[发明专利]一种道路车辆监控视频中的关键帧提取方法

说明书

技术领域

本发明涉及数字图像处理领域,特别是一种道路车辆监控视频中的关键帧提取方法。背景技术

随着数字视频处理技术的发展,各种道路视频监控系统广泛应用于道路安全管理。如何对海量道路监控视频数据进行有效处理是一个重要的问题。道路监控视频具有区别于一般视频的特点：摄像机固定于一个位置对道路场景进行拍摄，几乎不存在场景的变换；人们最关心的重要信息是从进入视频到离开监控区域的运动车辆的车牌、车型、车辆颜色等特征信息。

现有单纯使用MPEG4或H.264视频编码标准的道路视频监控系统存在监控视频数据量与视频检索效率的矛盾。视频数据量越大，检索效率越低。如何从车辆进入到离开监控范围的视频序列中自动得到最能清晰反映车辆车牌、车型等信息的显著关键帧是解决该矛盾的关键。道路车辆监控系统中一般都采用设定虚拟线圈的方法提取关键帧，即在道路监控视频中设定一系列的预定区域，模拟现实中的感应线圈，当进入虚拟线圈的运动车辆产生触发时提取相应的图像作为关键帧。该方法计算速度快，成本低，但虚拟线圈的位置、大小和数目都需要针对不同的道路监控视频具体而定，具有很大局限性。

针对这个问题，研究者们提出了各种改进的视频数据量压缩方法，目的是提取能够充分反映车牌、车型、车辆颜色等特征信息的关键帧。ZHAO Shu-long在利用运动车辆检测对视频分段的基础上，提出一种基于车牌定位的关键帧提取方法。该方法选择车牌距离图像底部最近的图像帧作为关键帧，只适用于摄像机正对车道拍摄的情况。当监控摄像机位于路口侧面，与车道成一个角度时该方法并不适用。Congcong Li提出一种贪婪算法，先检测出运动目标，然后不断将检测出运动目标的图像帧进行融合重叠，得到虚拟的关键帧图像，该方法只适用于有固定速度运动目标的场景。Yuanfeng Yang通过设置虚拟检测线，根据当前帧与背景的差异衡量当前帧的运动信息量，从而进行视频分段，并采用聚类的方法进行关键帧选取。Yan Yang等提取图像的边缘直方图和信息熵作为运动信息特征，选择对应的局部最大值作为关键帧，该方法简单直观，但没有考虑人对道路监控视频关注的重点，准确率较低。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种道路车辆监控视频中的关键帧提取方法，快速、准确地提取关键帧，从而实现道路车辆监控视频分析数据量的有效压缩。

为解决上述技术问题，本发明所采用的技术方案是：一种道路车辆监控视频中的关键帧提取方法，该方法为：

1）通过前景运动对象检测方法从采集到的道路车辆监控视频序列中提取前景车辆目标，解码所述采集到的道路车辆监控视频序列，得到多帧序列图像，从每一帧序列图像中截取前景车辆目标最小外接矩形图像，计算所有前景车辆目标最小外接矩形图像在其所对应的序列图像中的面积比例P：其中，h,w分别为前景车辆目标最小外接矩形图像的像素高和宽；H，W分别为序列图像的像素高和宽；得到面积特征向量；

2）将所有前景车辆目标最小外接矩形图像转换成像素大小一致的转换图像，对所述转换图像进行梯度幅值通道变换和梯度方向通道变换，得到积分通道特征向量；

3）扩充上述面积特征向量，使得面积特征向量与积分通道特征向量维数一致，合并维数一致的面积特征向量与积分通道特征向量，得到总的特征向量；

4）将上述所有前景车辆目标最小外接矩形图像作为样本图像源，从所述样本图像源中选取符合车辆监控分析要求的作为正样本图像，将样本图像源中不符合车辆监控分析要求的作为负样本图像；符合车辆监控分析要求是指样本图像在对应的序列图像中占的面积比例为0.4%以上，不符合车辆监控分析要求是指样本图像在对应的序列图像中占的面积比例小于0.4%；

5）标记所有的正样本图像和负样本图像：(x₁,y₂)，...,(x_n,y_n)，y_i=0其中表示负样本图

像，y_i=1表示正样本图像，x_i表示样本图像源中的样本图像；i=1,2,L,n；

6）初始化权重ω₁,_i：其中m和l分别为负样本图像和正样本图像的个数；n=m+l；

7）训练分类器：令t=1；