一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法及系統(tǒng)，其方法包括以下步驟：S1、對(duì)參與碰撞的每一個(gè)視頻分別都提取運(yùn)動(dòng)目標(biāo)快照；S2、對(duì)每一個(gè)視頻的運(yùn)動(dòng)目標(biāo)快照都提取其特征值；S3、參與碰撞的視頻之間兩兩進(jìn)行碰撞，得出滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，并組成目標(biāo)匹配對(duì)序列；S4、對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。能夠快速、高效地找出兩個(gè)視頻中相同的運(yùn)動(dòng)目標(biāo)，效率提升非常明顯。
【專利說明】
一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法和系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及視頻偵查領(lǐng)域，更具體的說，是涉及一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法及系統(tǒng)。
【背景技術(shù)】
[0002]運(yùn)動(dòng)目標(biāo)，包括人、車、物，是監(jiān)控視頻中的核心信息。而尋找在兩個(gè)視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)，對(duì)于案件偵破意義重大，有利于快速鎖定嫌疑人；
[0003]而目前這一工作一直是靠人工完成，非常費(fèi)時(shí)費(fèi)力，而且效率不高，容易漏掉重要信息，是制約案件快速偵破的重要阻礙因素。雖然已有提取視頻中運(yùn)動(dòng)目標(biāo)的快照的技術(shù)及應(yīng)用軟件，但是每一個(gè)視頻中經(jīng)?？赡苡袛?shù)千個(gè)快照，在沒有先驗(yàn)條件的情況下，要在多個(gè)視頻中找相同的運(yùn)動(dòng)目標(biāo)，還是一件非常棘手的事情。

【發(fā)明內(nèi)容】

[0004]有鑒于此，有必要針對(duì)上述問題，提供一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法及系統(tǒng)，能夠快速、高效地找出兩個(gè)視頻中相同的運(yùn)動(dòng)目標(biāo)，效率提升非常明顯。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下:
[0006]—種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，包括以下步驟:
[0007]S1、對(duì)參與碰撞的每一個(gè)視頻分別都提取運(yùn)動(dòng)目標(biāo)快照；
[0008]S2、對(duì)每一個(gè)視頻的運(yùn)動(dòng)目標(biāo)快照都提取其特征值；
[0009]S3、參與碰撞的視頻之間兩兩進(jìn)行碰撞，得出滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，并組成目標(biāo)匹配對(duì)序列；
[0010]S4、對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。
[0011 ]作為優(yōu)選的，所述步驟S3具體包括:
[0012]S301、計(jì)算兩個(gè)視頻運(yùn)動(dòng)目標(biāo)快照的特征向量，所述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離；
[0013]S302、將運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量的歐式距離轉(zhuǎn)換為[0，I]之間相似度值；
[0014]S303、設(shè)定合適的相似度閾值，過濾排除相似度小于閾值的運(yùn)動(dòng)目標(biāo)匹配對(duì)；
[0015]S304、對(duì)過濾后的運(yùn)動(dòng)目標(biāo)匹配對(duì)進(jìn)行降序排列，并輸出排序結(jié)果。
[0016]作為優(yōu)選的，所述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，將其中一個(gè)視頻中的每個(gè)運(yùn)動(dòng)目標(biāo)快照分別與另一個(gè)視頻中的每個(gè)運(yùn)動(dòng)目標(biāo)快照進(jìn)行匹配，計(jì)算器目標(biāo)特征向量的歐氏距離，共有M*N個(gè)目標(biāo)匹配對(duì)，其中M、N分別為兩個(gè)視頻對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)快照數(shù)。
[0017]作為優(yōu)選的，所述步驟S302中，相似度值=(1-特征向量歐式距離/固定值)。
[0018]作為優(yōu)選的，所述相似度閾值為0.65，對(duì)相似度大于0.65的運(yùn)動(dòng)目標(biāo)對(duì)進(jìn)降序排列，并進(jìn)行輸出。
[0019]—種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，包括視頻采集模塊、特征提取模塊、碰撞配對(duì)模塊、數(shù)據(jù)服務(wù)器；
[0020]所述視頻采集模塊用于接收采集參與碰撞的視頻；
[0021 ]所述特征提取模塊用于對(duì)參與碰撞的視頻分別提取運(yùn)動(dòng)目標(biāo)快照，并提取運(yùn)動(dòng)目標(biāo)快照的特征值；
[0022]所述碰撞配對(duì)模塊用于對(duì)視頻進(jìn)行兩兩碰撞，并提取滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，組成目標(biāo)匹配對(duì)序列；
[0023]所述數(shù)據(jù)服務(wù)器用于對(duì)所有目標(biāo)匹配對(duì)序列進(jìn)行分析，檢索得到出現(xiàn)在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。
[0024]作為優(yōu)選的，還包括一數(shù)據(jù)存儲(chǔ)模塊，用與存儲(chǔ)接收到的視頻數(shù)據(jù)以及檢索結(jié)果。
[0025]作為優(yōu)選的，所述碰撞配對(duì)模塊通過對(duì)每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離，將歐式距離轉(zhuǎn)換為[O，I ]之間相似度值并進(jìn)行篩選排序，最終組成目標(biāo)匹配對(duì)序列。
[0026]作為優(yōu)選的，所述碰撞配對(duì)模塊還包括對(duì)設(shè)定合適的閾值，排除相似度小于閾值的運(yùn)動(dòng)目標(biāo)匹配對(duì)，對(duì)過濾后的運(yùn)動(dòng)目標(biāo)匹配對(duì)對(duì)進(jìn)行降序排列。
[0027]作為優(yōu)選的，所述閾值設(shè)定為0.65。
[0028]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于:本發(fā)明通過對(duì)述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離，將歐式距離轉(zhuǎn)換為相似度值并進(jìn)行篩選排序，最終組成目標(biāo)匹配對(duì)序列，對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)，能夠快速、高效地找出兩個(gè)視頻中相同的運(yùn)動(dòng)目標(biāo)，效率提升非常明顯。
【附圖說明】
[0029]圖1為本發(fā)明的方法流程圖；
[0030]圖2為本發(fā)明方法中步驟S3的具體流程圖；
[0031]圖3是本發(fā)明的系統(tǒng)結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0032]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明所述的一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法及系統(tǒng)作進(jìn)一步說明。
[0033]以下是本發(fā)明所述的一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法及系統(tǒng)的最佳實(shí)例，并不因此限定本發(fā)明的保護(hù)范圍。
[0034]—種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，包括以下步驟:
[0035]S1、對(duì)參與碰撞的每一個(gè)視頻分別都提取運(yùn)動(dòng)目標(biāo)快照；
[0036]S2、對(duì)每一個(gè)視頻的運(yùn)動(dòng)目標(biāo)快照都提取其特征值；
[0037]S3、參與碰撞的視頻之間兩兩進(jìn)行碰撞，得出滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，并組成目標(biāo)匹配對(duì)序列；
[0038]S4、對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。
[0039]作為優(yōu)選的，所述步驟S3具體包括:
[0040]S301、計(jì)算兩個(gè)視頻運(yùn)動(dòng)目標(biāo)快照的特征向量，所述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離；
[0041]S302、將運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量的歐式距離轉(zhuǎn)換為[0，I]之間相似度值；
[0042]S303、設(shè)定合適的相似度閾值，過濾排除相似度小于閾值的運(yùn)動(dòng)目標(biāo)匹配對(duì)；
[0043]S304、對(duì)過濾后的運(yùn)動(dòng)目標(biāo)匹配對(duì)進(jìn)行降序排列，并輸出排序結(jié)果。
[0044]作為優(yōu)選的，所述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，將其中一個(gè)視頻中的每個(gè)運(yùn)動(dòng)目標(biāo)快照分別與另一個(gè)視頻中的每個(gè)運(yùn)動(dòng)目標(biāo)快照進(jìn)行匹配，計(jì)算器目標(biāo)特征向量的歐氏距離，共有M*N個(gè)目標(biāo)匹配對(duì)，其中M、N分別為兩個(gè)視頻對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)快照數(shù)。
[0045]假設(shè)有3個(gè)視頻參與碰撞分析，則分別讓視頻I與視頻2進(jìn)行碰撞，處理并得出一組目標(biāo)匹配對(duì)序列;視頻2與視頻3進(jìn)行碰撞，處理并得出一組目標(biāo)匹配序列;視頻3與視頻I進(jìn)行碰撞，處理并得出一組目標(biāo)匹配對(duì)序列。
[0046]作為優(yōu)選的，所述步驟S302中，相似度值=(1-特征向量歐式距離/固定值)。可以得出運(yùn)動(dòng)目標(biāo)對(duì)的相似度值。
[0047]作為優(yōu)選的，所述相似度閾值為0.65，對(duì)相似度大于0.65的運(yùn)動(dòng)目標(biāo)對(duì)進(jìn)降序排列，并進(jìn)行輸出。
[0048]對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)，具體包括:
[0049]假設(shè)視頻I與視頻2的目標(biāo)匹配對(duì)序列中有目標(biāo)匹配對(duì)[10，20]，即視頻I中的第10個(gè)目標(biāo)快照與視頻2中的第20個(gè)快照相似度較高；同時(shí)視頻2與視頻3的目標(biāo)匹配序列對(duì)中有目標(biāo)匹配對(duì)[20，15];視頻I與視頻3的目標(biāo)匹配對(duì)序列中有目標(biāo)匹配對(duì)[10，15]，則可以判定[10，20，15]對(duì)相似度較高的目標(biāo)匹配對(duì)，即視頻I中的第10個(gè)目標(biāo)快照、視頻2中的第20個(gè)目標(biāo)快照、視頻3中的第15個(gè)目標(biāo)快照的相似度較高，可能為相同目標(biāo)。
[0050]一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，包括視頻采集模塊、特征提取模塊、碰撞配對(duì)模塊、數(shù)據(jù)服務(wù)器；
[0051 ]所述視頻采集模塊用于接收采集參與碰撞的視頻；
[0052]所述特征提取模塊用于對(duì)參與碰撞的視頻分別提取運(yùn)動(dòng)目標(biāo)快照，并提取運(yùn)動(dòng)目標(biāo)快照的特征值；
[0053]所述碰撞配對(duì)模塊用于對(duì)視頻進(jìn)行兩兩碰撞，并提取滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，組成目標(biāo)匹配對(duì)序列；
[0054]所述數(shù)據(jù)服務(wù)器用于對(duì)所有目標(biāo)匹配對(duì)序列進(jìn)行分析，檢索得到出現(xiàn)在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。
[0055]作為優(yōu)選的，還包括一數(shù)據(jù)存儲(chǔ)模塊，用與存儲(chǔ)接收到的視頻數(shù)據(jù)以及檢索結(jié)果。
[0056]作為優(yōu)選的，所述碰撞配對(duì)模塊通過對(duì)每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離，將歐式距離轉(zhuǎn)換為[O，I ]之間相似度值并進(jìn)行篩選排序，最終組成目標(biāo)匹配對(duì)序列。
[0057]作為優(yōu)選的，所述碰撞配對(duì)模塊還包括對(duì)設(shè)定合適的閾值，排除相似度小于閾值的運(yùn)動(dòng)目標(biāo)匹配對(duì)，對(duì)過濾后的運(yùn)動(dòng)目標(biāo)匹配對(duì)對(duì)進(jìn)行降序排列。
[0058]作為優(yōu)選的，所述閾值設(shè)定為0.65。對(duì)相似度大于0.65的運(yùn)動(dòng)目標(biāo)對(duì)進(jìn)行降序排序，并進(jìn)行輸出，有利于用戶較方便快速的找到相似目標(biāo)，從而可以排除大量的不相同的運(yùn)動(dòng)目標(biāo)匹配對(duì)，有效的減少了存儲(chǔ)、排序的耗時(shí)。
[0059]終上所述，本發(fā)明通過對(duì)述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離，將歐式距離轉(zhuǎn)換為相似度值并進(jìn)行篩選排序，最終組成目標(biāo)匹配對(duì)序列，對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)，能夠快速、高效地找出兩個(gè)視頻中相同的運(yùn)動(dòng)目標(biāo)，效率提升非常明顯。
[0060]以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【主權(quán)項(xiàng)】
1.一種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，其特征在于，包括以下步驟: 51、對(duì)參與碰撞的每一個(gè)視頻分別都提取運(yùn)動(dòng)目標(biāo)快照； 52、對(duì)每一個(gè)視頻的運(yùn)動(dòng)目標(biāo)快照都提取其特征值； 53、參與碰撞的視頻之間兩兩進(jìn)行碰撞，得出滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，并組成目標(biāo)匹配對(duì)序列； 54、對(duì)所有的目標(biāo)匹配對(duì)序列進(jìn)行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。2.根據(jù)權(quán)利要求1所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，其特征在于，所述步驟S3具體包括: 5301、計(jì)算兩個(gè)視頻運(yùn)動(dòng)目標(biāo)快照的特征向量，所述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離； 5302、將運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量的歐式距離轉(zhuǎn)換為[O，I]之間相似度值； 5303、設(shè)定合適的相似度閾值，過濾排除相似度小于閾值的運(yùn)動(dòng)目標(biāo)匹配對(duì)； 5304、對(duì)過濾后的運(yùn)動(dòng)目標(biāo)匹配對(duì)進(jìn)行降序排列，并輸出排序結(jié)果。3.根據(jù)權(quán)利要求2所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，其特征在于，所述每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，將其中一個(gè)視頻中的每個(gè)運(yùn)動(dòng)目標(biāo)快照分別與另一個(gè)視頻中的每個(gè)運(yùn)動(dòng)目標(biāo)快照進(jìn)行匹配，計(jì)算器目標(biāo)特征向量的歐氏距離，共有M*N個(gè)目標(biāo)匹配對(duì)，其中M、N分別為兩個(gè)視頻對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)快照數(shù)。4.根據(jù)權(quán)利要求2所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，其特征在于，所述步驟S302中，相似度值=(1-特征向量歐式距尚/固定值)。5.根據(jù)權(quán)利要求2所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索方法，其特征在于，所述相似度閾值為0.65，對(duì)相似度大于0.65的運(yùn)動(dòng)目標(biāo)對(duì)進(jìn)降序排列，并進(jìn)行輸出。6.—種基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，其特征在于，包括視頻采集模塊、特征提取模塊、碰撞配對(duì)模塊、數(shù)據(jù)服務(wù)器； 所述視頻采集模塊用于接收采集參與碰撞的視頻； 所述特征提取模塊用于對(duì)參與碰撞的視頻分別提取運(yùn)動(dòng)目標(biāo)快照，并提取運(yùn)動(dòng)目標(biāo)快照的特征值； 所述碰撞配對(duì)模塊用于對(duì)視頻進(jìn)行兩兩碰撞，并提取滿足相似度要求的運(yùn)動(dòng)目標(biāo)快照，組成目標(biāo)匹配對(duì)序列； 所述數(shù)據(jù)服務(wù)器用于對(duì)所有目標(biāo)匹配對(duì)序列進(jìn)行分析，檢索得到出現(xiàn)在參與碰撞視頻中出現(xiàn)的相同運(yùn)動(dòng)目標(biāo)。7.根據(jù)權(quán)利要求6所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，其特征在于，還包括一數(shù)據(jù)存儲(chǔ)模塊，用與存儲(chǔ)接收到的視頻數(shù)據(jù)以及檢索結(jié)果。8.根據(jù)權(quán)利要求6所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，其特征在于，所述碰撞配對(duì)模塊通過對(duì)每?jī)蓚€(gè)視頻的運(yùn)動(dòng)目標(biāo)快照進(jìn)行兩兩匹配，形成運(yùn)動(dòng)目標(biāo)匹配對(duì)，計(jì)算運(yùn)動(dòng)目標(biāo)匹配對(duì)的特征向量間的歐氏距離，將歐式距離轉(zhuǎn)換為[O，I]之間相似度值并進(jìn)行篩選排序，最終組成目標(biāo)匹配對(duì)序列。9.根據(jù)權(quán)利要求8所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，其特征在于，所述碰撞配對(duì)模塊還包括對(duì)設(shè)定合適的閾值，排除相似度小于閾值的運(yùn)動(dòng)目標(biāo)匹配對(duì)，對(duì)過濾后的運(yùn)動(dòng)目標(biāo)匹配對(duì)對(duì)進(jìn)行降序排列。10.根據(jù)權(quán)利要求9所述的基于多視頻碰撞的運(yùn)動(dòng)目標(biāo)檢索系統(tǒng)，其特征在于，所述閾值設(shè)定為0.65。
【文檔編號(hào)】G06T7/00GK105894541SQ201610239606
【公開日】2016年8月24日
【申請(qǐng)日】2016年4月18日
【發(fā)明人】陳洪, 張仁輝, 田丹丹, 陸輝
【申請(qǐng)人】武漢烽火眾智數(shù)字技術(shù)有限責(zé)任公司