论文部分内容阅读
随着信息科技的发展,视频数据量越来越大,传统的人工主导的处理方式成本高,处理效率低下,需要一种自动化的智能视频处理方式对视频内容进行分析处理。尤其对于包含了大量无用视频段的监控视频来说,存在视频冗余度大、关键信息无法快速浏览、视频内容没有分类等问题,对视频进行有用视频内容的提取以及视频内容结构化的分析显得尤为重要。本文研究的视频结构化方法主要包括视频静态浓缩、关键帧提取、特征提取以及场景分类,主要研究内容包括:(1)针对海量视频内容的冗余问题对视频浓缩方法进行了分析。分别基于帧差法、高斯背景建模和ViBe前景检测法对视频动态帧进行判断,去除了视频冗余帧,大大减少了视频的长度。比较分析了不同方法对于不同监控视频的浓缩效果,实验表明ViBe前景检测算法提高了运算速度,并且在不提高多检率的基础上,平均漏检率大大降低,视频平均冗余率均在10%以下,大大提高了视频的处理效率。(2)针对视频信息的无结构性、无法快速预览的问题,对视频关键帧提取算法进行了研究。针对不同视频场景采用了不同的算法。对于室内的场景视频,本文研究了基于帧间直方图比较的算法,并且在此基础上研究了基于帧间分块多阈值直方图比较的算法,论证了基于帧间分块多阈值直方图比较的关键帧提取算法对于室内场景视频的准确性。对于车辆监控视频,本文主要研究了设定虚拟线圈撞线的的方法,论证了该方法对车辆监控视频的关键帧提取的有效性,尤其对于一般非拥堵车辆视频,平均准确率达到95%以上。同时分析了物体运动速度对关键帧提取效果的影响,速度越快,提取关键帧的比率越大。(3)针对视频场景多样性以及目标无法分类的问题,对视频前景目标进行了特征提取,并且对基于SURF特征的随机采样算法进行了研究,利用该算法对视频关键帧内容进行匹配,实现了对于视频场景的分类。此方法相比一般的场景分类方法,在准确性方面取得了较好的效果。总的来说,本文通过对以上方法的研究,初步实现了对视频的结构化分析,研究总结了不同监控视频的结构化分析方法,对后续的研究工作具有重要的意义。