视频摘要生成方法和视频摘要生成装置制造方法及图纸

本发明专利技术提出一种视频摘要生成方法和视频摘要生成装置。该视频摘要生成方法包括：对原始视频中的目标帧图像进行背景建模，得到背景模型；利用背景模型提取出目标帧图像中的运动目标；使用预设的分类器将提取到的运动目标进行分类；按照分类结果将提取到的运动目标进行轨迹排列，生成摘要。应用本发明专利技术的技术方案，本发明专利技术的技术方案提高了视频的使用效率。最终使用物体分类的方法生成了有条理的摘要，满足了快速多目标浏览的目的。

【技术实现步骤摘要】

本专利技术属于计算机视觉与模式识别领域，具体涉及一种视频摘要生成方法和视频摘要生成装置。
技术介绍
视频摘要又称为视频浓缩，是对视频内容的概括，以自动或半自动方式，通过运动目标分析，提取运动目标，然后对各个目标的运动轨迹进行分析，将不同的目标拼接到一个共同的背景场景中，并将它们以某种方式进行组合。随着视频技术的发展，视频摘要在视频分析和基于内容的视频检索中的作用愈加重要。视频摘要提取的目的是为了能够快速的浏览视频中出现的运动目标，然而视频内容十分复杂而且不同用户关注的目标不同，现有技术中视频摘要生成方法无法根据多样的用户需求完整准确地生成令人满意的视频摘要。针对现有技术中视频摘要生成方法无法对不同种类移动目标分别生成视频摘要的问题，目如尚未提出有效的解决方案。
技术实现思路
本专利技术提出一种视频摘要生成方法和视频摘要生成装置，以解决现有技术中视频摘要生成方法无法对不同种类移动目标分别生成视频摘要的问题。本专利技术解决其技术问题所采用的技术方案是:根据本专利技术的一个方面，提供了一种视频摘要生成方法。该视频摘要生成方法包括:对原始视频中的目标帧图像进行背景建模，得到背景模型；利用背景模型提取出目标帧图像中的运动目标；使用预设的分类器将提取到的运动目标进行分类；按照分类结果将提取到的运动目标进行轨迹排列，生成摘要。进一步地，对原始视频中的目标帧的图像进行背景建模包括:使用混合高斯背景算法对目标帧的图像进行计算，得到目标帧图像的混合高斯模型。进一步地，使用预设的分类器将提取到的运动目标进行分类包括:使用预设由支持向量机训练出的物体分类器模型对提取到的运动目标进行分类。进一步地，在利用背景模型提取出目标帧图像中的运动目标之后还包括:将目标帧图像的运动目标与目标帧之前一帧的运动目标进行轨迹跟踪，得到运动目标的运动轨迹。进一步地，将目标帧图像的运动目标与目标帧之前一帧的运动目标进行轨迹跟踪包括:计算目标帧图像的运动目标与目标帧之前一帧的运动目标的交叉面积；判断交叉面积是否大于预设面积值；当交叉面积大于预设面积值时，根据目标帧图像的运动目标在图像上的位置更新运动轨迹；当交叉面积小于或等于预设面积时，按照目标帧图像的运动目标在图像上的位置生成新的运动轨迹。进一步地，按照分类结果将提取到的运动目标进行轨迹排列包括:按照运动目标的运动轨迹出现的时间关系和空间位置对该运动轨迹进行排列；将排列后的运动轨迹叠加到背景图像上。根据本专利技术的另一个方面，提供了一种视频摘要生成装置。该视频摘要生成装置包括:背景建模模块，用于对原始视频中的目标帧图像进行背景建模以得到背景模型；运动目标提取模块，用于利用背景模型提取出目标帧图像中的运动目标；运动目标分类模块，用于使用预设的分类器将提取到的运动目标进行分类；摘要生成模块，用于按照分类结果将提取到的运动目标进行轨迹排列，生成摘要。进一步地，背景建模模块还用于:使用混合高斯背景算法对目标帧的图像进行计算，得到目标帧图像的混合高斯模型。进一步地，运动目标分类模块还用于:使用预设由支持向量机训练出的物体分类器模型对提取到的运动目标进行分类。进一步地，该视频摘要生成装置还包括:轨迹跟踪模块，用于将目标帧图像的运动目标与目标帧之前一帧的运动目标进行轨迹跟踪，得到运动目标的运动轨迹。应用本专利技术的技术方案，本专利技术的技术方案在图像中提取出移动目标之后，利用预设的分类器建立视频中常见的物体的模型，对提取得到的前景即移动目标进行分类，并按照分类结果生成视频摘要。从而完整准确地生成符合用户需求的视频摘要，使用户可以从视频摘要中迅速地得到需要的视频信息，提高了视频的使用效率。最终使用物体分类的方法生成了有条理的摘要，满足了快速多目标浏览的目的。附图说明图1是根据本专利技术实施例的视频摘要生成装置的示意图；图2是根据本专利技术实施例的视频摘要生成方法的示意图；图3是根据本专利技术实施例的视频摘要生成方法的流程图。具体实施例方式需要说明的是，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。下面将参考附图并结合实施例来详细说明本专利技术。本专利技术实施例提供了一种视频摘要生成装置，图1是根据本专利技术实施例的视频摘要生成装置的示意图，如图1所示，该生成装置包括:背景建模模块11，用于对原始视频中的目标帧图像进行背景建模以得到背景模型；运动目标提取模块13，用于利用背景模型提取出目标帧图像中的运动目标；运动目标分类模块15，用于使用预设的分类器将提取到的运动目标进行分类；摘要生成模块17，用于按照分类结果将提取到的运动目标进行轨迹排列，生成摘要。利用本实施例的视频摘要生成装置，在建立背景模型后，利用预设的分类器建立视频中常见的物体的模型，对提取得到的前景即移动目标进行分类，并按照分类结果生成视频摘要。从而完整准确地生成符合用户需求的视频摘要，使用户可以从视频摘要中迅速地得到需要的视频信息，提高了视频的使用效率。以上背景建模模块11可以使用各种图像背景建模算法，在建立背景模型后，将当前的图像与背景模型进行比较，根据比较结果确定前景目标(即需要提取的运动目标)。具体地图像背景建模算法可以选择采用颜色背景模型或者纹理背景模型，其中，颜色背景模型是对图像中每个像素的颜色值(包括灰度或彩色)进行建模。如果当前图像坐标(X，y)上的像素颜色值与背景模型中U，y)上的像素颜色值有较大差异时，当前像素被认为是前景，否则为背景。本实例的视频摘要生成装置的背景建模模块11可以优选使用颜色背景模型中的混合高斯背景算法，混合高斯背景模型(Gaussian Mixture Model)在单高斯背景模型的基础上进行了改进中，通过多个高斯概率密度函数的加权平均来平滑地近似任意形状的密度分布函数，尤其适用于对于室外环境的图像进行处理，背景建模模块11利用混合高斯背景算法的特点，可以将室外环境下视频中的运动目标快速准确地进行识别。背景建模模块11进行背景建模时，可以对目标帧图像中的光照和阴影进行相应的滤波处理，以避免光照和阴影被误认为运动目标，影响视频摘要的生成。在使用混合高斯背景算法的情况下，背景建模模块11还可以用于:使用混合高斯背景算法对目标帧的图像进行计算，得到目标帧图像的混合高斯模型。运动目标分类模块15所使用的预设的分类器可以使用多种分类算法，在本实施例中可以采用支持向量机(Support Vector Machine, SVM)对视频中经常出现的物体(如自行车、汽车、摩托车等交通工具，或动物等)进行模型训练。支持向量机对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而实现高维特征空间采用线性算法对样本的非线性特征进行线性分析。同时支持向量机基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化，并且在整个样本空间的期望风险以某个概率满足一定上界。支持向量机的算法是通过一个非线性映射P，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题，也就是通过升维实现线性可分。同时对于升维可能带来的计算复杂化，支持向量机应用核函数的展开定理，就不需要知道非线性映射的本文档来自技高网...

【技术保护点】
一种视频摘要生成方法，其特征在于，包括：对原始视频中的目标帧图像进行背景建模，得到背景模型；利用所述背景模型提取出所述目标帧图像中的运动目标；使用预设的分类器将提取到的运动目标进行分类；按照分类结果将提取到的运动目标进行轨迹排列，生成摘要。

【技术特征摘要】
1.一种视频摘要生成方法，其特征在于，包括: 对原始视频中的目标帧图像进行背景建模，得到背景模型； 利用所述背景模型提取出所述目标帧图像中的运动目标； 使用预设的分类器将提取到的运动目标进行分类； 按照分类结果将提取到的运动目标进行轨迹排列，生成摘要。2.根据权利要求1所述的视频摘要生成方法，其特征在于，对原始视频中的目标帧的图像进行背景建模包括: 使用混合高斯背景算法对所述目标帧的图像进行计算，得到所述目标帧图像的混合高斯模型。3.根据权利要求1所述的视频摘要生成方法，其特征在于，使用预设的分类器将提取到的运动目标进行分类包括: 使用预设由支持向量机训练出的物体分类器模型对提取到的运动目标进行分类。4.根据权利要求1所述的视频摘要生成方法，其特征在于，在利用所述背景模型提取出所述目标帧图像中的运动目标之后还包括: 将所述目标帧图像的运动目标与所述目标帧之前一帧的运动目标进行轨迹跟踪，得到所述运动目标的运动轨迹。5.根据权利要求4所述的视频摘要生成方法，其特征在于，将所述目标帧图像的运动目标与所述目标帧之前一帧的运动目标进行轨迹跟踪包括: 计算所述目标帧图像的运动目标与所述目标帧之前一帧的运动目标的交叉面积； 判断所述交叉面积是否大于预设面积值； 当所述交叉面积大于预设面积值时，根据所述目标帧图像的运动目标在图像上的位置...

【专利技术属性】
技术研发人员：王海峰，
申请(专利权)人：信帧电子技术北京有限公司，
类型：发明
国别省市：