当前位置: 首页 > 专利查询>复旦大学专利>正文

基于行人重识别的跨摄像头视频浓缩方法技术

技术编号:19353501 阅读:25 留言:0更新日期:2018-11-07 17:59
本发明专利技术属于视频处理技术领域,具体为一种基于行人重识别的跨摄像头视频浓缩方法。具体步骤如下:(1)以获得的多段不同摄像头所拍摄的视频作为输入,最终输出多段浓缩后的视频;(2)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,首先在浓缩后的视频中根据相应匹配度量方法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,以获得该目标对象在多视频中连贯运动轨迹的描述。本发明专利技术方法不仅能节省大量人力劳动,还一定程度上提高了目标对象的识别准确度。本发明专利技术提出的方法对实际应用具有重要价值。

【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。视频浓缩是指通过对视频进行时间轴的压缩,在较短的时间内尽可能对原视频中的关键细节进行描述,去除视频时间域上的冗余信息。视频浓缩技术令监控视频具有更密集的信息量,使用户可以快速浏览海量监控视频。此外通过加入视频检索技术还可以提供浓缩后视频中物体在原视频中的具体定位,使浓缩视频具有对原监控视频进行索引的功能。现有的解决视频浓缩问题的方法可以分为以下几类:快进(以固定比率直接提取视频中的某几帧来达到浓缩的目的)、关键帧提取,这两种方法都无法较好的保存视频中物体的动态效果。此外还有将相关视频片断进行排列来缩短视视频长度的蒙太奇方法。而本专利技术提出框架可以根据不同需求选取不同特性的视频浓缩方法,来最大程度上满足不同的用户需求。但通常在实际应用中,不同的场合对不同对象具有不同兴趣,传统的视频浓缩方法对视频中所有运动对象(如:行人、车辆等)赋予了相同的重要性,使浓缩后的视频没有较强的针对性。此外,传统的视频浓缩技术通常仅用于一段视频中,而往往在现实生活中(如:跨摄像头行人检测、轨迹跟踪等),还需要根据不同的检测目标找到该目标在不同视频间的联系。比如在利用多段监控视频搜索犯罪嫌疑人的活动轨迹时,视频监控人员通常不仅仅需要监控单摄像头拍摄的视频并查找嫌疑人物,还需要在不同视频间检索该目标在跨摄像头的监控范围内的活动信息以获得该目标连贯的运动轨迹,起到跟踪嫌疑人辅助破案的作用。而这一过程仍需耗费大量人力物力而仅对视频进行压缩处理是远远不够的,因此对包含相同关键对象的不同视频进行视频浓缩具有很高的研究价值。行人重识别技术(ReID)旨在弥补目前固定的摄像头的视觉局限,智能实现对目标行人的跨摄像头匹配及检索功能,并可通过与行人检测、跟踪等技术相结合广泛应用于智能视频监控、智能安保等领域。利用行人重识别技术的思想可以跨视频匹配目标对象,实现在多段视频中有效快速地定位目标并查找该目标在不同场景下的运动信息,提高了实际工作效率。现有的行人重识别领域的研究工作主要分为以下两类:基于特征表示方法[2-3]、基于距离度量方法[4-5]。基于特征表示的方法通过提取具有鲁棒性的鉴别特征对行人进行表示,并在不同视频中根据特征来匹配目标对象,这种方法的运算复杂度较简单,但效果并不理想。基于距离度量学习方法通过学习一个有判别力的距离度量函数来计算视频间对应对象的图像距离,使同一对象的图像间距离小于不同对象图像间距离,这类方法虽然提升了识别精确度,但往往需要一个复杂的学习过程。近年来,随着深度学习的发展及神经网络在计算机视觉领域的成功应用,基于深度学习的行人重识别算法[6-7]也逐步成为研究热点并实现了更好的效果。
技术实现思路
为了解决上述现有技术的问题,本专利技术的目的在于提供一种基于行人重识别的跨摄像头视频浓缩方法。本专利技术提出将现有的行人重识别技术和视频浓缩技术相结合,在对多段跨摄像头视频进行时间域压缩的基础上利用行人重识别的思想找到目标对象在不同摄像头拍摄的多段视频中的匹配位置,实现连贯地追踪目标对象的活动轨迹并获得多段包含该目标对象的跨摄像头的浓缩视频,不仅节省了大量人力劳动还一定程度上提高了目标对象的识别准确度。本专利技术的技术方案具体介绍如下。一种基于行人重识别的跨摄像头视频浓缩方法,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。本专利技术中,步骤(2)中,行人重识别阶段,以基于视频浓缩阶段获得的任意两段跨摄像头浓缩视频作为输入,经过多层卷积神经网络的处理输出匹配到的任意两段视频中对应的目标对象的出现位置,实现了端到端的行人重识别过程。本专利技术中,步骤(2)中,行人重识别阶段使用神经网络通过训练主动学习到了以下过程:首先自动检测任意两段跨摄像头浓缩视频中的目标行人,得到目标行人的边界框;随后提取出目标框内行人的特征,再计算两段视频间对应框架内特征之间的距离;神经网络结构自动学习出最佳的度量特征间距离的方法,并为不同特征赋予不同重要性权值,使得同类样本之间的距离较小,而不同类样本之间的距离较大(不同类样本之间的距离大于同类样本之间的距离);最后根据学习到的特征距离就可以为某一目标行人找到与其最相近的对应目标。和现有技术相比,本专利技术的有益效果在于:1、本专利技术提出了一种简单易行且灵活搭建的方法框架,可以有效地将现有的视频浓缩技术与行人重识别技术相结合。不仅最大程度上减少了视频时间上的冗余信息,获得信息量更丰富紧凑的视频,同时将出现在不同视频的相同目标对象的运动信息相联系,获得多段包含该对象运动信息的浓缩视频来实现对具体对象跨摄像头间运动轨迹的提取。2、本专利技术主要针对监控视频的浓缩及目标运动轨迹提取的应用领域,直接将跨摄像头的不同视频作为输入,依次执行视频浓缩和行人重识别操作最终得到针对目标对象在不同视频中连贯的运动描述的浓缩视频,通过结合行人重识别的思想实现了在不同视频之间检索同一目标对象在跨摄像头视频内的活动描述,代替了人为对跨摄像头视频的目标检索,极大程度上解放了人力成本提高了目标识别精确度。附图说明图1为本专利技术的流程图。图2为本专利技术示例的视频浓缩过程。图3为本专利技术示例的行人重识别过程。图4为利用本专利技术对跨摄像头的多段视频进行基于行人重定向技术的视频浓缩处理后的效果图。具体实施方式下面结合附图和实施例对本专利技术的技术方案进行详细介绍。本专利技术方法的具体流程如图1所示。(1)视频浓缩阶段这一阶段以获得的多段不同摄像头所拍摄的视频作为输入,实现对视频内容的一个简单概括,最本文档来自技高网
...

【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。

【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

网友询问留言 已有0条评论
  • 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。

1