[发明专利]监控视频关键帧评价方法

权利要求书

1.一种监控视频关键帧评价方法，其特征在于包括如下步骤：

利用运动目标检测和追踪，提取出视频序列中目标的运动轨迹，形成目标的原运动轨迹集；

对视频序列进行处理，提取出视频序列中的关键帧，根据提取关键帧的目标运动轨迹，利用线性插值算法，重构目标的运动轨迹集；

将原运动轨迹集与重构后的运动轨迹集进行对比，重合度越高表明关键帧提取方法捕捉目标运动状态变化的能力越强，相反则越弱。

2.如权利要求1所述的监控视频关键帧评价方法，其特征在于：目标的原运动轨迹集通过如下方法获取：

计算视频序列中运动目标的中心点的像素位置，然后按照视频序列的顺序依次连接形成目标运动轨迹曲线。

3.如权利要求1所述的监控视频关键帧评价方法，其特征在于：原运动轨迹集如下：

首先对输入的N帧监控视频序列，进行运动目标检测和目标跟踪提取目标的运动轨迹，其运动轨迹集表示为：

T＝{P(t+nΔt),n＝1,2,...,N}

式中，T表示N帧监控视频目标运动轨迹集，P(t+nΔt)表示得到的第n帧视频序列的运动轨迹，t表示时间，Δt表示每帧的时间间隔。

4.如权利要求1所述的监控视频关键帧评价方法，其特征在于：重构目标运动轨迹集的方法如下：

监控视频序列通过关键帧提取算法α，提取出的β帧关键帧的运动轨迹集可以表示为：

βT＝{P(t+n_β(α)Δt),β＝1,2,...,R}

式中，βT表示提取关键帧的运动轨迹集，α表示某种关键帧提取算法，t表示时间，Δt表示每帧的时间间隔，设公式中n_β(α)≤n＜n_β+1(α)，故在P(t+n_β(α)Δt)和P(t+n_β+1(α)Δt)的基础上，通过线性插值算法可以得到P(t+nΔt)的运动轨迹集可以表示为：

P^*(t+nΔt，α)＝PLI(P(t+n_β(α)Δt)：P(t+n_β+1(α)Δt))

式中，PLI表示点线性插值算法，P^*(t+nΔt，α)表示通过线性插值算法得到的第n帧的运动轨迹。