一种在线动态视频浓缩方法

摘要

本发明公开了一种在线动态视频浓缩方法，对传统的视频摘要技术进行了大量的改进，是对其的继承与发展。该发明可以从海量监控视频中自动的提取出人们所感兴趣的目标体与事件，通过对这些目标体的跟踪，来获取其在监控视频每一帧中的位置与速度等信息，然后将这些出现在不同时间段的目标体分别提取出来并临时保存在运动目标列表中，在选择好合适的背景后再将这些保存的目标体逐个的拼接到同一个背景中，这样便实现了在不同时间段出现的目标体在同一时间段同时展示的视觉效果，达到了动态视频浓缩的目的。

主权项

一种在线动态视频浓缩方法，其特征是：包括以下步骤：(1)通过Vibe算法检测运动的前景，将每一帧图像的每个像素点进行分类：建立背景模型，比较待分类像素和背景模型的相似度，若相似度满足设定值，则判断为背景，否则为前景；(2)对前景进行检测之后，通过搜索连通域，判断同一运动目标是否被分割成了多个区域，如果判断结果为是，则进行连通域合并，直到目标检测完成；(3)对前期获取到的运动目标进行跟踪，利用Kalman滤波器结合最小空间距离算法来预测每个运动目标的坐标位置，并进行不断更新、跟踪，清除消失的运动对象并不断记录运动目标的新坐标位置；(4)基于前期的目标检测与目标跟踪，通过人为的或自动的设定浓缩视频中同一帧中的目标数量的阈值，并统计步骤(3)中保存的目标数量，当此数值等于设定的阈值时，将在第二个模块中保存的所有前景目标同时拼接到一帧处理好的背景中，以实现将不同时间出现的运动目标在同一时间呈现出来的效果；再将得到的拼接帧连续播放出来，即可得到动态的浓缩视频；所述步骤(2)中，基于空间位置分布特征的多连通域融合算法，通过分析先前由Vibe算法分割得到的数个连通域之间的空间分布关系，将属于同一运动目标的不同连通域进行融合；所述步骤(4)中，针对背景的处理，采用平均背景法，即在进行目标检测与跟踪的过程中，将通过Vibe背景建模算法得到的每一帧背景图像保存下来，在进行视频浓缩时取这些背景帧的平均值作为背景来与前景目标进行拼接。