[发明专利]一种用于监控系统视频的关键帧提取方法及其系统

说明书

技术领域

本发明涉及智能视频监控领域，特别是一种用于监控系统视频的关键帧提取方法及其系统。

背景技术

随着数字视频处理技术的发展和社会安全意识的提高，监控设备广泛应用于各行各业，这样便产生了海量的监控视频数据，使视频的存储，检索和浏览等操作变得复杂而耗时。因此如何在海量的监控视频信息中快速有效地存储和浏览有用信息，对现今监控视频有着重要的意义。为了快速浏览以及高效利用这些监控数据，关键帧提取技术就显得尤为重要。

关键帧是能够代表视频序列的主要内容的有限的视频帧子集。近年，针对不同的应用目的，关键帧提取技术已有初步发展。出现了使用广义高斯密度特征向量之间的相对熵（KLD）进行镜头聚类边界的选取，进而基于相似性和相异性标准提取关键帧。也有基于视觉注意模型的视觉注意度（AVI）描述来提取关键帧、镜头边界检测与在镜头内提取关键帧 、“增强三维关键帧”来浓缩监控视频片断有意义的内容信息等不同方法提取关键帧。然而，以上的关键帧提取方法具有算法复杂、计算量大的问题，而且，它们都是以计算视频中所有帧序列的方式来提取关键帧，可是现实监控视频中可能会含有大量的纯背景帧，从而并不能针对性地提取人们想查看的仅包含运动目标的视频片断，提取关键帧难度大。

因此，需要一种监控系统视频的关键帧提取方法以及设备，来实现以简单的算法从海量监控视频中提取仅含运动目标的关键帧。

发明内容

本发明的目的在于针对上述现有技术存在的问题，对视频监控提出一种基于运动目标检测的关键帧提取方法及其设备，以克服现有技术的缺陷。

根据本发明的一个方面，提供了一种用于监控系统视频的关键帧提取方法，所述方法包括如下步骤：a) 利用背景差分法提取视频中含有运动对象的关键帧序列；b) 基于联合直方图计算所述关键帧序列中相邻两帧的相似度，并提取相似性小于阈值的关键帧，将其加入关键帧集合中；c) 判断所述关键帧集合中相邻两个关键帧的标号是否小于一定间隔，若是则删除其中信息熵小的关键帧，更新所述关键帧集合。

优选地，在步骤a中，所述背景差分法中使用具有两个高斯模型的高斯混合背景模型来建立背景模型。

优选地，在步骤a中通过检测变化像素，来检测帧中是否有运动对象。

优选地，在步骤a中，在所述高斯混合背景模型中，若某一象素当前强度值为                                                ，则该象素属于两个背景模型的概率计算公式如下式：

   (1)

其中分别表示所述两个高斯模型公式，和分别是在时刻的所述两个高斯模型的协方差和均值。

优选地，在步骤a中，在进行检测所述变化像素时还进行邻域像素模型符合性检测。

优选地，检测所述变化像素的方法如下，将当前待处理帧的每个像素的强度值与其对应的两个背景像素模型的均值做差处理，若差值大于设定的阈值即判定为所述变化像素。

优选地，在所述高斯混合模型模型H_k中，计算所述每个当前待处理帧的像素是否是所述变化像素的计算公式如下：

      (2)       

其中为系数常量。

优选地，计算所述每个当前待处理帧的像素是否是所述变化像素的计算公式如下：

(3)

优选地，在步骤a中，对于因背景变化而在前景中形成的很多小尺寸的像素块，通过尺寸滤波对其加以消除，来降低监控系统背景模型的错误。

优选地，步骤b还包括如下步骤：b1)将所述关键帧序列中的首个关键帧作为当前关键帧；b2)将所述当前关键帧放入关键帧集合中；b3)从所述关键帧序列中取出下一帧作为比较关键帧；b4)对所述当前关键帧与所述比较关键帧的相似性进行计算；b5)判断相似性是否小于第二阈值，是则进入步骤b6；否则进入步骤b7；b6)将所述比较关键帧作为所述当前关键帧，并将其加入所述关键帧集合中；b7)检测所述比较关键帧是否为所述关键帧序列中的最后一帧，是则结束，所述关键帧集合即为经过初步精确后的所述关键帧序列；否则返回步骤b3继续处理。

优选地，在步骤b4中，计算所述关键帧之间的相似性的方法是基于联合直方图的关键帧提取方法，所述方法根据联合直方图的对称性来判定图像的相似程度。

优选地，对于大小同为的两幅图像、，对应的像素值对的联合概率表示为：

  (4)   

其中，。

优选地，所述联合直方图的对称性定义为：