全景视频结构化方法技术

本发明专利技术公开了一种全景视频结构化方法。包括：获取全景数据，对于全景数据进行图像训练，采用训练后针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域，利用矩形框信息，将兴趣画面截取出来，畸变矫正，利用传统的视频结构化算法，对已经畸变矫正后的画面进行进一步的结构化分析，获取全景视频结构结构化数据。本发明专利技术通过一台全景视频采集设备就可以实现对场景内无死角的全景化扫描，实现视频内容的结构化分析，无需额外的视频结构化设备或者同步设备，有效的减少全景图像采集设备采集到的冗余信息，方便后续的存储和数据分析索引；通过对原始画面进行扫描搜索，极大的减少了对原始画面进行全局畸变矫正的工作量。

【技术实现步骤摘要】
全景视频结构化方法
本专利技术涉及视频结构化
，尤其是涉及一种视频结构化方法，特别涉及全景视频结构化方法。
技术介绍
目前，视频智能识别分析设备对其视频/图像输入源的镜头具有特殊的要求，其中一个重要的限制就是对于镜头视场角不能够超过90°，这主要由于成像的镜头在超过90°之后，成像边缘的畸变会对算法识别精度带来严重的损失。普通的视频结构化相机，存在视场角受限，无法完整地记录捕捉场景中所有的人、车等完整信息的缺点。目前市场上对于无死角监控的需求越来越突出，越来越多的监控设备的镜头视场角大于100°，甚至已经出现了水平360°，垂直360°的720°无死角监控设备，这些无死角监控设备由于镜头成像边缘畸变大，目前传统的人脸识别等智能算法还不能够高效的利用到全景的视频监控中。即使应用了也存在算法精度不高，存在大量误报漏报的现象。为了实现无死角的视频结构化需求，传统方案往往需要采用多个视频结构化设备分析不同的视角视频，然而这种方案存在不同视频结构化设备之间画面不同步，不同视频结构化设备需要对同一个目标进行多设备之间再入分析确认的额外工作。<本文档来自技高网...

【技术保护点】
1.全景视频结构化方法，其特征在于包括以下步骤：/nS1：获取全景数据，包括全景视频数据、全景图像数据；/nS2：对于全景数据进行图像训练，包括：S21根据兴趣目标可能出现在视野中的位置，考虑不同位置的图像畸变效果不同，采集兴趣目标位于不同视角处的画面；S22通过人工的方式标定位于不同视角的兴趣目标，生成图片标签；S23采用原始的带畸变的图像数据作为输入，训练得到针对畸变图像的算法模型；/nS3：采用训练后针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域；/nS4：利用矩形框信息，将兴趣画面截取出来；/nS5：畸变矫正，将兴趣画面进行畸变矫正；/nS6：利用传统的视频结构化算法，...

【技术特征摘要】
1.全景视频结构化方法，其特征在于包括以下步骤：
S1：获取全景数据，包括全景视频数据、全景图像数据；
S2：对于全景数据进行图像训练，包括：S21根据兴趣目标可能出现在视野中的位置，考虑不同位置的图像畸变效果不同，采集兴趣目标位于不同视角处的画面；S22通过人工的方式标定位于不同视角的兴趣目标，生成图片标签；S23采用原始的带畸变的图像数据作为输入，训练得到针对畸变图像的算法模型；
S3：采用训练后针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域；
S4：利用矩形框信息，将兴趣画面截取出来；
S5：畸变矫正，将兴趣画面进行畸变矫正；
S6：利用传统的视频结构化算法，对已经畸变矫正后的画面进行进一步的结构化分析，获取全景视频结构结构化数据。


2.根据权利要求1所述的全景视频结构化方法，其特征在于：所述获取全景数据包括：
通过全景采集设备，全景采集设备包括单鱼眼全景摄像机、双鱼眼全景摄像机、或多鱼眼全景摄像机获取全景数据；
通过设备内部的内存或存储设备中已经存储好的全景数据访问获取全景数据；
通过无线数据传输、有限数据传输获取全景数据。


3.根据权利要求1或2所述的全景视频结构化方法，其特征在于：所述全景数据是原始的通过鱼眼镜头获取的全景数据、或对全景数据进行过拼接处理的图像全景数据；其中，拼接后按照地球仪投影方式得到的2:1的画面数据。


4.根据权利要求3所述的全景视频结构化方法，其特征在于：所述步骤S3包括以下方法；<...

【专利技术属性】
技术研发人员：赖文杰，
申请(专利权)人：成都易瞳科技有限公司，
类型：发明
国别省市：四川;51