一种监控视频的前景提取方法及装置制造方法及图纸

本发明专利技术提供一种监控视频的前景提取方法，其通过将一段时间内的监控视频分解为多帧图片，通过建立优化模型，通过凸优化的方式，利用非精确拉格朗日乘子求解最优解低秩矩阵A和前景矩阵E，并将求解的噪声矩阵E进行转化，获得前景图像，以解决现有监控排查需要大量人力的问题，以进一步满足实际需求；同时，提供了一种提取监控视频中前景画面的设备，以便于工作人员提取不同场景，不同处所的监控视频的前景画面。面。面。

【技术实现步骤摘要】
一种监控视频的前景提取方法及装置


[0001]本专利技术公开了一种视频帧间低秩信息的实时物体追踪方法，具体涉及一种监控视频的前景提取方法及装置。

技术介绍

[0002]随着监控设备的普遍应用，基于监控视频的各种需求也随之产生。安全防控是监控视频的一个重要的应用方面，特别是在刑侦案件侦破中，对监控视频进行排查已成为一条重要途径。在一定场景下，监控视频有些时段记录的完全是监控场景的背景信息，当需要对监控视频进行排查时，上述情景的内容无疑大大增加了排查人员的工作量，因而，对监控视频进行处理时，从全天候的监控视频中提取前景内容已经成为一种普遍的需求。

技术实现思路

[0003]本专利技术的目的是针对上述需求，提出一种监控视频的前景提取方法。
[0004]为实现上述目的，本专利技术采用的技术方案如下：步骤S1、将一段时间内的监控视频分解为多个帧图像，每个帧图像对应的数据矩阵转换成列向量；步骤S2、分析步骤S1中的矩阵，提出对应的优化问题；s.t.D＝A+E其中，矩阵D为所述列向量组合而成；步骤S3、将步骤S2中的优化问题转化为等价的凸优化问题，以求解矩阵A，E；步骤S4、将步骤S3中矩阵E的每一列进行转化，得到与步骤1中帧图像大小相同的图像集合，其即为监控视频的前景中不断运动的人或物画面；若将矩阵A中的任意一列进行转化，并得到与步骤1中帧图像大小相同的图像，则得到背景画面。
[0005]进一步的，在步骤S3中，所述凸优化公式为：s.t.D＝A+E
[0006]在更进一步的方案中，在步骤S3中，所述求解方法为，利用非精确拉格朗日乘子(Inexact Augmented Lagrange Multiplier，IALM)方法，可以得到最优的A和E的解。
[0007]本专利技术还提供一种提取监控视频中前景画面的设备，包括：至少一个处理器、至少一个存储器、数据总线和至少一个通讯端口，其中：处理器与存储器通过数据总线完成相互间的通信；存储器存储有可被处理器执行的程序指令，处理器通过所述通讯端口调用监控视频，同时，处理器调用程序指令以执行上述方法。
[0008]本专利技术进一步的提供一种计算机可读存储介质，该计算机可读存储介质存储计算机程序，该计算机程序使计算机执行上述的方法。
[0009]本专利技术进一步的还提供一种监控视频的前景提取装置，包括：分解单元，用于将一段时间内的监控视频分解为多个帧图像，并将每个帧图像对应的数据矩阵转换成列向量矩阵；分析单元，用于分析所述分解单元提供的列向量矩阵，并提出对应的优化公式，s.t.D＝A+E其中，矩阵D为所述列向量组合而成；解算单元，用于解算分析单元的优化公式，以求解矩阵A，E；转化单元，用于将解算单元解算所得的矩阵E的每一列进行转化，得到与分解单元中帧图像大小相同的图像集合，将其转化为监控视频前景中不断运动的人或物画面。
[0010]在其他实施方式中，所述的解算单元包括解算模块，所述解算模块通过凸优化公式求解矩阵A，E，所述凸优化公式为：s.t.D＝A+E
[0011]在其他实施方式中，所述的解算单元也可以包括最优模块，用于利用非精确拉格朗日乘子方法，得到最优的A和E的解。
[0012]采用上述方案的有益效果是：本专利技术基于低秩矩阵恢复理论，通过对于监控视频的帧图像建立优化模型，并通过凸优化方式进行转化，进而根据非精确拉格朗日乘子进行对于视频前景向量的提取和恢复，实现了监控视频前景画面的全天候提取，减少了监控排查时所需的人力，极大的满足了实际需求；此外，通过提取监控视频前景画面的装置，便于适应不同场景，不同处所的监控视频以提取前景画面。
附图说明
[0013]图1是低秩矩阵恢复的模型
[0014]图2是带有背景的原监控视频
[0015]图3是前景提取后的监控视频
[0016]图4是提取的监控视频的背景
具体实施方式
[0017]下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的零部件或具有相同或类似功能的零部件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0018]在本专利技术的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“安装”应做广义理解，例如，可以是安装连接，也可以是可拆卸连接，可以是机械连接，也可以是电连接，可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0019]在本专利技术的描述中，除非另有明确的规定和限定，特征在第二特征之“上”或之
“
下”可以包括特征和第二特征直接接触，也可以包括特征和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，特征在第二特征“之上”、“上方”和“上面”包括特征在第二特征正上方和斜上方，或仅仅表示特征水平高度高于第二特征。特征在第二特征“之下”、“下方”和“下面”包括特征在第二特征正下方和斜下方，或仅仅表示特征水平高度小于第二特征。
[0020]本专利技术为解决从全天候的监控视频中提取前景内容这一实际需求，在计算机视觉领域中，低秩矩阵恢复技术日趋完善。低秩矩阵恢复的出发点是如何从一个叠加了稀疏大噪声的低秩矩阵中将噪声和低秩矩阵进行分离，从而获得噪声数据构成的矩阵和低秩结构数据构成的矩阵。当把监控视频分解成帧图像，就可以引入低秩矩阵恢复理论。经过一定形式的转换，监控视频中的前景可视为噪声矩阵，监控视频中的背景可视为低秩矩阵，从而将前景内容提取出来，附图1给出了本专利技术的理论基础。
[0021]进一步的，本专利技术提供了如下技术方案以解决上述问题，一种监控视频的前景提取方法，包括如下步骤：将一段时间内的监控视频分解为多个帧图像，每个帧图像对应的数据矩阵转换成列向量；步骤S2、分析步骤S1中的矩阵，提出对应的优化问题；s.t.D＝A+E其中，矩阵D为所述列向量组合而成；步骤S3、将步骤S2中的优化问题转化为等价的凸优化问题，以求解矩阵A，E；步骤S4、将步骤S3中矩阵E的每一列进行转化，得到与步骤1中帧图像大小相同的图像集合，其即为监控视频的前景中不断运动的人或物画面；若将矩阵A中的任意一列进行转化，并得到与步骤1中帧图像大小相同的图像，则得到背景画面。
[0022]在优选的实施方式中，在步骤S3中，所述凸优化公式为：s.t.D＝A+E
[0023]在更优选的实施方式中，在步骤S3中，所述求解方法为，利用非精确拉格朗日乘子(Inexact Augmented Lagrange Multiplier，IALM)方法，可以得到最优的A和E的解。
[0024]本专利技术还提供一种提取监控视频中前景画面的设备，包括：至少一个处理器、至少一个存储器、数据总线和至少一个通讯端口，其中：处理器与存储器通过数据总线完成相互间的通信；存储器存储有可被处理器执行的程序指令，处理器通过所述通讯端口调用监控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监控视频的前景提取方法，其特征在于，包括如下步骤：步骤S1、将一段时间内的监控视频分解为多个帧图像，每个帧图像对应的数据矩阵转换成列向量；步骤S2、分析步骤S1中的矩阵，提出对应的优化问题；s.t.D＝A+E其中，矩阵D为所述列向量组合而成；步骤S3、将步骤S2中的优化问题转化为等价的凸优化问题，以求解矩阵A，E；步骤S4、将步骤S3中矩阵E的每一列进行转化，得到与步骤1中帧图像大小相同的图像集合，其即为监控视频前景中不断运动的人或物画面。2.根据权利要求1所述一种监控视频的前景提取方法，其特征在于，在步骤S3中，所述凸优化公式为：s.t.D＝A+E。3.根据权利要求1所述一种监控视频的前景提取方法，其特征在于，在步骤S3中，所述求解方法为:利用非精确拉格朗日乘子方法，得到最优的A和E的解。4.一种监控视频的前景提取装置，其特征在于，包括：分解单元，用于将一段时间内的监控视频分解为多个帧图像，并将每个帧图像对应的数据矩阵转换成列向量矩阵；分析单元，用于分析所述分解单元提供的列向量矩阵，并提出对应的优化公式，s.t.D＝A+E其中，矩阵D为所述列向量组...

【专利技术属性】
技术研发人员：李昂，张升康，何巍，
申请(专利权)人：北京无线电计量测试研究所，
类型：发明
国别省市：