[发明专利]视频语义检索与压缩同步的摄像系统与方法

说明书

技术领域

本发明涉及视频数据处理领域，尤其涉及一种视频语义检索与压缩同步的摄像系统与方法。

背景技术

目前对于视频内容的搜索，一般采取图像特征识别或者图像语义抽取模式，两者都需要在视频采集后，通过模型算法或人工方法加以实施。面对城市管理中高速动态累积的海量视频数据，上述后期集中式处理难以获得满意效果。

原因在于：对于视频图像特征的语义识别（颜色、形状、纹理、速度），需针对原始图像进行相关处理，一旦视频被压缩传送到后台，再提取上述信息，需对图像进行二次解压缩，因而扩大了数据处理量。

发明内容

有鉴于此，有必要研发一种视频语义检索与压缩同步的摄像方法，以解决上述问题。

本发明的视频语义检索与压缩同步的摄像方法，包括个性化设置与应用两个阶段，其中，个性化设置包括：(1.1)选择特定目标的集合；(1.2)建立各特定目标的视频特征语义库；(1.3)在离线环境下对样本视频进行样本训练，用以获取所述特定目标的训练参数集；(1.4)将所述训练参数集配置于分类器中；所述应用包括：(2.1)获取实际视频，开始压缩，形成压缩域视频；(2.2)在压缩域中提取关键帧；(2.3)在关键帧中提取运动对象；(2.4)在关键帧或运动对象中提取语义特征；(2.5)读取分类器中的训练参数集；(2.6)将提取的语义特征与训练参数集进行匹配，获得视频语义的索引。

优选地，所述特定目标包括人流、车流、固定建筑物、路口中的一个或多个的组合。

优选地，所述语义库的包括形状特征、颜色特征、纹理特征及速度特征中的一种或多种的组合。

优选地，所述提取关键帧的方法包括根据视频压缩流中的关键帧I帧/P帧标记，或以固定时间间隔提取。

优选地，所述提取运动对象的步骤包括：在所述关键帧获取每个编码单元运动矢量；对所述运动矢量进行预处理；从所述运动矢量中提取运动矢量的幅度、角度；采用聚类等算法，根据所述幅度、角度以及其空间相关性、时间相关性特性提取区域运动对象；采用阈值分割方法分割运动特性分布图，提取运动对象；分割对象后处理，通过区域生长和纹理信息，优化所述运动对象的边缘。

本发明通过在摄像机端应用视频语义检索与压缩同步的摄像方法，将上述规则库的图像语义抽取步骤在视频采集压缩过程中同步进行，从而充分发挥各摄像头的分布式处理能力，大为减少计算量，使城市视频数据的大规模识别、高效内容检索成为可能。

附图说明

图1是本发明中视频语义检索与压缩同步的摄像方法的设置步骤的示意图。

图2是本发明中视频语义检索与压缩同步的摄像方法的设置步骤的示意图。

图3是本发明中在关键帧中提取运动对象的一实施方式示例图。

图4是本发明中在关键帧或运动对象中提取语义特征中的纹理对象为例的一实施方式示例图。

图5是本发明中所示为本发明实施方式中索引的结构示例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明中，视频语义检索与压缩同步的摄像方法包括二个部分：

第一部分是个性化设置，如图1所示，在使用前选择特定目标，并形成特定目标的训练参数集；

第二部分是应用，如图2所示，将采集的视频在压缩的同时，将在关键帧中提取的语义特征与训练参数集进行匹配，在完成压缩的同时，形成语义索引。

实施例1个性化设置

请参阅图1，所示为本发明中视频语义检索与压缩同步的摄像方法的个性化设置步骤，具体包括：

在步骤S101中，初始化，并选择特定目标的集合。

以智能城市中的监控探头为例，其特定目标包括：人流、车流、固定建筑物、路口等。

在步骤S102中，建立各特定目标的视频特征语义库。

语义库的内容通常包括形状特征、颜色特征、纹理特征及速度特征中的一种或多种的组合。其中，分别将上述特征转换成直方图，并进行归一化，使每种特征的度量空间一致，最后将三种特征矢量进行组合。

在步骤S103中，在离线环境下对样本视频进行样本训练，用以获取训练参数集。

通常训练参数集会设定预设的次数，并当达到预设次数后结束训练。所述训练方法包括但不限于采用神经网络等学习方法。

在步骤S104中，将训练参数配置于分类器中。请简单参阅图5，所示为构造的索引结构图，用于进行后续应用中的语义推理。