標(biāo)跟蹤模塊中保存的目標(biāo)數(shù)量，當(dāng)軌跡長(zhǎng)度k等于設(shè)定閾值K 時(shí)，執(zhí)行第二步;否則執(zhí)行第一步。
[0084] 第二步，計(jì)算第一個(gè)目標(biāo)出現(xiàn)到第N個(gè)目標(biāo)出現(xiàn)時(shí)，經(jīng)過(guò)高斯混合模型得到的視頻 背景幀的平均值作為所要拼接的背景幀。
[0085] 第三步，對(duì)平均背景，將先前保存的前景目標(biāo)的最小外接矩形中所有像素點(diǎn)替換 到背景。由此完成將不同時(shí)間段出現(xiàn)的運(yùn)動(dòng)目標(biāo)在同一時(shí)刻出現(xiàn)，完成一個(gè)靜態(tài)的濃縮。
[0086] 對(duì)于遮擋的操作，遮擋的像素點(diǎn)進(jìn)行加權(quán)操作，兩個(gè)目標(biāo)像素點(diǎn)值各乘以0.5,再 添加拼接到相應(yīng)背景中。這樣遮擋區(qū)域全能看見(jiàn)。
[0087] 對(duì)于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在 不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無(wú)論 從哪一點(diǎn)來(lái)看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán) 利要求而不是上述說(shuō)明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有 變化囊括在本發(fā)明內(nèi)。
[0088] 此外，應(yīng)當(dāng)理解，雖然本說(shuō)明書(shū)按照實(shí)施方式加以描述，但并非每個(gè)實(shí)施方式僅包 含一個(gè)獨(dú)立的技術(shù)方案，說(shuō)明書(shū)的這種敘述方式僅僅是為清楚起見(jiàn)，本領(lǐng)域技術(shù)人員應(yīng)當(dāng) 將說(shuō)明書(shū)作為一個(gè)整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員 可以理解的其他實(shí)施方式。
【主權(quán)項(xiàng)】
1. 一種視頻濃縮方法，通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分析，提取運(yùn)動(dòng)目標(biāo)，然后對(duì)各個(gè)目標(biāo)的運(yùn) 動(dòng)軌跡進(jìn)行分析，將不同的目標(biāo)拼接到一個(gè)共同的背景場(chǎng)景中，并將它們進(jìn)行組合;其特征 在于:具體包括以下步驟： 1) 前景檢測(cè)模塊:通過(guò)混合高斯背景模型檢測(cè)運(yùn)動(dòng)目標(biāo)的前景，統(tǒng)計(jì)每一幀圖像上的 像素點(diǎn)，利用像素點(diǎn)在長(zhǎng)時(shí)間內(nèi)大量樣本值的概率密度統(tǒng)計(jì)信息建立背景，并使用統(tǒng)計(jì)差 分對(duì)每個(gè)像素點(diǎn)進(jìn)行分類，若像素點(diǎn)的均值偏差小于閾值，認(rèn)為是背景點(diǎn)，否則為前景點(diǎn)； 2) 對(duì)運(yùn)動(dòng)物體進(jìn)行檢測(cè)后，通過(guò)搜索連通區(qū)域，判斷同一運(yùn)動(dòng)目標(biāo)是否被分割為不少 于2個(gè)區(qū)域，將那些被分割開(kāi)的區(qū)域進(jìn)行連通區(qū)域合并，直到目標(biāo)檢測(cè)完成； 3) 運(yùn)動(dòng)目標(biāo)跟蹤模塊:對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，利用Kalman濾波器結(jié)合最小空間距離法 來(lái)預(yù)測(cè)每個(gè)運(yùn)動(dòng)目標(biāo)的坐標(biāo)位置，并進(jìn)行更新、跟蹤、清除運(yùn)動(dòng)消失的運(yùn)動(dòng)對(duì)象，并記錄運(yùn) 動(dòng)目標(biāo)的質(zhì)心坐標(biāo)、速度； 4) 基于運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)跟蹤，統(tǒng)計(jì)步驟3)中目標(biāo)的數(shù)量、目標(biāo)出現(xiàn)的起始時(shí)間、目 標(biāo)中心、前景框?qū)挾群透叨龋? 5) 摘要視頻濃縮模塊:對(duì)運(yùn)動(dòng)軌跡進(jìn)行優(yōu)化，實(shí)現(xiàn)將不同時(shí)間段出現(xiàn)的運(yùn)動(dòng)目標(biāo)平移 到同一時(shí)間段，將前景粘貼到背景，并且不出現(xiàn)目標(biāo)丟失和嚴(yán)重重疊。2. 根據(jù)權(quán)利要求1所述的視頻濃縮方法，其特征在于：步驟1)的具體方法是:在混合高 斯背景模型中，認(rèn)為每一幀圖片像素點(diǎn)之間顏色信息互不相關(guān)，對(duì)每個(gè)像素點(diǎn)的處理都是 相互獨(dú)立的；對(duì)于視頻圖像中每個(gè)像素點(diǎn)，其值在序列圖像中的變化看作是不斷產(chǎn)生像素 點(diǎn)值的隨機(jī)過(guò)程，即用高斯分布來(lái)描述每個(gè)像素點(diǎn)的顏色呈現(xiàn)的規(guī)律，建立K個(gè)多峰高斯分 布模型，圖像每個(gè)像素點(diǎn)按照不同權(quán)值的多個(gè)高斯分布疊加建模;然后對(duì)K個(gè)模型，每個(gè)像 素點(diǎn)和均值差滿足閾值，閾值為2.5,認(rèn)為該像素點(diǎn)是背景，否則是前景。3. 根據(jù)權(quán)利要求1所述的視頻濃縮方法，其特征在于，步驟2)的具體方法是通過(guò)混合高 斯背景模型對(duì)前景檢測(cè)存在下述情況:經(jīng)過(guò)混合高斯背景模型進(jìn)行前景分割后，如果同一 目標(biāo)被分割為不少于2個(gè)目標(biāo)塊，這些目標(biāo)塊最小外接矩形在相對(duì)位置上存在一定位置關(guān) 系:一是大框包含小框;二是兩框有交集，并不完全包含;三是兩框成上下關(guān)系，且質(zhì)心之間 水平和垂直距離都小于閾值;對(duì)上述目標(biāo)塊最小外接矩形關(guān)系的處理方法是:對(duì)于包含關(guān) 系，去掉里面的矩形框，保留外面的；對(duì)于相交的矩形框，用大的矩形框去套住兩個(gè)小的矩 形框;對(duì)于存在上下位置關(guān)系的矩形框，用大的矩形框框住兩個(gè)小的矩形框，并刪除里面兩 個(gè)小的矩形框。4. 根據(jù)權(quán)利要求1所述的視頻濃縮方法，其特征在于，所敘述的步驟3)的具體為:對(duì)運(yùn) 動(dòng)目標(biāo)進(jìn)行跟蹤，也就是跟蹤同一目標(biāo)在圖像序列不同幀中的位置的過(guò)程，即通過(guò)當(dāng)前幀 中的某個(gè)目標(biāo)，搜索下一幀中該目標(biāo)的位置信息，判斷是否跟蹤成功。5. 根據(jù)權(quán)利要求1所述視頻濃縮方法，所敘述的步驟4)的具體方法，包括以下步驟： 第一步:針對(duì)已經(jīng)檢測(cè)到的所有運(yùn)動(dòng)目標(biāo)，分別對(duì)每一個(gè)目標(biāo)i，利用Kalman濾波器來(lái) 預(yù)測(cè)該目標(biāo)在下一幀中坐標(biāo)位置，此位置記為預(yù)測(cè)位置； 第二步:針對(duì)下一幀中檢測(cè)到的所有運(yùn)動(dòng)物體，對(duì)每一個(gè)目標(biāo)j的坐標(biāo)位置記為待定位 置； 第三步:針對(duì)某個(gè)i的預(yù)測(cè)位置，如果與其距離最近的待定位置是目標(biāo)j的位置，同時(shí)針 對(duì)該目標(biāo)j的待定位置，與其距離最近的預(yù)測(cè)位置是i的位置，則說(shuō)明i與目標(biāo)j匹配成功，則 跟蹤成功，然后用目標(biāo)j的信息來(lái)更新i的信息，并同時(shí)根據(jù)目標(biāo)j的位置信息來(lái)更新Kalman濾波器，以調(diào)整其參數(shù)，進(jìn)行魯棒性的預(yù)測(cè)； 第四步:對(duì)于沒(méi)有匹配成功的某個(gè)目標(biāo)i的預(yù)測(cè)位置，說(shuō)明該目標(biāo)已經(jīng)消失，因而將該 目標(biāo)從跟蹤列表中清除即可;對(duì)于沒(méi)有匹配成功的目標(biāo)j的待定位置，說(shuō)明目標(biāo)j是新出現(xiàn) 的目標(biāo)，則為其開(kāi)辟新的存儲(chǔ)空間，并初始化其為運(yùn)動(dòng)軌跡。6. 如權(quán)利要求1所述的視頻濃縮方法，其特征在于，所述的步驟4)中，將已經(jīng)成功跟蹤 的所有目標(biāo)的最小外接矩形保存到前景容器，將每個(gè)目標(biāo)在每一幀的位置及大小信息保存 到目標(biāo)列表中，將經(jīng)過(guò)混合高斯背景模型得到的所有背景保存在背景容器中。7. 如權(quán)利要求1所述的視頻濃縮方法，其特征在于，所述的步驟5)中，在生成摘要視頻 時(shí)，目標(biāo)軌跡描述文件提供軌跡前景矩陣序列的空間信息和時(shí)間信息，確保運(yùn)動(dòng)目標(biāo)平移 后沒(méi)有重疊或者嚴(yán)重重疊。8. 如權(quán)利要求1所述的視頻濃縮方法，其特征在于，所述的步驟5)中，在生成摘要視頻 時(shí)，運(yùn)動(dòng)目標(biāo)的平移，指的是時(shí)間上的平移;對(duì)于目標(biāo)軌跡相互重疊的區(qū)域以透明貼圖的形 式確保每個(gè)目標(biāo)可見(jiàn);對(duì)于每個(gè)目標(biāo)標(biāo)注時(shí)間戳與前景矩形框。9. 如權(quán)利要求1所述的視頻濃縮方法，其特征在于，所述的步驟5)中，在生成摘要視頻 時(shí)，針對(duì)背景的處理采用平均背景法，即進(jìn)行目標(biāo)檢測(cè)和跟蹤時(shí)，將通過(guò)混合高斯背景模型 得到的每一幀圖像保存下來(lái)，在進(jìn)行視頻濃縮時(shí)取這些背景幀的均值作為背景來(lái)和前景進(jìn) 行粘貼。10. 如權(quán)利要求1所述的視頻濃縮方法，其特征是所述的步驟5)中，在生成摘要視頻時(shí)， 具體方法包括： (5-1)對(duì)每個(gè)運(yùn)動(dòng)目標(biāo)前景進(jìn)行粘貼時(shí)，當(dāng)兩個(gè)物體出現(xiàn)遮擋時(shí)，進(jìn)行半透明處理，保 證兩個(gè)物體都能看到； (5-2)對(duì)所有運(yùn)動(dòng)目標(biāo)進(jìn)行粘貼時(shí)，將保存的前景和背景緩存去掉，進(jìn)行新一輪的保存 和濃縮操作。11. 如權(quán)利要求10所述的視頻濃縮方法，其特征在于，所述的步驟(5-1)中，在生成摘要 視頻時(shí)，當(dāng)兩個(gè)運(yùn)動(dòng)目標(biāo)發(fā)生遮擋，其中被遮擋的目標(biāo)都失去了部分信息;對(duì)遮擋的區(qū)域， 實(shí)行半透明處理，兩部分物體對(duì)應(yīng)像素點(diǎn)各乘以0.5,然后拼接到背景;這樣兩部分的遮擋 區(qū)域都能看見(jiàn)。
【專利摘要】本發(fā)明公開(kāi)了一種視頻濃縮方法，通過(guò)混合高斯背景模型檢測(cè)運(yùn)動(dòng)目標(biāo)的前景，統(tǒng)計(jì)每一幀圖像上的像素點(diǎn)，建立背景，并使用統(tǒng)計(jì)差分對(duì)每個(gè)像素點(diǎn)進(jìn)行分類；對(duì)運(yùn)動(dòng)物體通過(guò)搜索連通區(qū)域，將那些被分割開(kāi)的區(qū)域進(jìn)行連通區(qū)域合并；對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，利用Kalman濾波器結(jié)合最小空間距離法來(lái)預(yù)測(cè)每個(gè)運(yùn)動(dòng)目標(biāo)的坐標(biāo)位置，并進(jìn)行更新、跟蹤、清除運(yùn)動(dòng)消失的運(yùn)動(dòng)對(duì)象，并記錄運(yùn)動(dòng)目標(biāo)的質(zhì)心坐標(biāo)、速度并統(tǒng)計(jì)；對(duì)運(yùn)動(dòng)軌跡進(jìn)行優(yōu)化，實(shí)現(xiàn)將不同時(shí)間段出現(xiàn)的運(yùn)動(dòng)目標(biāo)平移到同一時(shí)間段，將前景粘貼到背景，并且不出現(xiàn)目標(biāo)丟失和嚴(yán)重重疊。本發(fā)明實(shí)現(xiàn)監(jiān)控視頻的快速瀏覽，提高視頻數(shù)據(jù)的利用率。
【IPC分類】G06T7/20, G06K9/00
【公開(kāi)號(hào)】CN105469425
【申請(qǐng)?zhí)枴緾N201510818289
【發(fā)明人】陽(yáng)海華
【申請(qǐng)人】上海君是信息科技有限公司
【公開(kāi)日】2016年4月6日
【申請(qǐng)日】2015年11月24日