[发明专利]一种基于运动物体检测的监控视频摘要提取方法

说明书

技术领域

本发明属于计算机视觉领域，涉及监控视频中视频摘要提取方法。

背景技术

在当今社会，随着国家对社会公共安全的需求逐步增长，随着智慧城市建设的蓬勃发展，大街小巷都装上了高清摄像头，安防行业需要处理的视频量越来越大。当某个地区发生事件时，可以通过录像了解前后经过。有些人烟稀少地区活动物体较少，全天候的监控视频中之有很少几个时间段中会出现物体，保存和查看这种视频就会消耗大量的人力物力，甚至很可能会遗漏重要信息。

由于以上问题的存在，视频摘要技术成为视频处理领域的一项研究热点。视频摘要技术能在压缩视频长度的同时保留原始视频中的重要信息，极大节省时间和空间。传统的基于关键帧的视频摘要技术计算量大，无法做到实时处理视频。而使用ViBe模型的基于运动物体检测的视频摘要技术，处理效率高，可以在最大限度保留物体运动信息的同时去除视频中的冗余片段。

ViBe算法是一种基于像素的背景建模与前景检测算法，其运行时间和处理效果都要优于GMM等算法。该算法的主要思想在于随机选择需要替换的像素的样本，随机选择邻域像素进行更新。在无法确定像素变化的模型时，随机的更新策略，在一定程度上可以模拟像素变化的不确定性。

发明内容

本发明针对现有技术的不足，提供了一种基于运动物体检测的监控视频摘要提取方法，包括以下步骤：

1）确定ViBe模型的参数，然后用一段视频帧初始化模型。

2）用1）中得到的ViBe背景模型，处理新的视频帧，生成二值背景图像。

3）对2）中得到的二值图像进行形态学操作。

4）从3）中得到的二值图像中，得到该帧中的运动物体的位置信息。

5）对4）中每个运动物体进行跟踪，保存每个物体的运动序列。

6）对进行运动物体分割，得到物体精细轮廓。

7）按照合理的方法，将6）中的运动物体的轮廓序列拼接到背景帧中。

所述的监控视频摘要提取方法适用于各类监控视频，针对不同分辨率和不同场景的视频，设定不同的ViBe模型参数。

所述的监控视频，以高速公路监控视频为例，视频分辨率为320*240像素，帧率是15 FPS，公路占据视频帧的主要部分。

所述的ViBe模型的参数设定为：背景模型的每个像素点包括20个样本，视频中像素点与背景模型样本集匹配的阈值为50，背景模型像素点的样本的更新频率为1/16，前景点运行存在的最长时间为100帧。

所述的ViBe模型初始化方法是：对于第一帧的每一个像素点，对它的的八邻域的像素值随机采样20次作为它的模型样本集合，然后使用视频的前20帧迭代更新背景模型，使用的帧数越多，模型越能表达真实的背景，但也可能会漏掉一些物体。

所述的生成二值背景图的方法是，对于当前视频帧的一个像素点，如果ViBe模型判断它是前景点，就将它像素置为255，否则置为0，用该像素点更新模型样本集和邻居点样本集。更新模型样本集具体是：随机的选取背景模型中的一个样本，用该像素替换；更新邻居点样本集具体是：随机选取8邻域中一个邻居点，然后随机选取该点背景模型中的一个样本，用该像素替换。

所述的对二值图像形态学操作的方法是：先进行腐蚀操作，消除噪音，然后进行膨胀操作，补充物体内部空洞。

所述的从二值图像中得到运动物体的位置信息的方法是：使用种子填充法求得前景的最大连通区域，然后取该轮廓的最小包覆矩形作为邻接矩形，该邻接矩形就代表了物体的大小和位置。

所述的运动物体跟踪的方法是：提取视频帧中邻接矩形所在区域的颜色直方图以及矩形中心坐标作为特征，计算其特征与上一帧中每个矩形框的特征的欧式距离。如果所有距离都大于给定阈值R,则判为新物体，否则该矩形框与上一帧中距离最近的矩形框属于同一物体。记录并保存每个物体出现的帧号、矩形框大小和位置，以及物体编号。

所述的分割出物体，得到精细轮廓的方法是：用GrabCut算法进行运动物体分割，使用物体的外接矩形框初始化GrabCut，矩形框的中心为初始前景，框外为初始背景，GrabCut算法迭代次数是1次。

所述的构造背景帧的方法是选取视频中序列的前1000帧，求出它们的平均帧作为背景帧。

所述的将物体轮廓拼接到背景帧中的方法是：如果不同时间出现在视频中的多个物体轨迹没有重合，就将每个物体的轮廓序列按照在原视频帧中的位置，同时复制到一系列背景帧中。同一个物体在每个背景帧中最多放置一个轮廓。