论文部分内容阅读
随着监控技术和网络技术的飞速发展,高清网络监控摄像头广泛应用于各个行业。这些高清摄像头全天候工作,产生了海量的监控视频数据,但是,由于监控人力资源和时间资源的局限性常常导致一些海量视频数据从未被处理。如何快速完整的浏览长时间的监控视频已经成为监控行业目前亟待解决的问题。视频摘要就是解决“海量视频数据处理”的重要手段。然而,传统的基于关键帧的视频摘要生成方法采用帧采样无法完整表示每个对象的运动轨迹而导致了大量有用视频信息的丢失。 本文针对监控视频的特点,设计了一种基于对象的视频摘要生成技术框架,对比传统摘要生成方法分析了监控视频摘要技术框架所需的核心技术:目标检测识别、运动目标跟踪与轨迹提取、运动目标轨迹的组合优化和摘要生成过程中的摘要视频背景的动态更新、轨迹融合之像素融合,得到了一个比原始视频短的多的摘要视频,实现了快速浏览且保留了原始视频中大多数运动对象的信息。针对该视频摘要技术框架及其关键技术点,本文主要贡献如下: 1.提出了一种基于级别自适应模型的目标检测识别方法,通过建立级别自适应模型来提高检测识别的效率。同时,为特定的视频监控用户如公安人员在人车混杂的监控中希望对行人和车辆分别进行摘要视频的浏览打下了基础。 2.提出了一种基于事件分析的多目标鲁棒跟踪算法,本算法在提出一种判别目标出现遮挡事件或分离事件的新方法之后,通过多摄像机的目标交接准确识别出发生遮挡或分离事件的目标标号,解决目标发生遮挡或分离后跟踪失败的问题。同时,跟踪效果的鲁棒性直接带来了跟踪轨迹的完整性,从而消除了部分冗余信息。 3.在保持运动对象轨迹的位置不变的情况,将对象轨迹在时间上进行移动优化,采用改进的模拟退火轨迹组合优化方法实现生成摘要视频的时间压缩和空间平移。 4.在监控视频摘要生成的过程中,通过投票选出能够反映参与融合的所有运动对象轨迹在原始视频环境下的最佳背景,进行摘要视频背景的动态更新;同时,采用矩形高斯权重分配策略,很好的实现了摘要视频帧背景和运动对象轨迹的无缝像素融合效果。 5.在分析了两大处理阶段:视频采集与对象检测跟踪和视频摘要生成的基础之上,设计了视频摘要浏览的处理流程,深化了各个关键技术之间的关系。 综上所述,本文提出的视频摘要生成方法既能快速浏览原始视频又满足不丢失大部分原始对象轨迹信息的要求。