一種基于移動物體偵測的視頻濃縮方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻壓縮技術(shù)領(lǐng)域，尤其是涉及一種基于移動物體偵測的視頻濃縮方法。
【背景技術(shù)】
[0002]對于監(jiān)控視頻來說，視頻中真正向觀看者傳達信息的是前景畫面而非背景畫面，因此需要對視頻進行濃縮處理，刪除視頻中的無用片段。現(xiàn)有視頻濃縮常用的方法有兩種:
[0003]1、保留出現(xiàn)前景區(qū)域的幀，做法是對背景建模，然后計算背景與當前畫面的差異，從而確定前景，該方法的主要缺陷是難以處理進入畫面后不動的物體，這類物體所在區(qū)域在進入畫面和離開畫面后的很長一段時間內(nèi)都會被判定為前景。
[0004]2、直接計算幀間差來檢測移動物體，該方法的主要缺陷是:a)無法捕獲移動緩慢的物體，移動緩慢包括物體的物理速度緩慢，以及物體距離攝像頭較運--受三維透視的影響，越遠的物體在二維畫面中的移動越緩慢；b)無法容忍攝像頭的物理晃動造成的幀間差異。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種視頻壓縮的精度和準確性高、有效檢測移動緩慢物體的基于移動物體偵測的視頻濃縮方法。
[0006]本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn):
[0007]一種基于移動物體偵測的視頻濃縮方法，包括以下步驟:
[0008]I)對視頻中的背景進行背景建模；
[0009]2)將視頻圖像幀切割成網(wǎng)格，以網(wǎng)格為單位統(tǒng)計當前幀與背景差異的直方圖，并對直方圖進行分類，判斷當前網(wǎng)格是否為前景，若是則保存入前景集中，若否，則判斷下一個網(wǎng)格；
[0010]3)根據(jù)所述前景集計算不同幀間的前景差，判斷當前網(wǎng)格內(nèi)是否有活動的前景，若是，則執(zhí)行步驟4)，若否，則判斷下一個網(wǎng)格；
[0011]4)計算得到的活動前景網(wǎng)格的連通塊，判斷該連通塊是否構(gòu)成有效的活動物體，若是，則判定所對應的幀為有效幀，執(zhí)行步驟5)，若否，則刪除對應的幀；
[0012]5)將所有有效幀拼接成濃縮視頻。
[0013]所述步驟I)中，采用非參數(shù)背景生成算法進行背景建模。
[0014]所述步驟2)中，得到當前幀與背景的差異后，對所述差異根據(jù)周圍網(wǎng)格的平均亮度、信噪比進行歸一化處理。
[0015]所述步驟2)中，采用SVM對直方圖進行分類。
[0016]所述步驟3)中，計算不同幀間的前景差時以網(wǎng)格為單位。
[0017]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點:
[0018](I)本發(fā)明采用非參數(shù)背景生成算法進行背景建模，可以有效檢測移動緩慢的物體，能從包含混亂運動對象的視頻中提取出背景，對噪聲和小幅度的(攝像機)振動具有魯棒性。
[0019](2)本發(fā)明前背景分割時采引入網(wǎng)格等優(yōu)化，可以有效處理光照變化，并去除局部噪聲。
[0020](3)本發(fā)明通過計算前景的幀間差判斷活動物體，，可以有效判定進入畫面后不動的物體，提高視頻壓縮的精度和準確性。
【附圖說明】
[0021]圖1為本發(fā)明的流程示意圖。
【具體實施方式】
[0022]下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細說明。本實施例以本發(fā)明技術(shù)方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。
[0023]如圖1所示，本發(fā)明實施例提供一種基于移動物體偵測的視頻濃縮方法，視頻濃縮關(guān)注的是畫面中移動的物體，通過背景建模和計算幀間差的互補可以實現(xiàn)；同時在前背景分割以及計算幀間差時，需要考慮局域整體變化，從而增加穩(wěn)定性。本方法能根據(jù)交通、公共場所、電梯等場景的監(jiān)控視頻進行濃縮處理，只保留原視頻中有活動物體的幀，輸出濃縮后的視頻。本方法的具體流程如下:
[0024]在步驟SlOl中，對視頻中的背景進行背景建模。本方法采用非參數(shù)背景生成算法得到視頻背景，采用影響因素描述(effect components descript1n，ECD)的模型，用于描述背景的變動；在此基礎(chǔ)上，我們可以用潛在分布的局部極值推導出最可靠背景狀態(tài)(mostreliable background mode MRBM)。該方法的基本計算過程米用Mean Shift這一經(jīng)典的模式識別過程。
[0025]在步驟S102中，將視頻圖像幀切割成網(wǎng)格，以網(wǎng)格為單位統(tǒng)計當前幀與背景差異的直方圖，得到當前幀與背景的差異后，對所述差異根據(jù)周圍網(wǎng)格的平均亮度、信噪比進行歸一化處理，并采用SVM對直方圖進行分類，判斷當前網(wǎng)格是否為前景，若是則保存入前景集中，若否，則判斷下一個網(wǎng)格。
[0026]在步驟S103中，根據(jù)所述前景集計算不同幀間的前景差，與步驟S102類似，根據(jù)前景差判斷當前網(wǎng)格內(nèi)是否有活動的前景，若是，則執(zhí)行步驟S104，若否，則判斷下一個網(wǎng)格。
[0027]步驟S104，計算得到的活動前景網(wǎng)格的連通塊，判斷該連通塊是否構(gòu)成有效的活動物體，若是，則判定所對應的幀為有效幀，執(zhí)行步驟S105，若否，則刪除對應的幀。
[0028]步驟S105，將所有有效幀拼接成濃縮視頻。
【主權(quán)項】
1.一種基于移動物體偵測的視頻濃縮方法，其特征在于，包括以下步驟: 1)對視頻中的背景進行背景建模； 2)將視頻圖像幀切割成網(wǎng)格，以網(wǎng)格為單位統(tǒng)計當前幀與背景差異的直方圖，并對直方圖進行分類，判斷當前網(wǎng)格是否為前景，若是則保存入前景集中，若否，則判斷下一個網(wǎng)格； 3)根據(jù)所述前景集計算不同幀間的前景差，判斷當前網(wǎng)格內(nèi)是否有活動的前景，若是，則執(zhí)行步驟4)，若否，則判斷下一個網(wǎng)格； 4)計算得到的活動前景網(wǎng)格的連通塊，判斷該連通塊是否構(gòu)成有效的活動物體，若是，則判定所對應的幀為有效幀，執(zhí)行步驟5)，若否，則刪除對應的幀； 5)將所有有效幀拼接成濃縮視頻。
2.根據(jù)權(quán)利要求1所述的基于移動物體偵測的視頻濃縮方法，其特征在于，所述步驟1)中，采用非參數(shù)背景生成算法進行背景建模。
3.根據(jù)權(quán)利要求1所述的基于移動物體偵測的視頻濃縮方法，其特征在于，所述步驟2)中，得到當前幀與背景的差異后，對所述差異根據(jù)周圍網(wǎng)格的平均亮度、信噪比進行歸一化處理。
4.根據(jù)權(quán)利要求1所述的基于移動物體偵測的視頻濃縮方法，其特征在于，所述步驟2)中，采用SVM對直方圖進行分類。
5.根據(jù)權(quán)利要求1所述的基于移動物體偵測的視頻濃縮方法，其特征在于，所述步驟3)中，計算不同幀間的前景差時以網(wǎng)格為單位。
【專利摘要】本發(fā)明涉及一種基于移動物體偵測的視頻濃縮方法，包括以下步驟：1)對視頻中的背景進行背景建模；2)將視頻圖像幀切割成網(wǎng)格，以網(wǎng)格為單位統(tǒng)計當前幀與背景差異的直方圖，并對直方圖進行分類，判斷當前網(wǎng)格是否為前景，若是則保存入前景集中，若否，則判斷下一個網(wǎng)格；3)根據(jù)所述前景集計算不同幀間的前景差，判斷當前網(wǎng)格內(nèi)是否有活動的前景，若是，則執(zhí)行步驟4)，若否，則判斷下一個網(wǎng)格；4)計算得到的活動前景網(wǎng)格的連通塊，判斷該連通塊是否構(gòu)成有效的活動物體，若是，則判定所對應的幀為有效幀，將所有有效幀拼接成濃縮視頻。與現(xiàn)有技術(shù)相比，本發(fā)明具有視頻壓縮的精度和準確性高、有效檢測移動緩慢物體等優(yōu)點。
【IPC分類】H04N7-18, G06T7-20
【公開號】CN104683765
【申請?zhí)枴緾N201510058446
【發(fā)明人】朱瓏, 陳遠浩
【申請人】上海依圖網(wǎng)絡(luò)科技有限公司
【公開日】2015年6月3日
【申請日】2015年2月4日