[发明专利]一种基于分段的监控视频内容描述方法

说明书

技术领域

本发明涉及监控视频描述领域，具体地，涉及一种基于分段的监控视频内容描述方法。

背景技术

随着以多媒体为代表的信息技术产业的突飞猛进，人们对生活和工作环境的安全性要求也在不断提高，监控设施越来越多地出现在各种公共场所。目前，视频监控系统已经涉及到了社会生活的各行各业，例如交通路口、超市、银行、车站和居民小区等，与此同时，在各种大型活动场所和重要保卫区域的警卫工作中也配置了许多监控设备，如奥运会场地、人民广场、世博园区等。

与此同时，由于海量监控视频数据的出现，完全依靠人工监看的传统视频监控系统已经不能满足需求，人们需要更智能化、自动化、自主化的视频监控系统，因此智能视频监控系统成为了提升视频监控系统效能的主要发展方向。

智能视频监控技术主要指的是自动地分析和抽取视频源中的关键信息。智能视频技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息，最终实现集视频采集、视频分析及描述为一体的智能监控系统。

1.监控视频内容描述和检索方法

在智能视频监控系统中，如何利用计算机从海量的监控视频中快速地检索出用户需要的信息是当前监控领域急需解决的问题之一。

基于内容的视频检索方法（Content-Based Video Queries，CBVQ）目前已成为多媒体技术研究领域的热点，它突破了传统的基于文本检索技术的局限，直接对视频的内容进行分析，抽取特征和语义，利用这些内容特征建立索引并进行检索，提供了一种符合人类认知规律的高效检索方法。随着各种图像处理技术的进步，尤其是特征提取和目标分类算法的改进，基于内容的视频检索方法得到了广泛的应用，也能够很好地满足海量监控视频的检索需要。

为了能够有效地支持基于内容的监控视频检索，就需要通过视频建模将视频内容的描述信息有效地组织起来。通过对视频内容信息进行结构化的分层描述，在视频数据流之外产生一路视频数据的描述流，从而可以基于描述流进行高效检索和关联调阅，这将为海量视频的快速检索提供可行的解决方案。

2.监控视频内容的结构分段

视频分段是把视频流分割成一系列有意义、可管理的单元(例如镜头)，由于视频监控设备通常为7×24小时不间断地采集视频数据，在生成视频内容的描述流前必须首先进行合理的结构分段，然后再提取每段视频的内容描述信息并实时输出，因此视频分段是视频分析与基于内容描述的第一步。

一般来讲，可将视频的结构自下而上地分为图像帧、镜头、场景、视频四个层次，以便在各个层次上对视频进行内容分析与描述：

1）视频：是由一系列静止图像在时间上的变化组成的，一般视频采样率为24～30帧/秒，也即每秒钟播放24～30幅图片，因此人们在观看视频时，会有运动的感觉；

2）图像帧：是视频结构中的最小单元，是视频中的一幅静止图像；

3）镜头：是一个视频片段，一般是指摄像机一次连续拍摄得到的画面；

4）场景：一般定义为在时间上连续、语义上相关的连续镜头集合。

在监控视频中，摄像头的位置通常很长时间不会发生改变，按照镜头来实现视频结构分段的方法一般情况下不适用于监控领域。

与此同时，在对监控视频的内容进行检索时，用户往往更加关注于其中出现的运动目标，因此现有的监控视频内容描述方法一般首先基于运动目标检测进行视频分段，即当检测到有运动目标进入或离开时，将视频分作一段。

3.基于MPEG-7的视频内容信息描述

根据MPEG-7中多媒体描述方案的定义，可以将对视频内容的描述分为结构信息描述和语义信息描述两类：

1）结构信息描述

在MPEG-7中，视频结构信息的描述是建立在对视频进行分段的基础上，使用片段描述方案来描述每一片段内的视频结构信息（包括颜色、纹理、形状、运动、声音等特征描述子）。根据定义，片段描述方案是一个抽象类型，按照分段规则的不同可以得到5个具体化的子类型：音频片段、视频片段、视听片段、运动区域以及静止区域。每种类型片段描述的详细特征属性（如图1所示），同时视频的分段描述具有递归性，即片段可以再被分为更小的片段，形成一棵层次树。

2）语义信息描述