CN105894541A - 一种基于多视频碰撞的运动目标检索方法和*** - Google Patents
一种基于多视频碰撞的运动目标检索方法和*** Download PDFInfo
- Publication number
- CN105894541A CN105894541A CN201610239606.XA CN201610239606A CN105894541A CN 105894541 A CN105894541 A CN 105894541A CN 201610239606 A CN201610239606 A CN 201610239606A CN 105894541 A CN105894541 A CN 105894541A
- Authority
- CN
- China
- Prior art keywords
- moving target
- video
- snapshot
- similarity
- collision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于多视频碰撞的运动目标检索方法及***，其方法包括以下步骤：S1、对参与碰撞的每一个视频分别都提取运动目标快照；S2、对每一个视频的运动目标快照都提取其特征值；S3、参与碰撞的视频之间两两进行碰撞，得出满足相似度要求的运动目标快照，并组成目标匹配对序列；S4、对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标。能够快速、高效地找出两个视频中相同的运动目标，效率提升非常明显。
Description
技术领域
本发明涉及视频侦查领域，更具体的说，是涉及一种基于多视频碰撞的运动目标检索方法及***。
背景技术
运动目标，包括人、车、物，是监控视频中的核心信息。而寻找在两个视频中出现的相同运动目标，对于案件侦破意义重大，有利于快速锁定嫌疑人；
而目前这一工作一直是靠人工完成，非常费时费力，而且效率不高，容易漏掉重要信息，是制约案件快速侦破的重要阻碍因素。虽然已有提取视频中运动目标的快照的技术及应用软件，但是每一个视频中经常可能有数千个快照，在没有先验条件的情况下，要在多个视频中找相同的运动目标，还是一件非常棘手的事情。
发明内容
有鉴于此，有必要针对上述问题，提供一种基于多视频碰撞的运动目标检索方法及***，能够快速、高效地找出两个视频中相同的运动目标，效率提升非常明显。
为了实现上述目的，本发明的技术方案如下：
一种基于多视频碰撞的运动目标检索方法，包括以下步骤：
S1、对参与碰撞的每一个视频分别都提取运动目标快照；
S2、对每一个视频的运动目标快照都提取其特征值；
S3、参与碰撞的视频之间两两进行碰撞，得出满足相似度要求的运动目标 快照，并组成目标匹配对序列；
S4、对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标。
作为优选的，所述步骤S3具体包括：
S301、计算两个视频运动目标快照的特征向量，所述每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离；
S302、将运动目标匹配对的特征向量的欧式距离转换为[0,1]之间相似度值；
S303、设定合适的相似度阈值，过滤排除相似度小于阈值的运动目标匹配对；
S304、对过滤后的运动目标匹配对进行降序排列，并输出排序结果。
作为优选的，所述每两个视频的运动目标快照进行两两匹配，将其中一个视频中的每个运动目标快照分别与另一个视频中的每个运动目标快照进行匹配，计算器目标特征向量的欧氏距离，共有M*N个目标匹配对，其中M、N分别为两个视频对应的运动目标快照数。
作为优选的，所述步骤S302中，相似度值＝(1-特征向量欧式距离/固定值)。
作为优选的，所述相似度阈值为0.65，对相似度大于0.65的运动目标对进降序排列，并进行输出。
一种基于多视频碰撞的运动目标检索***，包括视频采集模块、特征提取模块、碰撞配对模块、数据服务器；
所述视频采集模块用于接收采集参与碰撞的视频；
所述特征提取模块用于对参与碰撞的视频分别提取运动目标快照，并提取运动目标快照的特征值；
所述碰撞配对模块用于对视频进行两两碰撞，并提取满足相似度要求的运动目标快照，组成目标匹配对序列；
所述数据服务器用于对所有目标匹配对序列进行分析，检索得到出现在参与碰撞视频中出现的相同运动目标。
作为优选的，还包括一数据存储模块，用与存储接收到的视频数据以及检索结果。
作为优选的，所述碰撞配对模块通过对每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离，将欧式距离转换为[0,1]之间相似度值并进行筛选排序，最终组成目标匹配对序列。
作为优选的，所述碰撞配对模块还包括对设定合适的阈值，排除相似度小于阈值的运动目标匹配对，对过滤后的运动目标匹配对对进行降序排列。
作为优选的，所述阈值设定为0.65。
与现有技术相比，本发明的有益效果在于：本发明通过对述每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离，将欧式距离转换为相似度值并进行筛选排序，最终组成目标匹配对序列，对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标，能够快速、高效地找出两个视频中相同的运动目标，效率提升非常明显。
附图说明
图1为本发明的方法流程图；
图2为本发明方法中步骤S3的具体流程图；
图3是本发明的***结构框图。
具体实施方式
下面结合附图和实施例对本发明所述的一种基于多视频碰撞的运动目标检索方法及***作进一步说明。
以下是本发明所述的一种基于多视频碰撞的运动目标检索方法及***的最佳实例，并不因此限定本发明的保护范围。
一种基于多视频碰撞的运动目标检索方法，包括以下步骤：
S1、对参与碰撞的每一个视频分别都提取运动目标快照；
S2、对每一个视频的运动目标快照都提取其特征值；
S3、参与碰撞的视频之间两两进行碰撞，得出满足相似度要求的运动目标快照，并组成目标匹配对序列；
S4、对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标。
作为优选的，所述步骤S3具体包括：
S301、计算两个视频运动目标快照的特征向量，所述每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离；
S302、将运动目标匹配对的特征向量的欧式距离转换为[0,1]之间相似度值；
S303、设定合适的相似度阈值，过滤排除相似度小于阈值的运动目标匹配对；
S304、对过滤后的运动目标匹配对进行降序排列，并输出排序结果。
作为优选的，所述每两个视频的运动目标快照进行两两匹配，将其中一个视频中的每个运动目标快照分别与另一个视频中的每个运动目标快照进行匹配，计算器目标特征向量的欧氏距离，共有M*N个目标匹配对，其中M、N分别为两个视频对应的运动目标快照数。
假设有3个视频参与碰撞分析，则分别让视频1与视频2进行碰撞，处理并得出一组目标匹配对序列；视频2与视频3进行碰撞，处理并得出一组目标匹配序列；视频3与视频1进行碰撞，处理并得出一组目标匹配对序列。
作为优选的，所述步骤S302中，相似度值＝(1-特征向量欧式距离/固定值)。可以得出运动目标对的相似度值。
作为优选的，所述相似度阈值为0.65，对相似度大于0.65的运动目标对进降序排列，并进行输出。
对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标，具体包括：
假设视频1与视频2的目标匹配对序列中有目标匹配对[10,20]，即视频1中的第10个目标快照与视频2中的第20个快照相似度较高；同时视频2与视频3的目标匹配序列对中有目标匹配对[20,15]；视频1与视频3的目标匹配对序列中有目标匹配对[10,15]，则可以判定[10,20,15]对相似度较高的目标匹配对，即视频1中的第10个目标快照、视频2中的第20个目标快照、视频3中的第15个目标快照的相似度较高，可能为相同目标。
一种基于多视频碰撞的运动目标检索***，包括视频采集模块、特征提取模块、碰撞配对模块、数据服务器；
所述视频采集模块用于接收采集参与碰撞的视频；
所述特征提取模块用于对参与碰撞的视频分别提取运动目标快照，并提取运动目标快照的特征值；
所述碰撞配对模块用于对视频进行两两碰撞，并提取满足相似度要求的运动目标快照，组成目标匹配对序列；
所述数据服务器用于对所有目标匹配对序列进行分析，检索得到出现在参与碰撞视频中出现的相同运动目标。
作为优选的，还包括一数据存储模块，用与存储接收到的视频数据以及检索结果。
作为优选的，所述碰撞配对模块通过对每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离，将欧式距离转换为[0,1]之间相似度值并进行筛选排序，最终组成目标匹配对序列。
作为优选的，所述碰撞配对模块还包括对设定合适的阈值，排除相似度小于阈值的运动目标匹配对，对过滤后的运动目标匹配对对进行降序排列。
作为优选的，所述阈值设定为0.65。对相似度大于0.65的运动目标对进行降序排序，并进行输出，有利于用户较方便快速的找到相似目标，从而可以排除大量的不相同的运动目标匹配对，有效的减少了存储、排序的耗时。
终上所述，本发明通过对述每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离，将欧式距离转换为相似度值并进行筛选排序，最终组成目标匹配对序列，对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标，能够快速、高效地找出两个视频中相同的运动目标，效率提升非常明显。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于多视频碰撞的运动目标检索方法，其特征在于，包括以下步骤：
S1、对参与碰撞的每一个视频分别都提取运动目标快照；
S2、对每一个视频的运动目标快照都提取其特征值；
S3、参与碰撞的视频之间两两进行碰撞，得出满足相似度要求的运动目标快照，并组成目标匹配对序列；
S4、对所有的目标匹配对序列进行分析，最终检索出在参与碰撞视频中出现的相同运动目标。
2.根据权利要求1所述的基于多视频碰撞的运动目标检索方法，其特征在于，所述步骤S3具体包括：
S301、计算两个视频运动目标快照的特征向量，所述每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离；
S302、将运动目标匹配对的特征向量的欧式距离转换为[0,1]之间相似度值；
S303、设定合适的相似度阈值，过滤排除相似度小于阈值的运动目标匹配对；
S304、对过滤后的运动目标匹配对进行降序排列，并输出排序结果。
3.根据权利要求2所述的基于多视频碰撞的运动目标检索方法，其特征在于，所述每两个视频的运动目标快照进行两两匹配，将其中一个视频中的每个运动目标快照分别与另一个视频中的每个运动目标快照进行匹配，计算器目标特征向量的欧氏距离，共有M*N个目标匹配对，其中M、N分别为两个视频对应的运动目标快照数。
4.根据权利要求2所述的基于多视频碰撞的运动目标检索方法，其特征在于，所述步骤S302中，相似度值＝(1-特征向量欧式距离/固定值)。
5.根据权利要求2所述的基于多视频碰撞的运动目标检索方法，其特征在于，所述相似度阈值为0.65，对相似度大于0.65的运动目标对进降序排列，并进行输出。
6.一种基于多视频碰撞的运动目标检索***，其特征在于，包括视频采集模块、特征提取模块、碰撞配对模块、数据服务器；
所述视频采集模块用于接收采集参与碰撞的视频；
所述特征提取模块用于对参与碰撞的视频分别提取运动目标快照，并提取运动目标快照的特征值；
所述碰撞配对模块用于对视频进行两两碰撞，并提取满足相似度要求的运动目标快照，组成目标匹配对序列；
所述数据服务器用于对所有目标匹配对序列进行分析，检索得到出现在参与碰撞视频中出现的相同运动目标。
7.根据权利要求6所述的基于多视频碰撞的运动目标检索***，其特征在于，还包括一数据存储模块，用与存储接收到的视频数据以及检索结果。
8.根据权利要求6所述的基于多视频碰撞的运动目标检索***，其特征在于，所述碰撞配对模块通过对每两个视频的运动目标快照进行两两匹配，形成运动目标匹配对，计算运动目标匹配对的特征向量间的欧氏距离，将欧式距离转换为[0,1]之间相似度值并进行筛选排序，最终组成目标匹配对序列。
9.根据权利要求8所述的基于多视频碰撞的运动目标检索***，其特征在于，所述碰撞配对模块还包括对设定合适的阈值，排除相似度小于阈值的运动目标匹配对，对过滤后的运动目标匹配对对进行降序排列。
10.根据权利要求9所述的基于多视频碰撞的运动目标检索***，其特征在于，所述阈值设定为0.65。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610239606.XA CN105894541B (zh) | 2016-04-18 | 2016-04-18 | 一种基于多视频碰撞的运动目标检索方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610239606.XA CN105894541B (zh) | 2016-04-18 | 2016-04-18 | 一种基于多视频碰撞的运动目标检索方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105894541A true CN105894541A (zh) | 2016-08-24 |
| CN105894541B CN105894541B (zh) | 2019-05-17 |
Family
ID=56705100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610239606.XA Active CN105894541B (zh) | 2016-04-18 | 2016-04-18 | 一种基于多视频碰撞的运动目标检索方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105894541B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107622667A (zh) * | 2017-09-28 | 2018-01-23 | 广州烽火众智数字技术有限公司 | 一种变造车牌号码检测方法及*** |
| CN110263830A (zh) * | 2019-06-06 | 2019-09-20 | 北京旷视科技有限公司 | 图像处理方法、装置和***及存储介质 |
| CN113420183A (zh) * | 2021-06-21 | 2021-09-21 | 成都神州数码索贝科技有限公司 | 一种在视频侦查***中跨视频目标检索及碰撞方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102222104A (zh) * | 2011-06-23 | 2011-10-19 | 华南理工大学 | 基于时空融合的智能提取视频摘要方法 |
| CN102598113A (zh) * | 2009-06-30 | 2012-07-18 | 安芯美特控股有限公司 | 匹配出现在两个或多个图像内的对象或人的方法、电路和*** |
| CN104636497A (zh) * | 2015-03-05 | 2015-05-20 | 四川智羽软件有限公司 | 一种视频数据智能检索方法 |
| US20150227796A1 (en) * | 2014-02-10 | 2015-08-13 | Geenee UG (haftungsbeschraenkt) | Systems and methods for image-feature-based recognition |
| CN105335469A (zh) * | 2015-09-29 | 2016-02-17 | 武汉传神信息技术有限公司 | 一种图像匹配、检索方法和装置 |
-
2016
- 2016-04-18 CN CN201610239606.XA patent/CN105894541B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102598113A (zh) * | 2009-06-30 | 2012-07-18 | 安芯美特控股有限公司 | 匹配出现在两个或多个图像内的对象或人的方法、电路和*** |
| CN102222104A (zh) * | 2011-06-23 | 2011-10-19 | 华南理工大学 | 基于时空融合的智能提取视频摘要方法 |
| US20150227796A1 (en) * | 2014-02-10 | 2015-08-13 | Geenee UG (haftungsbeschraenkt) | Systems and methods for image-feature-based recognition |
| CN104636497A (zh) * | 2015-03-05 | 2015-05-20 | 四川智羽软件有限公司 | 一种视频数据智能检索方法 |
| CN105335469A (zh) * | 2015-09-29 | 2016-02-17 | 武汉传神信息技术有限公司 | 一种图像匹配、检索方法和装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107622667A (zh) * | 2017-09-28 | 2018-01-23 | 广州烽火众智数字技术有限公司 | 一种变造车牌号码检测方法及*** |
| CN107622667B (zh) * | 2017-09-28 | 2021-05-25 | 广州烽火众智数字技术有限公司 | 一种变造车牌号码检测方法及*** |
| CN110263830A (zh) * | 2019-06-06 | 2019-09-20 | 北京旷视科技有限公司 | 图像处理方法、装置和***及存储介质 |
| CN110263830B (zh) * | 2019-06-06 | 2021-06-08 | 北京旷视科技有限公司 | 图像处理方法、装置和***及存储介质 |
| CN113420183A (zh) * | 2021-06-21 | 2021-09-21 | 成都神州数码索贝科技有限公司 | 一种在视频侦查***中跨视频目标检索及碰撞方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105894541B (zh) | 2019-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Improving triplet-wise training of convolutional neural network for vehicle re-identification | |
| CN109886167B (zh) | 一种遮挡人脸识别方法及装置 | |
| Li et al. | Real-time visual tracking using compressive sensing | |
| CN103207898B (zh) | 一种基于局部敏感哈希的相似人脸快速检索方法 | |
| Liong et al. | Micro-expression recognition using apex frame with phase information | |
| CN105894541A (zh) | 一种基于多视频碰撞的运动目标检索方法和*** | |
| CN104537356B (zh) | 利用瑞士轮排序进行步态识别的行人再标识方法和装置 | |
| CN105389590B (zh) | 一种视频聚类推荐方法和装置 | |
| CN103955518A (zh) | 一种检测物谱图与数据库谱图的匹配方法 | |
| WO2015140492A1 (en) | Recognition of objects within a video | |
| WO2013075295A1 (zh) | 低分辨率视频的服装识别方法及*** | |
| DE112009005002T5 (de) | Techniken zum Erkennen von Videokopien | |
| CN101515286B (zh) | 基于图像特征多级过滤的图像匹配方法 | |
| Arlazarov et al. | Modelling the flow of character recognition results in video stream | |
| Guo et al. | CLIP4IDC: CLIP for image difference captioning | |
| CN106575353B (zh) | 基于哈希的媒体搜索 | |
| CN106127235B (zh) | 一种基于目标特征碰撞的车辆查询方法和*** | |
| Jubair et al. | A technique to detect books from library bookshelf image | |
| CN112052344A (zh) | 一种基于知识图谱与ScSIFT的融媒体信息获取方法 | |
| CN108491888B (zh) | 基于形态学分析的环境监测高光谱数据谱段选择方法 | |
| Purwanto et al. | Temporal aggregation for first-person action recognition using Hilbert-Huang transform | |
| CN101996318B (zh) | 一种快速计算指纹相似度的方法 | |
| CN110032933B (zh) | 一种图像数据的获取方法、装置、终端及存储介质 | |
| CN113989325A (zh) | 一种基于矩阵“最大数”的多目标匹配算法 | |
| CN101894272B (zh) | 两凝胶图像间的蛋白质点自动匹配方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |