买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明提供了一种基于目标轨迹运动模式的视频浓缩方法，涉及图像处理和视频监控技术领域。所述方法包括以下步骤：1目标轨迹运动模式生成及分组；本阶段包括：视频目标运动轨迹提取，轨迹运动模式生成，轨迹运动模式分组；2基于轨迹运动模式的在线视频浓缩。本阶段包括：单目标轨迹提取，视频背景图片生成，轨迹运动模式匹配，组内目标轨迹重排，生成浓缩视频。本发明通过对离线视频数据进行训练，获取监控视频场景下的目标轨迹运动模式及分组；依据训练好的轨迹运动模式及分组，针对监控视频流，实施在线视频浓缩，提高了视频浓缩的执行效率，提升了浓缩视频的视觉效果。

主权项：1.一种基于目标轨迹运动模式的视频浓缩方法，其特征在于，该方法具体过程如下：1目标轨迹运动模式生成及分组；输入监控视频历史数据，构建模型对视频数据进行训练，生成目标轨迹运动模式及分组；2基于轨迹运动模式的在线视频浓缩；输入监控视频流，提取视频运动目标轨迹，结合步骤1轨迹运动模式及分组结果，进行在线视频浓缩处理，生成浓缩视频；所述步骤1的具体过程如下：11输入离线监控视频数据，完成视频中所有运动目标轨迹提取；12在目标轨迹提取基础上，采用聚类算法对所有目标轨迹进行聚类操作，将目标轨迹聚成不同的类，生成目标轨迹运动模式；13在目标轨迹运动模式生成基础上，依据碰撞少和方向一致性原则，对目标轨迹运动模式进行划分，生成轨迹运动模式分组；所属步骤2还包括如下：22输入监控视频流，提取目标运动轨迹；23将提取的目标运动轨迹，与目标轨迹运动模式进行匹配，若匹配成功，则自动将该目标轨迹归属于相应的轨迹运动模式分组；若匹配失败，则将该目标轨迹归属于异常轨迹运动模式分组；24对于属于同一轨迹运动模式分组的目标运动轨迹，采用基于动态搜索空间局部优化的目标轨迹重排方法进行视频浓缩处理；对于属于异常轨迹运动模式分组的目标运动轨迹，定义能量损失函数，进行目标轨迹重排的视频浓缩处理；25对于每个视频浓缩分组，将重排后的目标轨迹，与提取的视频背景图片，采用泊松融合算法按帧进行图像融合处理，将融合后的连续视频帧进行合并，生成浓缩视频；所述步骤12还包括如下：124在生成目标轨迹运动模式后，为每一个目标轨迹运动模式，生成一个代表轨迹；将属于同一个聚类的所有目标轨迹的坐标向量，按照采样点分别计算横坐标x的平均值和纵坐标y的平均值，形成代表轨迹的坐标向量；步骤13具体过程如下：131统计视频中当前运动模式中的所有目标检测框大小，计算所有目标检测框高度和宽度平均值；132将检测框高度和宽度平均值叠加到代表轨迹，使得代表轨迹在每帧都有一个检测框，再计算代表轨迹之间的碰撞值，计算方法是将两条轨迹中所有两两检测框存在交集的像素点数进行求和；133在直角坐标系中将360度进行θ等分，分别表示θ类方向，再以代表轨迹的起点到终点的连线方向表示代表轨迹的方向，对代表轨迹方向进行归类，以是否属于同一方向类别来判定不同代表轨迹方向之间的关系；134依据代表轨迹之间碰撞关系和方向关系，将代表轨迹进行分组，每一个分组即为目标轨迹运动模式分组；通过设置碰撞阈值，使得处于一个分组内的代表轨迹之间不存在碰撞或碰撞很小；同时考虑方向关系，优先使能构成环形流的运动模式分到一组，使得后续组内浓缩视频保持流畅性；步骤24具体过程如下：241定义能量损失函数，损失项包括浓缩长度损失项、伪碰撞损失项和时序混乱损失项；能量损失函数公式为： 其中，li表示轨迹i在浓缩视频的起始位置，Pg代表和轨迹i属于一个运动模式分组的所有轨迹，Pc代表和轨迹i属于同一运动模式的所有轨迹；Er表示浓缩视频长度损失项，Ec表示浓缩视频伪碰撞损失项，Et表示浓缩视频轨迹时序混乱损失项；αr，αc，αt分别为不同损失项的权重，以平衡不同损失项的作用；242采用动态搜索空间法确定目标轨迹重排位置的范围；目标轨迹Oi在浓缩视频的起始位置li的取值范围是一个动态变化的值，li最小取值记为lmin，最大值记为lmax，最小值为该组内已经排列的所有轨迹起始位置的最大值，最大值为该组内已经排列的所有轨迹结束位置的最大值，计算公式为： Pc代表和轨迹i属于同一运动模式的所有轨迹，lenOk表示第k个轨迹的帧长；243利用能量损失函数和起始位置搜索空间范围，采用局部优化贪婪算法进行组内目标轨迹浓缩重排。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于目标轨迹运动模式的视频浓缩方法