[发明专利]一种基于分段的监控视频内容描述方法

权利要求书

1.一种基于分段的监控视频内容描述方法，其特征在于，该方法包括以下步骤：

步骤一、检测运动目标并提取其底层特征：针对监控视频检索过程中用户通常更关注运动目标的特点，首先检测视频中出现的运动目标，并对检测到的目标作实时地跟踪，在跟踪过程中，利用当前帧所检测到的运动目标位置对跟踪结果进行修正，与此同时根据MPEG-7标准提供的算法，逐帧提取运动目标的颜色、纹理、形状以及空间位置特征，并保存在该目标的缓存中；

步骤二、视频分段：视频分段由相应的起始帧和结束帧确定，首先将输入视频序列的第一帧作为当前视频段的起始帧，然后当检测到监控视频中有运动目标进入或者离开时，将视频的上一帧作为当前视频段的结束帧，则当前视频段结束，实时地生成该视频段的内容描述信息，并封装成IP包发送，同时将视频的当前帧作为新视频段的起始帧，每个视频段的目标数目在其分段间隔内保持不变，且各段之间不存在交叉重叠；若检测到某一运动目标离开，还需要实时地生成相应目标的内容描述信息，并封装成IP包发送；

步骤三、基于上述分段准则对视频内容信息进行描述：在一视频段结束时实时地生成该视频段的内容描述信息，并按照固定的格式形成XML描述流打包输出，同时释放相应信息所在缓存；在检测到一目标离开视频，实时地将该目标的描述信息按照固定的格式形成XML描述流打包输出，同时释放相应信息所在缓存；为了减少描述信息的冗余，目标的底层特征描述信息为该目标单帧提取的底层特征的统计值；

在步骤三中，视频段的内容描述信息按照固定的格式形成XML描述流，是利用XML语言来描述视频段中各项内容信息，形成一个固定结构的层次化内容描述框架，即在任意一个视频段元素中，包含视频段ID，视频段的起始帧和结束帧序列号以及各个目标之间的空间关系；视频目标的描述信息按照固定的格式形成XML描述流，是利用XML语言来描述视频目标的各项内容信息，形成一个固定结构的层次化内容描述框架，即在任意一个视频目标元素中，包含目标的类别和ID、目标的起始帧和结束帧序列号、目标的底层特征以及相应视频段ID集合；

所述各个目标之间的空间关系，是通过对各个目标之间的空间关系进行逐帧分析，判断空间关系在时间域的变化情况并直接对其进行描述，以减少空间关系描述信息的冗余；

所述目标的起始帧和结束帧序列号，是将目标出现在视频的第一帧提前若干帧数作为目标的开始帧，同时将目标的最后一帧推迟若干帧数作为目标的结束帧；若干帧数是指预先设定的误差允许范围，以保证所得到描述包含一个运动目标的完整信息；

所述目标的底层特征描述信息，是该目标单帧提取的底层特征的统计值，是通过对运动目标单帧提取的特征值作均值滤波或中值滤波，获得每个运动目标底层特征的统计值，同时通过多项式曲线拟合的方法生成目标的运动轨迹，即基于目标在每一帧的空间位置的二维坐标进行一次拟合或者二次拟合，输出拟合曲线的参数值；

所述相应视频段ID集合，是在某个目标出现的时间间隔内，包含若干个视频段，通过ID索引到相应视频段，以及相关的视频段内容描述信息；

步骤四、基于上述描述信息流进行目标检索：输入目标类别关键词，利用目标的类别描述信息找到相应目标，同时输入颜色或特征关键词，结合目标的底层特征描述信息进行检索，找到相应目标后，将目标的起始结束帧信息和相应视频段ID作为检索结果返回。

2.根据权利要求1所述的一种基于分段的监控视频内容描述方法，其特征在于，在步骤一中检测视频中出现的运动目标，是利用混合高斯模型对背景进行建模，以此找到每一帧中与背景不同的运动目标，并保存每个目标的位置信息；对检测到的目标作实时地跟踪，是当检测到新目标后，利用新目标的位置信息对跟踪作初始化，然后采用跟踪算法对该目标进行跟踪，并返回目标在每一帧的位置信息；在跟踪过程中利用相应的运动目标检测结果，即当前帧中所有运动目标的位置信息，对不准确的跟踪结果进行修正。

3.根据权利要求1-2任一项所述的一种基于分段的监控视频内容描述方法，其特征在于，所述方法进一步包括：针对某些监控视频中长时间未出现运动目标而导致视频流无法正常分段的问题，采用按照时间进行分段的策略，即通过时间准则进行分段，对视频段设置一个帧数上限，对于超过该帧数的视频流进行强制分段，避免出现长时间无分段的情况。

4.根据权利要求1-2任一项所述的一种基于分段的监控视频内容描述方法，其特征在于，所述方法进一步包括：针对某些监控视频中运动目标过多而导致难以全部检测并以此完成视频分段的问题，采用选择性分段的策略，即根据特定的运动目标进行分段，选择用户感兴趣的运动目标。