[发明专利]影像压缩及辨识方法及其系统

说明书

一种影像压缩及辨识方法及其系统，能够对输入影片进行对象检测，以取得三维对象轨迹组，并将三维对象轨迹组读取出一个或多个具有对象轨迹管的二维对象轨迹组，并取出对象轨迹管的无重叠状况的时间位置，来将多个连续的对象轨迹管重新摆置，以产生出一浓缩影片，而该浓缩影片还能够通过调整最长的对象轨迹管，以进而改变浓缩影片的长度，来使得视讯分析的过程中能够更加便利；另外还能够针对浓缩影片中的对象进行对象检索属性分类，以能够于过滤过程中将对应不同检索属性的对象显示于浓缩影片中。

技术领域

本发明是有关一种影像压缩及辨识方法及其系统，特别是能够依据无重叠来浓缩影像，并能够针对浓缩影片中的对象进行对象检测、对象检索与对象属性分类，以让用户能够较易搜寻与筛选对象的方法及其系统。

背景技术

目前常见的影像监控技术，大多是被动的通过监视器来进行监控，若是有需要调查，则会通过人力观看录像画面来搜寻想要辨识的与辨识目标，但这是非常费力且很容易失误的，因此若是能够将影片浓缩用于监控影片的分析将是较为容易也较快完成。

目前深度学习的技术，大多是通过卷积神经网络(Convolutional neuralnetwork)的形式部署在系统中，并通过学习训练以用来解决各种各样的问题。

因此若是能够搭配影片浓缩与深度学习来进行影像辨识，将能够于训练后的人工神经网络来为影像做特征分类，并辨识出更为正确的影像信息，并且若能够搭配特征标示与挑选的功能，将能够更有效的帮助影像监控的进行，因此本发明应为一最佳解决方案。

发明内容

本发明影像压缩及辨识方法，其步骤为：

(1)对一输入影片做背景/前景分割以及对象检测，以产生一个或多个背景图像及一个或多个三维物件轨迹组；

(2)对于所取得的三维对象轨迹组中读取出至少一个的二维对象轨迹组，其中二维对象轨迹组内具有至少一个的对象轨迹管；

(3)于二维对象轨迹组中，取出于不同时间位置有重叠发生的对象轨迹管，其中取出的对象轨迹管是由一移动中的物体所形成；

(4)进行重新排列多个连续的对象轨迹管，以生成出一无重叠的浓缩影片，另外还能够进行定义一个或多个的对象检索属性分类，用于能够将对应不同检索属性的对象显示于浓缩影片中。

更具体的说，所述对象检测是使用深度学习模型来进行对象的检测。

更具体的说，所述深度学习模型系为卷积神经网络模型或/及目标检测模型。

更具体的说，所述三维对象轨迹能够投影成x轴与y轴，并形成x-t或/及y-t的二维物件轨迹组。

更具体的说，所述能够将多个重叠的对象轨迹管合并为一个新的对象轨迹管。

更具体的说，所述浓缩影片的长度，是通过多个连续的对象轨迹管重新排列后的时间所定义。

更具体的说，所述能够将不同尺寸用于针对不同对象轨迹管进行定义该检索属性的内容，并能够依据所定义的检索属性于该浓缩影片中进行寻找或是挑选出对应于该检索属性的对象，还能够将寻找或是挑选出的对象显示(显著标示)于该浓缩影片中。

更具体的说，所述能够将不同朝向方向用于针对不同对象轨迹管进行定义该检索属性的内容，并能够依据所定义的检索属性于该浓缩影片中进行寻找或是挑选出对应于该检索属性的对象，还能够将寻找或是挑选出的对象显示(显著标示)于该浓缩影片中。

更具体的说，所述能够将不同颜色用于针对不同对象轨迹管进行定义该检索属性的内容，并能够依据所定义的检索属性于该浓缩影片中进行寻找或是挑选出对应于该检索属性的对象，还能够将寻找或是挑选出的对象显示(显著标示)于该浓缩影片中。