一种监控视频的处理方法、装置以及存储介质制造方法及图纸

本申请公开了一种监控视频的处理方法、装置以及存储介质，属于视频处理技术领域。本申请公开的监控视频的处理方法从监控视频中获取到符合第一预设条件的运动目标的目标框之后，将目标框所在的区域图像进行神经网络训练，从而将对应的运动目标进行分类，然后将符合第二预设条件的目标框加上输出标记，进而响应于目标框存在输出标记，保存监控视频。可见，本申请利用神经网络训练对运动目标进行准确地分类，从而区分真正的运动目标和灯光、树叶等假象运动目标，而且给真正的运动目标对应的目标框加上输出标记，进行存储带有输出标记的目标框所在的图像帧，保存监控视频，从而能够将含有真正运动目标的图像帧筛选出并保存，节约存储空间。

【技术实现步骤摘要】
一种监控视频的处理方法、装置以及存储介质
本申请涉及视频处理
，特别是涉及一种监控视频的处理方法、装置以及存储介质。
技术介绍
当今社会，视频监控已经广泛应用于各类场合。通过对监控视频的分析和存储，在后续出现问题时，能够及时追溯和检索相关监控视频。但是由于监控视频的数据量非常庞大，这些视频数据无论是保存在本地还是上传到服务器，都需要极大的存储空间。而且这些监控视频中存在大量的无用帧，即不存在运动目标的图像帧，浪费了存储空间。现有技术中，通用做法是对视频进行运动目标检测，当检测不到运动物体时不进行视频保存，只有在检测到运动目标时才将此时间段的视频保存下来，但现有的运动目标检测方法不够精确，无法准确区分真正的运动目标与假象运动目标，导致保存下来的视频仍然浪费了大量存储空间。
技术实现思路
本申请主要解决的技术问题是提供一种监控视频的处理方法、装置以及存储介质，能够对监控视频中的运动目标进行精确分类，从而将含有真正运动目标的图像帧筛选出并保存，节约存储空间。为解决上述技术问题，本申请采用的一个技术方案是：提供一种监控视频的处理方法，包括：获取监控视频中符合第一预设条件的运动目标的目标框；对所述目标框所在的区域图像进行神经网络训练，以对所述目标框对应的所述运动目标进行分类并获取所述目标框的类别信息；依据所述类别信息判断所述目标框是否符合第二预设条件；如果符合，则将所述目标框加上输出标记；响应于所述目标框存在所述输出标记，保存所述监控视频。>为解决上述技术问题，本申请采用的另一个技术方案是：提供一种监控视频的处理装置，包括存储器和处理器，所述存储器上存储有程序指令，所述处理器用于执行所述程序指令以实现如上述技术方案所述的监控视频的处理方法。为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，所述存储介质上存储有程序指令，所述程序指令能够被处理器执行以实现如上述技术方案所述的监控视频的处理方法。本申请的有益效果是：区别于现有技术的情况，本申请提供的监控视频的处理方法从监控视频中获取到符合第一预设条件的运动目标的目标框之后，将目标框所在的区域图像进行神经网络训练，从而将对应的运动目标进行分类并获取目标框的类别信息，然后依据该类别信息将符合第二预设条件的目标框加上输出标记，进而响应于目标框存在输出标记，保存监控视频。可见，本申请利用神经网络训练对运动目标进行准确地分类，从而区分真正的运动目标和灯光、树叶等假象运动目标，而且给真正的运动目标对应的目标框加上输出标记，进行存储带有输出标记的目标框所在的图像帧，保存监控视频，从而能够将含有真正运动目标的图像帧筛选出并保存，节约存储空间。附图说明为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：图1为本申请监控视频的处理方法一实施方式的流程示意图；图2为是图1中步骤S11一实施方式的流程示意图；图3为图2中步骤S21一实施方式的流程示意图；图4为图2中步骤S22一实施方式的流程示意图；图5为图1中步骤S12之后的步骤一实施方式的流程示意图；图6为图1中步骤S13一实施方式的流程示意图；图7为图1中步骤S15一实施方式的流程示意图；图8为本申请监控视频的处理方法另一实施方式的流程示意图；图9为本申请监控视频的处理装置一实施方式的结构示意图；图10为本申请计算机可读存储介质一实施方式的结构示意图。具体实施方式下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部实施方式。基于本申请中的实施方式，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。监控视频由多帧图像构成，有的图像帧中没有运动目标，有的图像帧中有一个或者多个运动目标，这些运动目标有一些是真正的运动目标，有一些是比如灯光、树叶等假象运动目标。如果仅仅利用现有技术将含有运动目标的图像帧直接存储为视频片段，则会造成浪费存储空间的问题。为解决这一问题，本申请提出了如下技术方案。请参阅图1，图1为本申请监控视频的处理方法一实施方式的流程示意图，该处理方法包括如下步骤：步骤S11，获取监控视频中符合第一预设条件的运动目标的目标框。监控视频由多帧图像构成，本实施方式的操作对象是单帧图像，将从监控视频中获取的正在处理的图像帧定义为当前帧图像，通过现有技术中的方法判断出当前帧图像存在运动目标(可能是真正的运动目标，也可能是假象运动目标)之后，获取符合第一预设条件的运动目标的目标框。也就是说，本实施方式将更有可能是真正的运动目标的目标框筛选出，以进行进一步判断。在一些实施方式中，请参阅图2，图2为是图1中步骤S11一实施方式的流程示意图，即可以通过如下步骤获取监控视频中符合第一预设条件的运动目标的目标框：步骤S21，响应于监控视频的当前帧图像中存在运动目标，从当前帧图像中获取所有运动目标对应的目标框，并获取每个目标框的运动检测跟踪序列。首先，通过现有技术中的方法判断出当前帧图像存在运动目标(一个或者多个)之后，从当前帧图像中获取所有运动目标对应的目标框。在一些实施方式中，请参阅图3，图3为图2中步骤S21一实施方式的流程示意图，即所述响应于监控视频的当前帧图像中存在运动目标，从当前帧图像中获取所有运动目标对应的目标框的步骤可以包括如下步骤：步骤S31，通过背景建模算法获取监控视频的背景图像。本申请中监控视频对应的监控摄像头是固定不动的，因此监控视频有一个固定的背景图像，本实施方式对监控视频进行实时的高斯背景建模(也适用于其它背景建模算法，如帧差算法、vibe算法)，获取稳定的背景图像。步骤S32，对背景图像和当前帧图像做差分处理和二值化处理，以获取二值化图像。获取到稳定的背景图像之后，对当前帧图像与背景图像做差分处理和二值化处理，即获取当前帧图像与背景图像的像素差值的绝对值，并进行二值化处理，得到二值化的差值图像。步骤S33，对二值化图像做形态学操作以及连通域分析，并判断是否存在运动目标。得到当前帧图像的二值化差值图像之后，对其做腐蚀膨胀等形态学操作，再进行连通域分析，以判断当前帧图像中是否存在运动目标。步骤S34，如果存在，则从当前帧图像中获取运动目标的目标框。如果当前帧图像中存在运动目标，则从当前帧图像中获取运动目标的目标框，可能有一个，也可能有多个，可能是真正的运动目标，也可能是假象运动目标。步骤S35，如果不存在，则舍弃当前帧图像。如果当前帧图像中本文档来自技高网...

【技术保护点】
1.一种监控视频的处理方法，其特征在于，包括：/n获取监控视频中符合第一预设条件的运动目标的目标框；/n对所述目标框所在的区域图像进行神经网络训练，以对所述目标框对应的所述运动目标进行分类并获取所述目标框的类别信息；/n依据所述类别信息判断所述目标框是否符合第二预设条件；/n如果符合，则将所述目标框加上输出标记；/n响应于所述目标框存在所述输出标记，保存所述监控视频。/n

【技术特征摘要】
1.一种监控视频的处理方法，其特征在于，包括：
获取监控视频中符合第一预设条件的运动目标的目标框；
对所述目标框所在的区域图像进行神经网络训练，以对所述目标框对应的所述运动目标进行分类并获取所述目标框的类别信息；
依据所述类别信息判断所述目标框是否符合第二预设条件；
如果符合，则将所述目标框加上输出标记；
响应于所述目标框存在所述输出标记，保存所述监控视频。


2.根据权利要求1所述的处理方法，其特征在于，所述获取监控视频中符合第一预设条件的运动目标的目标框的步骤包括：
响应于所述监控视频的当前帧图像中存在所述运动目标，从所述当前帧图像中获取所有所述运动目标对应的所述目标框，并获取每个所述目标框的运动检测跟踪序列；
筛选出符合所述第一预设条件的所述运动检测跟踪序列对应的所述目标框。


3.根据权利要求2所述的处理方法，其特征在于，所述运动检测跟踪序列中包含对应所述目标框的智能检测帧数和对应所述目标框所在区域的背景差值，所述筛选出符合所述第一预设条件的所述运动检测跟踪序列对应的所述目标框的步骤包括：
获取所有所述目标框的所述智能检测帧数的最小值，并判断所述最小值的数量是否大于一个；
如果所述最小值的数量不大于一个，则将所述最小值对应的所述目标框筛选出；
如果所述最小值的数量大于一个，则获取多个所述最小值对应的多个所述目标框所在区域的所述背景差值的最大值，并将所述最大值对应的所述目标框筛选出。


4.根据权利要求3所述的处理方法，其特征在于，所述对所述目标框所在的区域图像进行神经网络训练，以对所述目标框对应的所述运动目标进行分类并获取所述目标框的类别信息的步骤之后，还包括：
判断所述目标框的所述类别信息是否属于预设类别信息；
如果属于，则在所述目标框对应的所述运动检测跟踪序列中添加所述类别信息，并将所述目标框的所述智能检测帧数加1；
如果不属于，则将所述运动检测跟踪序列中的所述目标框删除。


5.根据权利要求4所述的处理方法，其特征在于，
第一次从所述当前帧图像中获取到所述目标框之后，在所述目标框的所述运动检测跟踪序列中将对应的智能检测帧数设置为第一初始值。


6.根据权利要求4所述的处理方法，其特征在于，
所述预设类别信息包括人、机动车和非机动车的类别信息。


7.根据权利要求4所述的处理方法，其特征在于，所述运动检测跟踪序列中还包含对应所述目标框的生命周期，所述依据所述类别信息判断所述目标框是否符合第二预设条件的步骤，包括：

【专利技术属性】
技术研发人员：程德强，郑春煌，吴剑峰，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33