[发明专利]基于监控平台的视频智能剪辑方法

说明书

技术领域

本发明属于安防方面的智能视频监控领域，具体来说属于一种基于现有监控平台的视频早期智能处理技术。

背景技术

传统的安防领域中，相关工作人员需要对视频进行一遍遍的反复查看才能在某个细节中发现一些有利的线索，从而根据这些线索进一步的对视频进行分析和处理，这样的过程对相关工作人员的要求很高，需要工作人员目不转睛的关注屏幕，精神需要高度集中，使得相关人员的工作强度过大；另一方面，人的注意力专注度是有一定的时间周期的，达到一定的时间长度以后，人就会出现精神不集中的情况，这样就很有可能导致视频中含有较高价值信息的关键帧被忽视掉，无法达到最初的目的和需求。

基于这样的现状，如果能通过一些有效的算法对一些较为冗长的监控视频进行初步的剪辑处理，缩短视频长度，再交给相关工作人员做进一步的处理，这样既可以大大减轻工作人员的负担，又可以提高办事效率。

随着图像模式识别，计算机视觉等技术的不断发展，各种智能算法不断被提出，近几年来，机器学习、深度学习也愈加受人关注，并吸引越来越多的人投身其中，相关研究也不断深入。对视频中的人物进行分析，前提是对视频中的人物进行初步检测，而目前存在的一些人员检测算法为解决实际的工程问题提供了有力的理论支持。目前人体检测的常用方法为提取人体关键特征和训练对应分类器，早期的经典传统方法为Dalal等人设计的梯度直方图特征和SVM分类器的组合，这种方法促进了行人检测领域的突破性进展，类似的，对应的还有LBP、Harr等特征，以及Adaboost分类器、神经网络等方法设计的分类器。此外，当前对人的检测这一领域大部分为行人检测，而且基本上为处于平行视角的行人，人体轮廓比较完整，但由于实际中单目摄像头的位置固定，从行人进入摄像头的监控领域到走出摄像头的监控领域，行人的轮廓不一定总是完整的，有时候只有部分人体出现在监控视频中，而且，随着距离的变化，视频中的人体图像大小不一，这时候仅仅使用某种单一的分类器恐怕无法满足实际的需求。针对这种情况，如果能设计出可以适应监控视频中多种环境的人体检测分类器，通过达到更高的人员目标检测率而保留更多的关键帧，就可以较好的保证剪辑处理后的视频质量。

同时，我国对于智能安防领域的关注也日益深入，视频监控系统遍布在生产生活中，而对得到的监控视频进行进一步的分析处理就成为了一项重要任务。通过使用一种较为有效的人员检测算法对视频进行早期剪辑处理，可以大大的减轻工作人员的工作负担，并大大缩短视频的分析周期，提高相关部门的办事效率，这对于智能安防领域来说具有一定意义。

发明内容

本发明的目的在于克服现有安防领域中分析处理监控视频的高人力成本的不足，提供一种基于现有的监控平台，可以对视频进行智能剪辑处理的方法，技术方案如下：

一种基于监控平台的视频智能剪辑方法，包括下列的步骤：

1)输入视频，逐帧读取视频，将所有视频帧归一化成统一大小，然后对视频帧进行预处理，以便后续步骤进一步处理；

2)对预处理后的视频帧，提取运动前景，并统计帧中的运动前景点个数；

3)对前景点个数进行阈值处理，保留前景点个数大于阈值的视频帧，排除前景点个数过少的视频帧；

4)对保留下来的符合阈值条件的视频帧提取其运动前景轮廓，对运动前景轮廓进行适当的形态学处理，然后绘制其边界矩形框，根据实际中的检测需求，采取适当放大其边界矩形框的策略，矩形框的宽度放大1.1倍，矩形框的高度放大1.2倍；

5)对得到的运动前景边界矩形框进行进一步处理，计算运动前景边界矩形框的面积和宽高比，如果运动前景边界矩形框面积过小或者形状比例不符合人体的一般特征，则排除该运动前景，进而排除该视频帧；

6)综合以上的判断分析，初步保留了一部分疑似含有人员的视频帧，统计其数量，如果统计后的帧数过少，则不再进行后面的视频剪辑处理，保存为原视频；反之，则继续多尺度扫描输入的每一视频帧图像，运用预训练的人体检测组合分类器对其进行检测并判断，将判断为包含人体的视频帧确定为视频关键帧；

此处，预训练的人体检测组合分类器如下：

对输入的每一视频帧图像先进行多尺度扫描，然后，通过采用可适应监控视频中多种环境的人体检测组合分类器，人体检测组合分类器包括了人体上半身检测级联分类器和人体下半身检测级联分类器，人体上半身检测级联分类器包含了人体的头肩部分以及对应的人体框架结构信息，可以保证较高的人体检测率，当视频图像中仅存在部分人体，尤其是不存在人体头部信息的时候，采用下半身检测级联分类器则可以弥补其不足；