一種基于多視頻碰撞的運動目標檢索方法和系統(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動目標檢索方法及系統(tǒng)，其方法包括以下步驟：S1、對參與碰撞的每一個視頻分別都提取運動目標快照；S2、對每一個視頻的運動目標快照都提取其特征值；S3、參與碰撞的視頻之間兩兩進行碰撞，得出滿足相似度要求的運動目標快照，并組成目標匹配對序列；S4、對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標。能夠快速、高效地找出兩個視頻中相同的運動目標，效率提升非常明顯。
【專利說明】
一種基于多視頻碰撞的運動目標檢索方法和系統(tǒng)
技術領域
[0001]本發(fā)明涉及視頻偵查領域，更具體的說，是涉及一種基于多視頻碰撞的運動目標檢索方法及系統(tǒng)。
【背景技術】
[0002]運動目標，包括人、車、物，是監(jiān)控視頻中的核心信息。而尋找在兩個視頻中出現(xiàn)的相同運動目標，對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，非常費時費力，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動目標的快照的技術及應用軟件，但是每一個視頻中經(jīng)常可能有數(shù)千個快照，在沒有先驗條件的情況下，要在多個視頻中找相同的運動目標，還是一件非常棘手的事情。

【發(fā)明內(nèi)容】

[0004]有鑒于此，有必要針對上述問題，提供一種基于多視頻碰撞的運動目標檢索方法及系統(tǒng)，能夠快速、高效地找出兩個視頻中相同的運動目標，效率提升非常明顯。
[0005]為了實現(xiàn)上述目的，本發(fā)明的技術方案如下:
[0006]—種基于多視頻碰撞的運動目標檢索方法，包括以下步驟:
[0007]S1、對參與碰撞的每一個視頻分別都提取運動目標快照；
[0008]S2、對每一個視頻的運動目標快照都提取其特征值；
[0009]S3、參與碰撞的視頻之間兩兩進行碰撞，得出滿足相似度要求的運動目標快照，并組成目標匹配對序列；
[0010]S4、對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標。
[0011 ]作為優(yōu)選的，所述步驟S3具體包括:
[0012]S301、計算兩個視頻運動目標快照的特征向量，所述每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離；
[0013]S302、將運動目標匹配對的特征向量的歐式距離轉換為[0，I]之間相似度值；
[0014]S303、設定合適的相似度閾值，過濾排除相似度小于閾值的運動目標匹配對；
[0015]S304、對過濾后的運動目標匹配對進行降序排列，并輸出排序結果。
[0016]作為優(yōu)選的，所述每兩個視頻的運動目標快照進行兩兩匹配，將其中一個視頻中的每個運動目標快照分別與另一個視頻中的每個運動目標快照進行匹配，計算器目標特征向量的歐氏距離，共有M*N個目標匹配對，其中M、N分別為兩個視頻對應的運動目標快照數(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，對相似度大于0.65的運動目標對進降序排列，并進行輸出。
[0019]—種基于多視頻碰撞的運動目標檢索系統(tǒng)，包括視頻采集模塊、特征提取模塊、碰撞配對模塊、數(shù)據(jù)服務器；
[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參與碰撞的視頻分別提取運動目標快照，并提取運動目標快照的特征值；
[0022]所述碰撞配對模塊用于對視頻進行兩兩碰撞，并提取滿足相似度要求的運動目標快照，組成目標匹配對序列；
[0023]所述數(shù)據(jù)服務器用于對所有目標匹配對序列進行分析，檢索得到出現(xiàn)在參與碰撞視頻中出現(xiàn)的相同運動目標。
[0024]作為優(yōu)選的，還包括一數(shù)據(jù)存儲模塊，用與存儲接收到的視頻數(shù)據(jù)以及檢索結果。
[0025]作為優(yōu)選的，所述碰撞配對模塊通過對每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離，將歐式距離轉換為[O，I ]之間相似度值并進行篩選排序，最終組成目標匹配對序列。
[0026]作為優(yōu)選的，所述碰撞配對模塊還包括對設定合適的閾值，排除相似度小于閾值的運動目標匹配對，對過濾后的運動目標匹配對對進行降序排列。
[0027]作為優(yōu)選的，所述閾值設定為0.65。
[0028]與現(xiàn)有技術相比，本發(fā)明的有益效果在于:本發(fā)明通過對述每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離，將歐式距離轉換為相似度值并進行篩選排序，最終組成目標匹配對序列，對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標，能夠快速、高效地找出兩個視頻中相同的運動目標，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)結構框圖。
【具體實施方式】
[0032]下面結合附圖和實施例對本發(fā)明所述的一種基于多視頻碰撞的運動目標檢索方法及系統(tǒng)作進一步說明。
[0033]以下是本發(fā)明所述的一種基于多視頻碰撞的運動目標檢索方法及系統(tǒng)的最佳實例，并不因此限定本發(fā)明的保護范圍。
[0034]—種基于多視頻碰撞的運動目標檢索方法，包括以下步驟:
[0035]S1、對參與碰撞的每一個視頻分別都提取運動目標快照；
[0036]S2、對每一個視頻的運動目標快照都提取其特征值；
[0037]S3、參與碰撞的視頻之間兩兩進行碰撞，得出滿足相似度要求的運動目標快照，并組成目標匹配對序列；
[0038]S4、對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標。
[0039]作為優(yōu)選的，所述步驟S3具體包括:
[0040]S301、計算兩個視頻運動目標快照的特征向量，所述每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離；
[0041]S302、將運動目標匹配對的特征向量的歐式距離轉換為[0，I]之間相似度值；
[0042]S303、設定合適的相似度閾值，過濾排除相似度小于閾值的運動目標匹配對；
[0043]S304、對過濾后的運動目標匹配對進行降序排列，并輸出排序結果。
[0044]作為優(yōu)選的，所述每兩個視頻的運動目標快照進行兩兩匹配，將其中一個視頻中的每個運動目標快照分別與另一個視頻中的每個運動目標快照進行匹配，計算器目標特征向量的歐氏距離，共有M*N個目標匹配對，其中M、N分別為兩個視頻對應的運動目標快照數(shù)。
[0045]假設有3個視頻參與碰撞分析，則分別讓視頻I與視頻2進行碰撞，處理并得出一組目標匹配對序列;視頻2與視頻3進行碰撞，處理并得出一組目標匹配序列;視頻3與視頻I進行碰撞，處理并得出一組目標匹配對序列。
[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)?？梢缘贸鲞\動目標對的相似度值。
[0047]作為優(yōu)選的，所述相似度閾值為0.65，對相似度大于0.65的運動目標對進降序排列，并進行輸出。
[0048]對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標，具體包括:
[0049]假設視頻I與視頻2的目標匹配對序列中有目標匹配對[10，20]，即視頻I中的第10個目標快照與視頻2中的第20個快照相似度較高；同時視頻2與視頻3的目標匹配序列對中有目標匹配對[20，15];視頻I與視頻3的目標匹配對序列中有目標匹配對[10，15]，則可以判定[10，20，15]對相似度較高的目標匹配對，即視頻I中的第10個目標快照、視頻2中的第20個目標快照、視頻3中的第15個目標快照的相似度較高，可能為相同目標。
[0050]一種基于多視頻碰撞的運動目標檢索系統(tǒng)，包括視頻采集模塊、特征提取模塊、碰撞配對模塊、數(shù)據(jù)服務器；
[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參與碰撞的視頻分別提取運動目標快照，并提取運動目標快照的特征值；
[0053]所述碰撞配對模塊用于對視頻進行兩兩碰撞，并提取滿足相似度要求的運動目標快照，組成目標匹配對序列；
[0054]所述數(shù)據(jù)服務器用于對所有目標匹配對序列進行分析，檢索得到出現(xiàn)在參與碰撞視頻中出現(xiàn)的相同運動目標。
[0055]作為優(yōu)選的，還包括一數(shù)據(jù)存儲模塊，用與存儲接收到的視頻數(shù)據(jù)以及檢索結果。
[0056]作為優(yōu)選的，所述碰撞配對模塊通過對每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離，將歐式距離轉換為[O，I ]之間相似度值并進行篩選排序，最終組成目標匹配對序列。
[0057]作為優(yōu)選的，所述碰撞配對模塊還包括對設定合適的閾值，排除相似度小于閾值的運動目標匹配對，對過濾后的運動目標匹配對對進行降序排列。
[0058]作為優(yōu)選的，所述閾值設定為0.65。對相似度大于0.65的運動目標對進行降序排序，并進行輸出，有利于用戶較方便快速的找到相似目標，從而可以排除大量的不相同的運動目標匹配對，有效的減少了存儲、排序的耗時。
[0059]終上所述，本發(fā)明通過對述每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離，將歐式距離轉換為相似度值并進行篩選排序，最終組成目標匹配對序列，對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標，能夠快速、高效地找出兩個視頻中相同的運動目標，效率提升非常明顯。
[0060]以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發(fā)明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應以所附權利要求為準。
【主權項】
1.一種基于多視頻碰撞的運動目標檢索方法，其特征在于，包括以下步驟: 51、對參與碰撞的每一個視頻分別都提取運動目標快照； 52、對每一個視頻的運動目標快照都提取其特征值； 53、參與碰撞的視頻之間兩兩進行碰撞，得出滿足相似度要求的運動目標快照，并組成目標匹配對序列； 54、對所有的目標匹配對序列進行分析，最終檢索出在參與碰撞視頻中出現(xiàn)的相同運動目標。2.根據(jù)權利要求1所述的基于多視頻碰撞的運動目標檢索方法，其特征在于，所述步驟S3具體包括: 5301、計算兩個視頻運動目標快照的特征向量，所述每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離； 5302、將運動目標匹配對的特征向量的歐式距離轉換為[O，I]之間相似度值； 5303、設定合適的相似度閾值，過濾排除相似度小于閾值的運動目標匹配對； 5304、對過濾后的運動目標匹配對進行降序排列，并輸出排序結果。3.根據(jù)權利要求2所述的基于多視頻碰撞的運動目標檢索方法，其特征在于，所述每兩個視頻的運動目標快照進行兩兩匹配，將其中一個視頻中的每個運動目標快照分別與另一個視頻中的每個運動目標快照進行匹配，計算器目標特征向量的歐氏距離，共有M*N個目標匹配對，其中M、N分別為兩個視頻對應的運動目標快照數(shù)。4.根據(jù)權利要求2所述的基于多視頻碰撞的運動目標檢索方法，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)權利要求2所述的基于多視頻碰撞的運動目標檢索方法，其特征在于，所述相似度閾值為0.65，對相似度大于0.65的運動目標對進降序排列，并進行輸出。6.—種基于多視頻碰撞的運動目標檢索系統(tǒng)，其特征在于，包括視頻采集模塊、特征提取模塊、碰撞配對模塊、數(shù)據(jù)服務器； 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參與碰撞的視頻分別提取運動目標快照，并提取運動目標快照的特征值； 所述碰撞配對模塊用于對視頻進行兩兩碰撞，并提取滿足相似度要求的運動目標快照，組成目標匹配對序列； 所述數(shù)據(jù)服務器用于對所有目標匹配對序列進行分析，檢索得到出現(xiàn)在參與碰撞視頻中出現(xiàn)的相同運動目標。7.根據(jù)權利要求6所述的基于多視頻碰撞的運動目標檢索系統(tǒng)，其特征在于，還包括一數(shù)據(jù)存儲模塊，用與存儲接收到的視頻數(shù)據(jù)以及檢索結果。8.根據(jù)權利要求6所述的基于多視頻碰撞的運動目標檢索系統(tǒng)，其特征在于，所述碰撞配對模塊通過對每兩個視頻的運動目標快照進行兩兩匹配，形成運動目標匹配對，計算運動目標匹配對的特征向量間的歐氏距離，將歐式距離轉換為[O，I]之間相似度值并進行篩選排序，最終組成目標匹配對序列。9.根據(jù)權利要求8所述的基于多視頻碰撞的運動目標檢索系統(tǒng)，其特征在于，所述碰撞配對模塊還包括對設定合適的閾值，排除相似度小于閾值的運動目標匹配對，對過濾后的運動目標匹配對對進行降序排列。10.根據(jù)權利要求9所述的基于多視頻碰撞的運動目標檢索系統(tǒng)，其特征在于，所述閾值設定為0.65。
【文檔編號】G06T7/00GK105894541SQ201610239606
【公開日】2016年8月24日
【申請日】2016年4月18日
【發(fā)明人】陳洪, 張仁輝, 田丹丹, 陸輝
【申請人】武漢烽火眾智數(shù)字技術有限責任公司