本發(fā)明涉及視頻數(shù)據(jù)文件處理，尤其是與公共安全相關(guān)的人員監(jiān)控視頻數(shù)據(jù)高效處理方法與系統(tǒng)。

背景技術(shù)：

隨著信息技術(shù)的發(fā)展、國家“信息化”戰(zhàn)略的推進(jìn)以及智慧城市的建設(shè)，一方面，視頻監(jiān)控向數(shù)字化、高清發(fā)展；另一方面，視頻監(jiān)控的數(shù)量和范圍也在快速擴(kuò)展；同時(shí)，攝像頭的互聯(lián)已經(jīng)成為發(fā)展趨勢。例如公共視頻，已經(jīng)從一個(gè)城市內(nèi)的互聯(lián)，發(fā)展到一個(gè)省的互聯(lián)，逐步到一個(gè)國家的互聯(lián)。視頻監(jiān)控將成為世界上最大的數(shù)據(jù)生成器之一，每時(shí)每刻都在產(chǎn)生大量的數(shù)據(jù)。公安機(jī)關(guān)或者有關(guān)單位，由于工作需要，常常需要在錄制的監(jiān)控視頻中查找特定的目標(biāo)人物(如嫌疑犯等)，由于監(jiān)控視頻數(shù)據(jù)量巨大，靠人工搜尋人力投入非常巨大，且效率低下，搜索的及時(shí)性不足，因此，如何尋找一種高效的搜索方法是一項(xiàng)十分重要而迫切的工作。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索方法及系統(tǒng)，其解決了既能最大限度的保留視頻數(shù)據(jù)中有關(guān)目標(biāo)人員的視頻信息，又能大幅度的降低監(jiān)控視頻數(shù)據(jù)的存儲(chǔ)量的技術(shù)問題。

為了解決上述技術(shù)問題，本發(fā)明提供了一種監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索方法，包括如下步驟：

步驟S1，輸入目標(biāo)人物特征；

步驟S2，讀取監(jiān)控視頻文件；

步驟S3，設(shè)定幀檢測步長；

步驟S4，獲得目標(biāo)人物；以及

步驟S5，形成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件。

進(jìn)一步，所述步驟S2中讀取監(jiān)控視頻文件的方法包括：輸入監(jiān)控視頻文件，利用差分方法確定監(jiān)控視頻的靜態(tài)幀。

進(jìn)一步，所述步驟S3中獲得目標(biāo)人物的方法包括：

依據(jù)設(shè)定的幀檢測步長，以及依據(jù)靜態(tài)幀特性，通過差分檢測各步長對應(yīng)的幀是否為視頻幀；

若為視頻幀，則執(zhí)行檢測是否具有目標(biāo)人物圖像；

若有目標(biāo)人物圖像，則將該人物圖像對應(yīng)的視頻幀寫入新的視頻文件中；

否則，繼續(xù)按幀檢測步長進(jìn)行檢測，直到視頻文件處理完畢。

進(jìn)一步，所述輸入目標(biāo)人物特征包括人臉特征；即

使用人臉檢測方法、人臉識別方法檢測視頻幀中是否具有目標(biāo)人物圖像，其方法包括：

使用人臉檢測器檢測區(qū)域內(nèi)是否包含人臉，人臉檢測器適于通過Haar檢測原理構(gòu)建級聯(lián)特征分類器，并通過該級聯(lián)特征分類器檢測人臉，繼而判定是否包含目標(biāo)人物圖像；使用目標(biāo)人物人體特征，判定是否為目標(biāo)人物。

進(jìn)一步，通過Haar檢測原理構(gòu)建級聯(lián)特征分類器的方法如下步驟包括：

步驟Sa，使用Haar-like特征做檢測；

步驟Sb，使用積分圖對Haar-like特征求值進(jìn)行加速；

步驟Sc，使用AdaBoost算法訓(xùn)練區(qū)分人臉和非人臉的強(qiáng)分類器；以及

步驟Sd，使用篩選式級聯(lián)把強(qiáng)分類器級聯(lián)到一起，即構(gòu)成級聯(lián)特征分類器。

進(jìn)一步，在人臉檢測后通過判斷確認(rèn)目標(biāo)人物，即檢測到人臉則使用Fisher算法進(jìn)行人臉識別比對，判定是否符合目標(biāo)人物的人臉特征，若符合該人臉特征，則判定為目標(biāo)人物。

進(jìn)一步，所述輸入目標(biāo)人物特征還包括人體特征；即

使用人體檢測方法檢測視頻幀中是否具有目標(biāo)人物圖像，且其方法包括：

使用Hog特征提取算法提取特征，以及

使用SVM分類器進(jìn)行分類來檢測是否存在人體圖像。

進(jìn)一步，所述人體特征包括：目標(biāo)人物的衣服幾何圖形、顏色特征。

進(jìn)一步，所述步驟S5形成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件的方法包括：

按幀檢測步長進(jìn)行檢測，持續(xù)將視頻幀寫入新的視頻文件中，以構(gòu)成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件。

又一方面，本發(fā)明還提供了一種監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索系統(tǒng)，包括：

監(jiān)控視頻讀取模塊，輸入監(jiān)控視頻文件，并確定監(jiān)控視頻靜態(tài)幀；

目標(biāo)人物視頻輸出模塊，輸入目標(biāo)人物特征，設(shè)定幀檢測步長，以獲得目標(biāo)人物，且形成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件。

本發(fā)明的有益效果是，本發(fā)明的監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索方法及系統(tǒng)，其將原始監(jiān)控視頻文件經(jīng)過處理，以獲得僅僅包含目標(biāo)人物的視頻文件，從而在最大限度保存原有人員活動(dòng)監(jiān)控視頻數(shù)據(jù)的情況下，減少監(jiān)控視頻文件的數(shù)據(jù)量，并能夠高效的處理海量視頻數(shù)據(jù)。

附圖說明

下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。

圖1是本發(fā)明的監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索方法的步驟流程圖；

圖2是本發(fā)明的監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索方法的流程圖；

圖3是本發(fā)明的監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索系統(tǒng)的原理框圖。

具體實(shí)施方式

現(xiàn)在結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。

實(shí)施例1

如圖1和圖2所示，本發(fā)明的一種監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索方法，包括如下步驟：

步驟S1，輸入目標(biāo)人物特征；

步驟S2，讀取監(jiān)控視頻文件；

步驟S3，設(shè)定幀檢測步長；

步驟S4，獲得目標(biāo)人物；以及

步驟S5，形成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件。

優(yōu)選的，所述步驟S2中讀取監(jiān)控視頻文件的方法包括：輸入監(jiān)控視頻文件，利用差分方法確定監(jiān)控視頻的靜態(tài)幀。

具體的，所述步驟S3中獲得目標(biāo)人物的方法包括：

依據(jù)設(shè)定的幀檢測步長，以及依據(jù)靜態(tài)幀特性，通過差分檢測各步長對應(yīng)的幀是否為視頻幀；

若為視頻幀，則執(zhí)行檢測是否具有目標(biāo)人物圖像；

若有目標(biāo)人物圖像，則將該人物圖像對應(yīng)的視頻幀寫入新的視頻文件中；

否則，繼續(xù)按幀檢測步長進(jìn)行檢測，直到視頻文件處理完畢。

進(jìn)一步，所述輸入目標(biāo)人物特征包括人臉特征；即使用人臉檢測方法、人臉識別方法檢測視頻幀中是否具有目標(biāo)人物圖像，其方法包括：使用人臉檢測器檢測區(qū)域內(nèi)是否包含人臉，人臉檢測器適于通過Haar檢測原理構(gòu)建級聯(lián)特征分類器，并通過該級聯(lián)特征分類器檢測人臉，繼而判定是否包含目標(biāo)人物圖像；使用目標(biāo)人物人體特征，判定是否為目標(biāo)人物。

具體的，通過Haar檢測原理構(gòu)建級聯(lián)特征分類器的方法如下步驟包括：

步驟Sa，使用Haar-like特征做檢測；

步驟Sb，使用積分圖對Haar-like特征求值進(jìn)行加速；

步驟Sc，使用AdaBoost算法訓(xùn)練區(qū)分人臉和非人臉的強(qiáng)分類器；以及

步驟Sd，使用篩選式級聯(lián)把強(qiáng)分類器級聯(lián)到一起，即構(gòu)成級聯(lián)特征分類器。

為了提高目標(biāo)人物確認(rèn)的準(zhǔn)確性，在本方法中加入人工識別，即在人臉檢測后通過判斷確認(rèn)目標(biāo)人物，使用Haar級聯(lián)分類器檢測到人臉之后，使用Fisher算法將目標(biāo)人物的人臉圖像與檢測到的人臉進(jìn)行識別比對，進(jìn)行人臉識別，并在識別到目標(biāo)人物人臉后，使用人工再次確認(rèn)是否為目標(biāo)人物。

可選的，所述輸入目標(biāo)人物特征還包括人體特征；即使用人體檢測方法檢測視頻幀中是否具有目標(biāo)人物圖像，且其方法包括：使用Hog特征提取算法提取特征，以及使用SVM分類器進(jìn)行分類來檢測是否存在人體圖像。

其中所述人體特征例如但不限于包括：目標(biāo)人物的衣服幾何圖形、顏色特征。

所述步驟S5形成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件的方法包括：按幀檢測步長進(jìn)行檢測，持續(xù)將視頻幀寫入新的視頻文件中，以構(gòu)成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件。其中，將視頻幀寫入新的視頻文件可以根據(jù)現(xiàn)有技術(shù)中相關(guān)視頻文件壓縮算法生成視頻文件。

并且圖2中“輸入目標(biāo)人物其他特征”部分根據(jù)“設(shè)定目標(biāo)人物其他特征檢測標(biāo)志”而定，如標(biāo)志為真，則需要輸入目標(biāo)人物其他特征，否則，不必輸入。

實(shí)施例2

如圖3所示，在實(shí)施例1基礎(chǔ)上，本發(fā)明還提供了一種監(jiān)控視頻數(shù)據(jù)文件中目標(biāo)人物快速檢索系統(tǒng)，包括：

監(jiān)控視頻讀取模塊，輸入監(jiān)控視頻文件，并確定監(jiān)控視頻靜態(tài)幀；

目標(biāo)人物視頻輸出模塊，輸入目標(biāo)人物特征，設(shè)定幀檢測步長，以獲得目標(biāo)人物，且形成僅包含目標(biāo)人物的視頻監(jiān)控?cái)?shù)據(jù)文件。

具體監(jiān)控視頻讀取模塊和動(dòng)態(tài)視頻輸出模塊的具體實(shí)現(xiàn)方式及工作過程詳見實(shí)施例1的相關(guān)步驟。

以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。