25。
17.根據權利要求16所述的方法，其特征在于，所述間隔為20。
18.一種利用關鍵幀提取方法的監(jiān)控視頻系統(tǒng)，所述系統(tǒng)包括采集模塊、壓縮模塊、運動對象檢測|吳塊、關鍵幀提取|吳塊、以及顯不丨吳塊，其特征在于: 所述采集模塊用于采集視頻；所述壓縮模塊用于對所述采集模塊采集的視頻進行壓縮； 所述運動對象檢測模塊用于對經過所述壓縮模塊壓縮的視頻進行運動對象檢測，利用背景差分法提取視頻中含有運動對象的關鍵幀序列； 所述關鍵幀提取模塊用于對所述運動對象檢測模塊輸出的含有運動對象的視頻序列進行關鍵幀的提取，所述提取包括以下兩個步驟:a)基于聯(lián)合直方圖計算所述關鍵幀序列中相鄰兩幀的相似度，并提取相似性小于閾值的關鍵幀，將其加入關鍵幀集合中jPb)判斷所述關鍵幀集合中相鄰兩個關鍵幀的標號是否小于一定間隔，若是則刪除其中信息熵小的關鍵幀，更新所述關鍵幀集合； 所述顯示模塊用于顯示所述采集模塊輸出的采集視頻、所述壓縮模塊輸出的壓縮視頻、所述運動對象檢測模塊輸出的入侵報警視頻、以及所述關鍵幀提取模塊輸出的所述關鍵幀視頻。
【文檔編號】G06T7/00GK103810711SQ201410074061
【公開日】2014年5月21日 申請日期:2014年3月3日 優(yōu)先權日:2014年3月3日
【發(fā)明者】王書棟, 耿靜, 曹仰杰, 郝偉偉 申請人:鄭州日興電子科技有限公司