面向監(jiān)控場景的視頻摘要研究.pdf

1、隨著信息技術(shù)的發(fā)展，智能視頻監(jiān)控技術(shù)在社會安防中的重要性日益突出。尤其是在視頻監(jiān)控領(lǐng)域，每天都會有海量的視頻數(shù)據(jù)被拍攝記錄下來。然而，當(dāng)有案件發(fā)生需要從視頻中獲取關(guān)鍵線索時，往往需要人工瀏覽大量的視頻，耗費了大量的時間，而且效率低下。因此，如何能夠有效地將監(jiān)控視頻進(jìn)行濃縮概括，快速高效地瀏覽海量監(jiān)控視頻，是當(dāng)前社會安防領(lǐng)域亟需解決的問題。
　　近年來視頻摘要技術(shù)發(fā)展迅速，已經(jīng)被廣泛地應(yīng)用到了影視、交通、新聞等多個領(lǐng)域?；谝曨l摘要

2、的展現(xiàn)形式，目前的視頻摘要算法主要分為靜態(tài)視頻摘要和動態(tài)視頻摘要兩大類。靜態(tài)視頻摘要的優(yōu)點是它的構(gòu)建與表現(xiàn)都相對簡單，不依賴于具體場景，缺點是可能丟失信息，失去了視頻的動態(tài)特性，且存在較多的冗余信息；動態(tài)視頻摘要具有很好的流暢性和觀賞性，能夠同時去除時間冗余和空間冗余，視頻摘要的濃縮比高，而且視頻中的運動信息基本不會發(fā)生丟失，但是算法摘要結(jié)果的質(zhì)量依賴于運動目標(biāo)檢測與跟蹤的準(zhǔn)確性。在監(jiān)控場景下，視頻摘要往往是用于幫助公安人員從視頻中獲取

3、關(guān)鍵的線索信息，快速找到事件發(fā)生的時間地點以及嫌疑人員的信息。但是現(xiàn)有的視頻摘要算法只是對視頻內(nèi)容進(jìn)行概括，并不能提供某個對象的詳細(xì)信息。而且，現(xiàn)有的摘要算法并沒有充分利用對象的屬性信息，仍存在進(jìn)一步提高視頻瀏覽效率的空間。這對這些問題，本文主要做了以下幾方面的研究：
　　針對目前視頻摘要算法存在的無法全面概括總結(jié)視頻內(nèi)容的局限性，提出了一種分層次的視頻摘要方法。該方法將最終生成的視頻摘要分為兩層，即整體層的視頻摘要和對象層的視頻

4、摘要。同傳統(tǒng)方法生成的摘要一樣，整體層是從宏觀層面對視頻內(nèi)容的進(jìn)行了概括總結(jié)，用戶可以通過瀏覽該層確定是否有感興趣的對象存在當(dāng)前的視頻中；對象層的視頻摘要是對對象詳細(xì)信息的概括總結(jié)，并且以記敘文的形式展現(xiàn)，使得用戶在查看對象詳細(xì)信息時可以有良好的用戶體驗。最后，將每個層次的視頻摘要生成過程描述為能量最小化問題，并通過啟發(fā)式的搜索算法得到最優(yōu)解即最終的視頻摘要。
　　現(xiàn)有的視頻摘要算法仍可以被改進(jìn)，進(jìn)一步提高瀏覽效率。當(dāng)前的視頻摘要

5、算法并沒有對視頻中的對象屬性信息充分利用，本文對這些信息進(jìn)行了進(jìn)一步利用，提取出一些更貼合實際的信息，并將這些信息融入到最終的視頻摘要結(jié)果中以此提高瀏覽效率。為了使該部分思想更加具體和具有說服力，本文基于對象的運動軌跡提出了一種徘徊異常檢測算法。在瀏覽摘要時，瀏覽者可通過查看是否存在徘徊異常的標(biāo)志來確定當(dāng)前視頻中是否有徘徊行為。
　　針對現(xiàn)有視頻摘要系統(tǒng)存在的缺少對信息的多層次處理，以及缺少用戶交互的問題，用模塊化的封裝和接口設(shè)計

6、實現(xiàn)了一套視頻摘要系統(tǒng)，具有良好的擴(kuò)展性，而且每個模塊處理不同層次的信息，系統(tǒng)方便靈活可以根據(jù)需求及時調(diào)整。為了提高算法的時間性能，利用Nvidia的GPU硬件加速技術(shù)CUDA對本文的視頻摘要算法進(jìn)行了優(yōu)化加速。通過利用GPU強大的計算能力和對特征提取模塊的并行化計算實現(xiàn)算法的加速。
　　本文提出的分層次視頻摘要算法是面向監(jiān)控視頻的，解決了傳統(tǒng)方法不能全面概括視頻內(nèi)容的問題，同時進(jìn)一步提高了視頻的瀏覽效率。最后將算法進(jìn)行系統(tǒng)實現(xiàn)，