【技术实现步骤摘要】
基于行人重识别的跨摄像头视频浓缩方法
本专利技术属于视频处理
，具体涉及一种基于行人重识别的跨摄像头视频浓缩方法。
技术介绍
自上世纪进入数字化时代以来，数以万计的监控摄像头被部署在例如火车站、飞机场等交通枢纽及城市各交通路口处并处于24小时不断工作状态，监控视频的数量呈爆发性增长的趋势。此外监控视频在智能安保、交通管理及刑侦调查等实际应用中扮演着越来越重要的角色，因此简洁又包含丰富信息的监控视频无论对存储或查看监控视频都具有不可小觑的价值。但是大量冗长的监控视频对视频的存储具有很高的要求，现实中往往许多视频会由于存储空间的限制很快被删除，导致一些包含重要信息的视频丢失。此外浏览视频中许多无用的信息会浪费大量人力成本，给视频监控人员带来了很大的不便。获得更紧凑、信息密度更大的视频不仅可以有效提高监控人员的工作效率节省大量人力成本还极大程度上减少内存的占据为更多视频提供了充足的存储空间提高了信息密集度，在一定程度上也更适应于现代社会信息量的爆炸式发展趋势。因此旨在对视频时间域上的压缩以获得尽可能更高还原度的视频描述的视频浓缩技术成为目前学术界及工业界的关注重点...
【技术保护点】
1.一种基于行人重识别的跨摄像头视频浓缩方法，其特征在于，具体步骤如下：（1）视频浓缩阶段以获得的多段不同摄像头所拍摄的视频作为输入，通过对视频中的当前场景建立背景模型、对运动目标进行检测、跟踪并提取其运动轨迹和重新组合多个目标的运动轨迹，最终输出多段浓缩后的视频；（2）行人重识别阶段基于视频浓缩阶段获得的多段浓缩后的视频，针对具体的目标对象，首先基于深度学习的思想，使用神经网络去学习目标对象的特征及度量方法，在浓缩后的视频中查找到该目标对象在不同视频中出现的具体位置，提取出含有目标对象的浓缩视频片段，最后根据匹配得到的该目标在多段视频中出现的位置，提取出多段包含该对象的浓...
【技术特征摘要】
1.一种基于行人重识别的跨摄像头视频浓缩方法，其特征在于，具体步骤如下：（1）视频浓缩阶段以获得的多段不同摄像头所拍摄的视频作为输入，通过对视频中的当前场景建立背景模型、对运动目标进行检测、跟踪并提取其运动轨迹和重新组合多个目标的运动轨迹，最终输出多段浓缩后的视频；（2）行人重识别阶段基于视频浓缩阶段获得的多段浓缩后的视频，针对具体的目标对象，首先基于深度学习的思想，使用神经网络去学习目标对象的特征及度量方法，在浓缩后的视频中查找到该目标对象在不同视频中出现的具体位置，提取出含有目标对象的浓缩视频片段，最后根据匹配得到的该目标在多段视频中出现的位置，提取出多段包含该对象的浓缩视频片段以获得该目标对象在多视频中连贯运动轨迹的描述。2.根据权利要求1所述的方法，其...
【专利技术属性】
技术研发人员：颜波，李可，林楚铭，马晨曦，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。