一种基于视频摘要的智能视频分析方法
【技术领域】
[0001] 本发明属于智能监控及视频图像处理技术领域，具体涉及一种基于视频摘要的智 能视频分析方法。
【背景技术】
[0002] 视频监控系统作为安全保障的一种先进手段，目前已经得到了极为广泛的应用。 从社区的智能化楼宇管理，到银行、火车站、机场等单位的安全监控，视频监控系统为防范 各类犯罪事件的发生起到了积极的作用。
[0003] 然而，随着视频监控的大范围应用，给我们带来安全保障的同时也带来了海量的 视频数据，如何在这些海量的数据中快速提炼出有价值的数据成为一个急需解决的问题。 另外，如何在监控屏幕不断切换的同时发现突发事件并及时预警也是实践中一个大难题。 基于这些因素，智能视频分析的产生和应用就显得尤为重要。
【发明内容】
[0004] 本发明的目的是提供一种基于视频摘要的智能视频分析方法，解决了现有技术中 存在的视频监控系统工作效率低下、投入成本大、智能程度低的问题。
[0005] 本发明所采用的技术方案是，一种基于视频摘要的智能视频分析方法，具体按照 以下步骤实施：
[0006] 步骤1、视频摘要生成；
[0007] 步骤2、关键字检索；
[0008] 步骤3、定位目标物；
[0009] 步骤4、分析目标中异常行为。
[0010] 本发明的特点还在于，
[0011] 步骤1具体按照以下步骤实施：
[0012] 步骤（I. 1)、将输入的原始视频解析出图像序列，并进行灰度化处理；
[0013] 步骤（1. 2)、采用高斯背景建模的方法对步骤（I. 1)中灰度化处理后的图像序列 进行背景建模，图像的每一个像素点按不同权值的多个高斯分布的叠加建模，每个高斯分 布对应一个产生像素点所呈现颜色的状态，各个高斯分布的权值和分布参数随时间更新， 当处理彩色图像时，假定图像像素点R、G、B三色通道相互独立并具有相同的方差，设随机 变量X的观测数据集为U 1, X2，…，xN}，xt= (R t，Gt, Bt)为t时刻像素的样本，
[0014] 具体如下：
[0015] 步骤a、每个新像素值Xt同当前K个高斯模型按下式进行比较，直到找到匹配新像 素的分布模型，即同该模型的均值偏差在2. 5〇内：
[0016] |Xt-y1>t < 2. 5y1>t!
[0017] 步骤b、如果所匹配的模式符合背景要求，即单个采样点XJ1从混合高斯分布概率 密度函数：
[0021] 其中，k为高斯分布模式总数，n (xt，μ 1>t，τ i t)为t时刻第i个高斯分布，μ 1>t 为（X1, X2，…，xN}的均值，Ti t为协方差矩阵，δ i t为方差，I为三维单位矩阵，W1, t为t时 刻第i个高斯分布的权值，则该像素属于背景，否则属于前景；
[0022] 步骤c、各模式权值按如下公式进行更新：
[0023] Wkjt= (l-α) Xffkjt 1+a XMkjt
[0024] 其中，α是学习速率，Wk,t屬t_l时刻第k个高斯分布的权值，M k,t是t时刻第k 个高斯分布权值系数，对于匹配的模式则Mk,t= 1，否则M k,t= 0,然后各模式的权值进行归 一化；
[0025] 步骤d、所述步骤c中未匹配模式的均值μ与标准差〇保持不变，匹配模式的参 数按照如下公式更新：
[0029] 式中，P为模式系数，μ为t时刻的均值，σ 2为未匹配模式的方差，η (X t| yk， σ k)为t时刻第k个高斯分布模式；
[0030] 步骤e、如果第a步中没有任何模式匹配，则权值最小的模式被替换，即该模式的 均值为当前像素值，标准差为初始较大值，权值为较小值；
[0031] 步骤f、各模式根据Wk, t/ σ 2按降序排列，权值大、标准差小的模式排列靠前；
[0032] 步骤g、选前B个模式作为背景，B满足下式：
[0034] 从而得到背景模型，其中，T表示背景所占模式比例；
[0035] 步骤（1. 3)、以步骤（1. 2)得到的背景模型为依据，判断运动目标是否存在；
[0036] 步骤（1. 4)、采用粒子滤波的跟踪算法对步骤（1. 3)中的运动目标进行跟踪和轨 迹提取，设每一个运动目标为一个团块，团块包含运动目标唯一标识id号、面积、所在区 域、特征描述信息，运动目标的运动轨迹则以先入先出的队列形式保存，每一个团块为一个 节点，相同id的团块链接起来便形成了一条运动轨迹；
[0037] 步骤（1. 5)、采用高斯分布融合技术，将步骤（1. 4)中的各个运动目标的运动轨迹 与对应的背景图像进行融合成帧，再将单独的帧组合成视频。
[0038] 步骤（I. 5)具体按照以下步骤实施：
[0039] 步骤（1.5. 1)、运动目标所在区域ROI按矩形划分：设区域ROI的长宽为m*n，若 m>n则由外到内划分出η个矩形圈，否则划分出m个矩形圈；
[0040] 步骤（1. 5. 2)、初始化参数，高斯分布融合技术中采用的高斯函数公式如下：
[0042] 其中，（xu，yu)为高斯函数的质心，O为方差，
[0043] 以运动目标中心（xu，yu)作为高斯函数的质心，令方差σ = 2,从离质心（xu，yu) 最近的矩形圈开始遍历，找出摘要视频帧上每个像素对应背景图上的像素；
[0044] 步骤（1. 5. 3)、利用矩形圈上与质心（xu，yu)保持水平的像素 It，计算该矩形圈的 权重P，权重P的计算公式如下：
[0046] 步骤（1. 5. 4)、取得背景图片上位置与像素 It对应的像素 Ib，计算摘要视频帧上相 应位置的像素值Is，如果像素 It在运动检测时被判定为前景，则令I s= I t，否则，Is通过如 下加权公式进行计算：
[0047] Is= PXI t+(l+P) XIb;
[0048] 步骤（1.5. 5)、将矩形圈更新为更外一层矩形，转到步骤（1.5. 3)，直至遍历完所 有矩形圈，生成完整的摘要视频帧。
[0049] 步骤2具体为：
[0050] 在步骤1生成视频摘要的过程中，将提取到的运动目标轨迹用团块队列表示并保 存到数据库中，将团块中运动目标的特征信息定义为关键字，通过图像处理的方法对运动 目标进行数学建模，并采用模糊查询技术，对视频摘要中的运动目标进行快速搜索和锁定。
[0051] 步骤3具体为：
[0052] 对视频中关注的运动目标进行有效定位，当运动目标出现在摘要视频画面中时， 用户在屏幕上直接选定，系统可自动生成运动目标快照，随后基于运动目标的图像信息，在 所有视频文件中快速查找相似图像信息，并结合视频监控的坐标信息，根据运动目标的相 似性准确定位出运动目标的运动轨迹，通过目标跟踪及图像匹配算法，对多个监控场景中 的同一个运动目标进行准确定位，并且，通过监控点的地理坐标信息，在电子地图中生成运 动目标的运动轨迹图，具体过程如下：
[0053] 步骤（3. 1)、计算用户选取的运