用于已压缩监控视频的浓缩分析方法和装置制造方法及图纸

本发明专利技术是关于一种用于已压缩监控视频的浓缩分析方法，其核心方法包括以下步骤：步骤S1，对已压缩监控视频进行部分解码，解码出帧间预测信息；步骤S2，帧间预测信息的特征信息预处理；步骤S3，基于帧间运动矢量的压缩域背景建模；步骤S4，基于背景建模的物理空白帧删除；步骤S5，对压缩域运动对象序列进行提取；及步骤S6，删除虚拟空白帧，在压缩域获得浓缩视频的生成方案。本发明专利技术还提供一种用于已压缩监控视频的浓缩分析装置。借由本发明专利技术，可以对压缩域监控视频进行浓缩分析处理，减少解码和分析上的时间花费，实现对监控视频的快速浓缩分析。

【技术实现步骤摘要】
用于已压缩监控视频的浓缩分析方法和装置
本专利技术涉及一种监控视频的浓缩分析方法和装置，特别是涉及一种用于已压缩监控视频的浓缩分析方法和装置。
技术介绍
监控视频存储数据量的迅速上升，给监控视频的存储、分析与浏览带来了前所未有的压力。虽然目前已经有不少高效的监控视频编码技术应用到监控视频的编码中，但是如何能够实现这些存储视频的快速分析，仍然是学术界和工业界亟待解决的一个问题。近年来，监控视频的像素域智能视频分析已经成为计算机视觉界最为热门的研究领域之一。高斯混合背景建模技术也常常被作为基础技术应用于智能视频分析，该技术可以通过对监控视频逐像素点或逐处理单元地进行混合高斯建模，计算出后续像素点或处理单元隶属于前景运动对象或背景场景的概率，从而得到监控视频中运动对象的所在区域。另外，由于历史监控视频通常是经过压缩后才进行存储和传输的，而将这种压缩的数据解码还原到像素域上再进行运动对象提取和监控视频分析，既费时又费力。因此，近些年来，压缩域运动对象提取和视频分析逐渐成为了安防监控领域的另一研究热点。在压缩域进行运动对象分割，仅需从视频码流中部分解码出运动矢量(MotionVictor,MV)、块划分和离散余弦转换(DiscreteCosineTransformation,DCT)系数等压缩域信息，避免了解码过程中耗时的运动补偿和参考帧重建过程，从而与像素域相比，在解码时间上有明显的提升。但是，由于压缩域可以利用的信息有限，无论是运动对象提取效果还是监控视频的分析精度，都与像素域存在一定的差距，为了提升压缩域的处理性能，众多研究者们也不断提出了自己的压缩域监控视频处理方法。此外，由于人们对社会公共安全的需求日益提高，每天都会有数以百万计的监控摄像机在社区、医院、街道、商场内昼夜不停的拍摄，并且由于互联网带宽的增加、电子摄像技术的成熟和存储成本的降低刺激了监控行业的发展，监控视频本身的清晰度也越来越高。监控视频数量和清晰度的大幅增加带来的海量数据使得其浏览和存储成为一个非常棘手的问题。一方面，完整浏览长达几天的视频会耗费大量时间和人力，而快进又容易导致重要信息的遗漏；另一方面，监控视频的大部分帧中并没有运动对象，很多浏览时间会被白白浪费，即使出现了运动对象，也往往分布非常稀疏，每帧的画面空间存在很大冗余。所以，视频的时空域冗余需要通过方法来合理消除。因此，近年来视频浓缩技术[PritchY,Rav-AchaA,PelegS.Nonchronologicalvideosynopsisandindexing[J].PatternAnalysisandMachineIntelligence,IEEETransactionson,2008,30(11):1971-1984.]越来越被学术界和工业界所重视，该技术可以对有较多时空域冗余的监控视频进行冗余去除和浓缩浏览。最终将原始视频中不同时间、不同区域出现的运动对象在浓缩视频中同时显示，实现快速浏览。但是，在目前的实际项目应用中，绝大部分需要做浓缩浏览的监控视频都是已编码压缩好的历史视频。而传统视频浓缩方法在处理已压缩的监控视频时，首先要对视频进行解压缩即解码，然后再对重建的像素域视频进行视频浓缩，最后才能显示到客户端，其中的视频流解码与像素域处理工作非常耗时，难以满足实际应用中对海量历史视频进行快速处理与浏览的需求。因此，急需一种可以用于已压缩监控视频的浓缩分析方法和装置，以满足实际需求。
技术实现思路
本专利技术的目的在于提供一种用于已压缩监控视频的浓缩分析方法和装置，可以对压缩域监控视频进行浓缩分析处理，减少解码和分析上的时间花费，实现对监控视频的快速浓缩分析。本专利技术的目的是采用以下技术方案来实现的。本专利技术提供一种用于已压缩监控视频的浓缩分析方法，其包括以下步骤：步骤S1，对已压缩监控视频进行部分解码，解码出帧间预测信息；步骤S2，帧间预测信息的特征信息预处理；步骤S3，基于帧间运动矢量的压缩域背景建模；步骤S4，基于背景建模的物理空白帧删除；步骤S5，对压缩域运动对象序列进行提取；及步骤S6，删除虚拟空白帧，在压缩域获得浓缩视频的生成方案。本专利技术的目的还可采用以下技术措施进一步实现。前述的用于已压缩监控视频的浓缩分析方法，其中在步骤S1中，如果已压缩监控视频是加扰的，还要对其进行去扰处理，再解码出帧间预测信息。前述的用于已压缩监控视频的浓缩分析方法，其中该步骤S2包括以下步骤：步骤S21，读取监控视频的帧间预测信息；步骤S22，对帧间运动矢量信息进行中值滤波；以及步骤S23，归一化分割宏块为4*4子块。前述的用于已压缩监控视频的浓缩分析方法，其中该步骤S3采取的背景建模方式包括两种：基于运动矢量局部二值模式的标量背景建模或基于运动矢量的矢量背景建模。前述的用于已压缩监控视频的浓缩分析方法，其中在步骤S5中，进行的是基于图割的运动对象序列的提取。前述的用于已压缩监控视频的浓缩分析方法，其中在步骤S6中，删除虚拟空白帧涉及两种删除模式：水平条带删除模式和垂直条带删除模式。前述的用于已压缩监控视频的浓缩分析方法，其采用图形处理器(GraphicProcessingUnit,GPU)与中央处理器(CentralProcessingUnit,CPU)结合的方式，其中该步骤S3的背景建模使用基于图形处理器的算法程序实现，其他步骤使用基于中央处理器的算法程序实现。本专利技术的目的还采用以下技术方案来实现的。本专利技术提供一种用于已压缩监控视频的浓缩分析装置，包括：解码模块，对已压缩监控视频进行部分解码，解码出帧间预测信息；预处理模块，对帧间预测信息进行特征信息预处理；背景建模模块，基于帧间运动矢量，进行压缩域背景建模；第一删除模块，在背景建模中或背景建模后，对物理空白帧进行删除；提取模块，对运动对象序列进行提取；第二删除模块，对虚拟空白帧进行删除，在压缩域获得浓缩视频的生成方案。本专利技术的目的还可采用以下技术措施进一步实现。前述的用于已压缩监控视频的浓缩分析装置，其还包括去扰模块，对加扰的已压缩监控视频进行去扰处理，以解码出帧间预测信息。前述的用于已压缩监控视频的浓缩分析装置，其采用图形处理器(GraphicProcessingUnit,GPU)与中央处理器(CentralProcessingUnit,CPU)结合的方式，其中该背景建模模块的背景建模使用基于图形处理器的算法程序实现，其他模块使用基于中央处理器的算法程序实现。借由上述技术方案，本专利技术的用于已压缩监控视频的浓缩分析方法和装置至少具有下列优点及有益效果：借由本专利技术，可以对压缩域监控视频进行浓缩分析处理，减少解码和分析上的时间花费，实现对监控视频的快速浓缩分析。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。附图说明图1：为本专利技术的用于已压缩监控视频的浓缩分析方法的流程图。图2：为MVLBP的计算原理图。图3(a)：为一个使用图割对3×3×2图像进行分割的简单实例。图3(b)：为图割后，某一帧中的运动对象分割效果图。图3(c)：为图割后，整个序列中的某一运动对象序列的分割本文档来自技高网...

【技术保护点】
一种用于已压缩监控视频的浓缩分析方法，其特征在于其包括以下步骤：步骤S1，对已压缩监控视频进行部分解码，解码出帧间预测信息；步骤S2，帧间预测信息的特征信息预处理；步骤S3，基于帧间运动矢量的压缩域背景建模；步骤S4，基于背景建模的物理空白帧删除；步骤S5，对压缩域运动对象序列进行提取；及步骤S6，删除虚拟空白帧，在压缩域获得浓缩视频的生成方案。

【技术特征摘要】
1.一种用于已压缩监控视频的浓缩分析方法，其特征在于其包括以下步骤：步骤S1，对已压缩监控视频进行部分解码，解码出帧间预测信息；步骤S2，帧间预测信息的特征信息预处理；其中步骤S2包括以下步骤：步骤S21，读取监控视频的帧间预测信息；步骤S22，对帧间运动矢量信息进行中值滤波，去除噪声运动矢量；步骤S23，对帧间宏块进行统一处理，归一化分割宏块为4*4子块；步骤S3，针对压缩域帧间运动矢量信息进行背景建模，其包括基于运动矢量局部二值模式的标量背景建模或基于运动矢量的矢量背景建模；步骤S4，基于背景建模的物理空白帧删除；步骤S5，基于图割模型对压缩域运动对象序列进行提取；及步骤S6，采用水平条带删除模式和垂直条带删除模式删除虚拟空白帧，在压缩域获得浓缩视频的生成方案。2.根据权利要求1所述的用于已压缩监控视频的浓缩分析方法，其特征在于其中在步骤S1中，如果已压缩监控视频是加扰的，还要对其进行去扰处理，再解码出帧间预测信息。3.根据权利要求1所述的用于已压缩监控视频的浓缩分析方法，其特征在于其采用图形处理器与中央处理器结合的方式，其中该步骤S3的背景建模使用基于图形处理器的算法程序实现，其他步骤使用基于中央处...

【专利技术属性】
技术研发人员：刘洋，李子青，吴洪才，鲁健飞，易东，王师峥，
申请(专利权)人：北京创鑫汇智科技发展有限责任公司，江苏物联网研究发展中心，
类型：发明
国别省市：北京;11