一种基于频谱分析的视频显著性处理方法
【技术领域】
[0001] 本发明的实施例涉及检测和分析视频图像数据分析方法，具体涉及一种基于频谱 分析的视频显著性处理方法。
【背景技术】
[0002] 自动化的系统可能使用视频分析系统和流程，区分可见内视频数据从其他的视觉 元素，感兴趣的对象，从而使检测和观察中表示对象的处理视频数据输入。图像或视频摄像 机或其他图像捕获的设备，其中处理或分析的对象检测系统中的信息处理系统来确定图像 中的对象的图像或帧捕获的图像帧数据，可能会收到这种信息处理系统。
[0003] 确定对象的图像数据也可能为对象，包括缺陷或违规行为与对象关联的属性进行 了分析。例如，对象检测系统可以识别对象的一条铁路轨道和其组件(例如，领带，领带板、 锚、联合酒吧，等等）的兴趣和使用各种自动化的过程来尝试确定和报告如果缺陷或违规行 为存在关于说对象如，但不是限于，缺少联系，缺少穗状花序，损坏联合酒吧损坏rails，等 等。基于视觉的轨道自动检测系统可提供更多的效率和可靠的性能比人类检验员当作为输 入提供高质量的图像。然而，这种系统可能表现不佳，缺少或错误地报告缺陷，因为可能会 阻止对象标识，如闭塞和照明条件不良的图像问题。
【发明内容】
[0004] 针对现有技术的不足，本发明提供一种基于频谱分析的视频显著性处理方法。
[0005] 为了实现上述目的，本实用新型解决其技术问题所采用的技术方案是:一种基于 频谱分析的视频显著性处理方法，该方法包括在处理单元上执行的步骤:获取视频图像数 据随时间从一个多元化的同步摄影机，重叠的多个对象移动过去的镜头和场景图像线性阵 列中和以确定的速度;通过视图为每个摄像机生成的对象检测多个国家各有不同的时间内 多个摄像机的视频流数据，其中每个对象检测状态都与一个置信度得分;帧获取的视频图 像数据的帧选择多个对象检测状态的每个不同时代，有一个最高的置信度得分使用全局能 量函数来查找最大一元电位(iKskt))的对象检测状态作为函数的定义由其他对象检测状 态，获得了另一个一模一样的摄像机在不同时期，从时间的视频数据从其他信心分数跨框 架约束优化州和跨视图约束的对象检测(T(skt、slt)被定义为在视频数据从另一个不同的 相机有重叠的视野与同一个相机和，得到了在不同的时间；其他对象检测国家其他信心分 数和定义对象从一个初始时间的一种持续时间周期，包括最后一次检测最优状态路径选定 的多个对象检测国家具有最高的优化的信心得分;其中一元电位iKskt)确定根据 :1Kskt) = f(skt) nt矣kT(skt，slt) ;f (skt)在哪里对象状态{skt} {k};视图对象探测器经由一个 置信度得分和作为潜在根据一元函数确定跨视图空间约束的处理单元:T(skt、sit) =max (N(skt_slt; 9kl)，N(sktslt+e ; 0kl));其中 9kt= [yv(k，l)，Sv(k，l)]意见{k}和 v"是一个四轮驱动矩阵的平均值；Σν"是一个四轮驱动的协方差矩阵;和"ε"是表示由线性 数组的对象确定为函数的相对于相机相对于对象的运动速度确定对象的空间属性的顺序 上下文定义的对象间距恒定跨对象空间约束。
[0006] 本发明进一步提供的一种基于频谱分析的视频显著性处理方法，其中处理单元用 于跨对象约束如果对象状态{skt}和{sit} {1} {k}意见和建议做不对应于同一个物理对象， 而是对相邻的对象的线性序列。
[0007] 本发明进一步提供的一种基于频谱分析的视频显著性处理方法，其进一步组成： 确定跨框架约束（Φ (skt，slt+l)根据：Φ (skt，slt+l) =max( (F(sktslt+1 ;λ)，（F(sktslt+ 1 + G ;λ));其中A=|>f下，，μν，Σ ν，τ](μL·下，）和模型时给出了其在前一帧;状态下一帧对 象状态的高斯分布"T"是运动的相对于对象;摄像机决定的速度和F()是一个距离函数，计 算每一对的对象匹配分数在给定的对象状态(skt)在框架(t)和(slt+Ι)国家(skt、slt+l)， 帧(t+1)，其中（k)和(1)可能有不同的看法，和其中（skt)和(slt+1)可能对应于同一对象或 不同，相邻的两个对象。
[0008] 本发明进一步提供的一种基于频谱分析的视频显著性处理方法，其进一步包括定 义的对象的检测的最优状态路径:确定对象检测状态根据实时动态编程配方的信心分数 kl=iKskl) ;andxkt = iKskt)maxj(xkt_l Φ (skt，sjt_l));在每个时间点，选择最优的对象 状态(svt)配方:v = arg摩(xkt);推断在每个时间点（t);其他相机视图中的次优对象状态 和如果没有对象检测发现在一个时间点（t)，在下次重新启动的步骤确定对象检测状态通 过实时动态编程配方的信心分数以及选择最佳对象状态(svt)点(t+1)。
[0009] 本发明进一步提供的一种基于频谱分析的视频显著性处理方法，其进一步包括定 义的对象的检测的最优状态路径:确定信心分数为对象检测状态通过批处理过程，推断并 更新检测其他相机视图，在给定的对象状态从开始时间到结束的时间，计算从开始时间到 结束时间的最优路径:确定得分为对象检测状态使用实时算法动态编程的步骤;对于每个 对象检测状态，存储的前任对象检测状态，取得最佳的成绩;在结束的时候，选择一种最优 的对象状态;使用选定的最佳对象状态推断或更新检测其他相机视图中的在结束时间；和 背跟踪检索存储的前任对象检测状态在每个较早的时间点，以获得完整的路径。
[0010] 本发明进一步提供的一种基于频谱分析的视频显著性处理方法，其进一步组成： 将计算机可读的程序代码集成到一个计算机系统，包括处理单元、计算机可读的内存和计 算机可读的有形存储介质；其中计算机可读的程序代码，体现在上计算机可读的有形存储 介质，包括指令，当执行由处理单位通过计算机可读的内存，导致处理单元执行时间从过去 的摄像机移动的对象重叠视图同步摄像机获取的视频图像数据的步骤每个相机生成多个 与信心分数相关联的对象检测状态、选择多个对象检测状态的不同时代具有优化的信心得 分最尚，每个部分和定义的对象从初始时间到持续期的最后一次检测的最优状态路径。
[0011] 本发明的有益效果在于本发明提供的方法更加的稳定可靠，能适应环境的变化， 且能得出高质量的视频分析数据。
【具体实施方式】
[0012] 一种基于频谱分析的视频显著性处理方法，该方法包括在处理单元上执行的步 骤:获取视频图像数据随时间从一个多元化的同步摄影机，重叠的多个对象移动过去的镜 头和场景图像线性阵列中和以确定的速度;通过视图为每个摄像机生成的对象检测多个国 家各有不同的时间内多个摄像机的视频流数据，其中每个对象检测状态都与一个置信度得 分;帧获取的视频图像数据的帧选择多个对象检测状态的每个不同时代，有一个最高的置 信度得分使用全局能量函数来查找最大一元电位Wskt))的对象检测状态作为函数的定 义由其他对象检测状态，获得了另一个一模一样的摄像机在不同时期，从时间的视频数据 从其他信心分数跨框架约束优化州和跨视图约束的对象检测(T(skt、slt)被定义为在视频 数据从另一个不同的相机有重叠的视野与同一个相机和，得到了在不同的时间；其他对象 检测国家其他信心分数和定义对象从一个初始时间的一种持续时间周期，包括最后一次检 测最优状态路径选定的多个对象检测国家具有最高的优化的信心得分；其中一元电位Φ (skt)确定根据:iKskt) = f(skt) nt 矣kT(skt，slt) ;f(skt)在哪里对象状态{skt} {k};视 图对象探测器经由一个置信度得分和作为潜在根据一元函数确定跨视图空间约束的处理 单元：!'(81<:1:、811:)=1]1&叉（1^(81<:1：-811:;91<:1)，1^(81^81七+￡ ;01<:1));其中91^=[4￥(1<:，1)，2￥ (k，l)]意见{k}和{1};〃M V〃是一个四轮驱动矩阵的平均值；Σν〃是一个四轮驱动的协方差 矩阵；和"ε"是表示由线性数组的对象确定为函数的相对于相机相对于对象的运动速度确 定对象的空间属性的顺序上下文定义的对象间距恒定跨对象空间约束。
[0013] 所述的一种基于频谱分析的视频显著性处理方法，其中处理单元用于跨对象约束 如果对象状态{skt}和{sit} {1} {k}意见和建议做不对应于同一个物理对象，而是对相邻的 对象的线性序列。
[0014] 所述的一种基于频谱分析的视频显著性处理方法，其进一步组成：确定跨框架约 束（Φ (skt，slt+Ι)根据：Φ (skt，slt+1) =max( (F(sktslt+1 ;λ)，（F(sktslt+l + e ;λ)