基于對象的視頻摘要關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、隨著監(jiān)控技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，高清網(wǎng)絡(luò)監(jiān)控攝像頭廣泛應(yīng)用于各個行業(yè)。這些高清攝像頭全天候工作，產(chǎn)生了海量的監(jiān)控視頻數(shù)據(jù)，但是，由于監(jiān)控人力資源和時間資源的局限性常常導(dǎo)致一些海量視頻數(shù)據(jù)從未被處理。如何快速完整的瀏覽長時間的監(jiān)控視頻已經(jīng)成為監(jiān)控行業(yè)目前亟待解決的問題。視頻摘要就是解決“海量視頻數(shù)據(jù)處理”的重要手段。然而，傳統(tǒng)的基于關(guān)鍵幀的視頻摘要生成方法采用幀采樣無法完整表示每個對象的運(yùn)動軌跡而導(dǎo)致了大量有用視頻信息的丟失。
　

2、　本文針對監(jiān)控視頻的特點，設(shè)計了一種基于對象的視頻摘要生成技術(shù)框架，對比傳統(tǒng)摘要生成方法分析了監(jiān)控視頻摘要技術(shù)框架所需的核心技術(shù)：目標(biāo)檢測識別、運(yùn)動目標(biāo)跟蹤與軌跡提取、運(yùn)動目標(biāo)軌跡的組合優(yōu)化和摘要生成過程中的摘要視頻背景的動態(tài)更新、軌跡融合之像素融合，得到了一個比原始視頻短的多的摘要視頻，實現(xiàn)了快速瀏覽且保留了原始視頻中大多數(shù)運(yùn)動對象的信息。針對該視頻摘要技術(shù)框架及其關(guān)鍵技術(shù)點，本文主要貢獻(xiàn)如下：
　　1.提出了一種基于級別自適應(yīng)

3、模型的目標(biāo)檢測識別方法，通過建立級別自適應(yīng)模型來提高檢測識別的效率。同時，為特定的視頻監(jiān)控用戶如公安人員在人車混雜的監(jiān)控中希望對行人和車輛分別進(jìn)行摘要視頻的瀏覽打下了基礎(chǔ)。
　　2.提出了一種基于事件分析的多目標(biāo)魯棒跟蹤算法，本算法在提出一種判別目標(biāo)出現(xiàn)遮擋事件或分離事件的新方法之后，通過多攝像機(jī)的目標(biāo)交接準(zhǔn)確識別出發(fā)生遮擋或分離事件的目標(biāo)標(biāo)號，解決目標(biāo)發(fā)生遮擋或分離后跟蹤失敗的問題。同時，跟蹤效果的魯棒性直接帶來了跟蹤軌跡的完整

4、性，從而消除了部分冗余信息。
　　3.在保持運(yùn)動對象軌跡的位置不變的情況，將對象軌跡在時間上進(jìn)行移動優(yōu)化，采用改進(jìn)的模擬退火軌跡組合優(yōu)化方法實現(xiàn)生成摘要視頻的時間壓縮和空間平移。
　　4.在監(jiān)控視頻摘要生成的過程中，通過投票選出能夠反映參與融合的所有運(yùn)動對象軌跡在原始視頻環(huán)境下的最佳背景，進(jìn)行摘要視頻背景的動態(tài)更新；同時，采用矩形高斯權(quán)重分配策略，很好的實現(xiàn)了摘要視頻幀背景和運(yùn)動對象軌跡的無縫像素融合效果。
　　5.在