本申请涉及一种基于深度学习的事件短视频生成方法，包括：对获取的视频图像进行人脸检测，获得人脸图像区域；采用训练好的人脸特征提取模型对人脸图像区域进行人脸特征提取，得到人脸特征向量；基于人脸特征向量，采用预设的多目标跟踪算法得到每个人员的跟踪轨迹；获取跟踪轨迹的起止时间段内视频图像中相应人员的目标人脸图像序列；基于目标人脸图像序列，通过训练好的人脸识别模型进行人脸识别，得到人脸身份信息；获取跟踪轨迹持续时间内的轨迹视频图像；基于轨迹视频图像、人脸身份信息、位置信息、起止时间信息生成事件短视频。本方法能及时发现目标人员，并获取目标人员的相关视频图像，从而有效进行事前预警，事中处理，事后及时取证。事后及时取证。事后及时取证。
【技术实现步骤摘要】
事件短视频生成方法、系统、设备和存储介质
[0001]本申请属于图像处理
，具体涉及一种事件短视频生成方法。
技术介绍
[0002]在社会公共安全领域，视频监控系统成为维护社会治安，加强社会管理的一个重要组成部分。例如、公安机关通过监控平台，可以对城市各街道辖区的主要道路、重点单位、热点部位进行24小时监控，可有效消除治安隐患，使发现、抓捕街面现行犯罪的水平得到提高。
[0003]然而视频图像存在数据量大的特点，从视频图像中查找目标人员通常要耗费大量人力、物力以及时间，效率极其低下。如何从海量的视频图像中及时发现目标人员，并获取目标人员的相关视频图像，成为亟待解决的问题。
技术实现思路
[0004](一)要解决的技术问题
[0005]鉴于现有技术的上述缺点、不足，本申请提供一种基于深度学习的事件短视频生成方法、系统、设备和存储介质。
[0006](二)技术方案
[0007]为达到上述目的，本申请采用如下技术方案：
[0008]第一方面，本申请实施例提供一种基于深度学习的事件短视频生成方法，该方法包括：
[0009]S10、获取图像采集装置实时采集的目标区域的视频图像；
[0010]S20、采用预设的人脸检测算法对所述视频图像中的人员进行人脸检测，获得人脸图像区域；
[0011]S30、采用训练好的人脸特征提取模型对所述人脸图像区域进行人脸特征提取，得到人脸特征向量；
[0012]S40、基于所述人脸特征向量，采用预设的多目标跟踪算法对所述视频图像中的多个人员进行跟踪，得到每个人员的跟踪轨迹；
[0013]S50、基于各个人员的跟踪轨迹获取跟踪轨迹的起止时间段内视频图像中相应人员的目标人脸图像序列，所述目标人脸图像序列包括人脸图像区域内同一人员的多张人脸图像；
[0014]S60、基于所述目标人脸图像序列，通过训练好的人脸识别模型进行人脸识别，得到人脸身份信息；
[0015]S70、基于所述人脸身份信息，获取跟踪轨迹持续时间内的轨迹视频图像；
[0016]S80、基于所述轨迹视频图像、所述人脸身份信息、所述目标区域的位置信息、所述跟踪轨迹的起止时间信息生成事件短视频。
[0017]可选地，S50中还包括：
[0018]按照预设的人脸择优规则，从所述目标人脸图像序列中去除不满足的所述人脸择优规则的人脸图像。
[0019]可选地，人脸择优规则可以包括人脸尺寸择优规则、人脸清晰度择优规则、人脸姿态择优规则、人脸图像质量择优规则中一种或多种。
[0020]可选地，S70包括：
[0021]S711、将所述人脸身份信息与预先获取的黑名单或白名单中的人员身份信息进行比对；
[0022]S712、若所述人脸身份信息与黑名单或白名单中的人员身份信息一致，则将相应的人员作为目标人员；
[0023]S713、从所述视频图像中截取所述目标人员在跟踪轨迹持续时间内的轨迹视频图像。
[0024]可选地，S70包括：
[0025]S721、获取行为事件检测系统的事件检测结果；
[0026]S722、当所述事件检测结果为异常事件时，获取与所述人脸身份信息相对应的轨迹视频图像；
[0027]S723、将所述人脸身份信息加入到黑名单或白名单中。
[0028]可选地，S80包括:
[0029]S81、将所述轨迹视频图像转换为预设的格式，所述预设的格式为HTML5支持的Ogg、MPEG4、WebM中任一种格式；
[0030]S82、将格式转换后的轨迹视频图像与所述人脸身份信息、所述目标区域的位置信息、所述跟踪轨迹的起止时间信息生成事件短视频进行整合，生成事件短视频。
[0031]可选地，所述预设的人脸检测算法为轮廓规则法。
[0032]第二方面，本申请实施例提供一种智能视频监控系统，包括视频采集子系统、智能视频分析子系统和控制中心子系统，所述智能视频分析子系统采用如上第一方面任一项所述的基于深度学习的事件短视频生成方法生成事件短视频发送至控制中心子系统。
[0033]第三方面，本申请实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上第一方面任一项所述的基于深度学习的事件短视频生成方法的步骤。
[0034]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器执行时实现如上第一方面任一项所述的基于深度学习的事件短视频生成方法的步骤。
[0035](三)有益效果
[0036]本申请的有益效果是：本申请提出了一种基于深度学习的事件短视频生成方法、设备和可读存储介质，其中的方法包括：对获取的视频图像进行人脸检测，获得人脸图像区域；采用训练好的人脸特征提取模型对人脸图像区域进行人脸特征提取，得到人脸特征向量；基于人脸特征向量，采用预设的多目标跟踪算法得到每个人员的跟踪轨迹；获取跟踪轨迹的起止时间段内视频图像中相应人员的目标人脸图像序列；基于目标人脸图像序列，通过训练好的人脸识别模型进行人脸识别，得到人脸身份信息；获取跟踪轨迹持续时间内的轨迹视频图像；基于轨迹视频图像、人脸身份信息、位置信息、起止时间信息生成事件短视
频。本方法能及时发现目标人员，并获取目标人员的相关视频图像，从而有效进行事前预警，事中处理，事后及时取证。
附图说明
[0037]本申请借助于以下附图进行描述：
[0038]图1为本申请一个实施例中的基于深度学习的事件短视频生成方法流程示意图；
[0039]图2为本申请另一实施例中的智能视频监控系统结构示意图；
[0040]图3为本申请又一实施例中的电子设备的架构示意图。
具体实施方式
[0041]为了更好的解释本专利技术，以便于理解，下面结合附图，通过具体实施方式，对本专利技术作详细描述。可以理解的是，以下所描述的具体的实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合；为了便于描述，附图中仅示出了与专利技术相关的部分。
[0042]实施例一
[0043]图1为本申请一个实施例中的基于深度学习的事件短视频生成方法流程示意图，如图1所示，该方法的执行主体可以是智能视频分析子系统，该子系统可以由软件和/或硬件实现。
[0044]本实施例基于深度学习的事件短视频生成方法包括以下步骤：
[0045]S10、获取图像采集装置实时采集的目标区域的视频图像；
[0046]S20、采用预设的人脸检测算法对视频图像中的人员进行人脸检测，获得人脸图像区域；
[0047]S30、采用训练好的人脸特征提取模型对人脸图像区域进行人脸特征提取，得到人脸特征向量；
[0048]S40、基于人脸特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的事件短视频生成方法，其特征在于，该方法包括：S10、获取图像采集装置实时采集的目标区域的视频图像；S20、采用预设的人脸检测算法对所述视频图像中的人员进行人脸检测，获得人脸图像区域；S30、采用训练好的人脸特征提取模型对所述人脸图像区域进行人脸特征提取，得到人脸特征向量；S40、基于所述人脸特征向量，采用预设的多目标跟踪算法对所述视频图像中的多个人员进行跟踪，得到每个人员的跟踪轨迹；S50、基于各个人员的跟踪轨迹获取跟踪轨迹的起止时间段内视频图像中相应人员的目标人脸图像序列，所述目标人脸图像序列包括人脸图像区域内同一人员的多张人脸图像；S60、基于所述目标人脸图像序列，通过训练好的人脸识别模型进行人脸识别，得到人脸身份信息；S70、基于所述人脸身份信息，获取跟踪轨迹持续时间内的轨迹视频图像；S80、基于所述轨迹视频图像、所述人脸身份信息、所述目标区域的位置信息、所述跟踪轨迹的起止时间信息生成事件短视频。2.根据权利要求1所述的基于深度学习的事件短视频生成方法，其特征在于，S50中还包括：按照预设的人脸择优规则，从所述目标人脸图像序列中去除不满足的所述人脸择优规则的人脸图像。3.根据权利要求1所述的基于深度学习的事件短视频生成方法，其特征在于，人脸择优规则可以包括人脸尺寸择优规则、人脸清晰度择优规则、人脸姿态择优规则、人脸图像质量择优规则中一种或多种。4.根据权利要求1所述的基于深度学习的事件短视频生成方法，其特征在于，S70包括：S711、将所述人脸身份信息与预先获取的黑名单或白名单中的人员身份信息进行比对；S712、若所述人脸身份信息与黑名单或白名单中的人员身份信息一致，则将相应的人员作为目标人员...
【专利技术属性】
技术研发人员：郭长柱，汝骏仁，
申请(专利权)人：江苏范特科技有限公司，
类型：发明
国别省市：
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。