遠(yuǎn)程視頻監(jiān)控圖像自動(dòng)標(biāo)注優(yōu)化方法

武衛(wèi)翔

摘 要

對(duì)遠(yuǎn)程視頻監(jiān)控圖像進(jìn)行自動(dòng)標(biāo)注，實(shí)現(xiàn)視頻監(jiān)控中關(guān)鍵幀識(shí)別，提高視頻信息的分析鑒別能力。提出一種基于遠(yuǎn)程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取的自動(dòng)標(biāo)注優(yōu)化方法，首先構(gòu)建視頻圖像的采集模型，然后對(duì)采集的圖像進(jìn)行小波降噪處理，對(duì)輸出的降噪圖像通過(guò)多尺度關(guān)鍵幀提取進(jìn)行自動(dòng)標(biāo)注，實(shí)現(xiàn)圖像特征提取和信息識(shí)別。仿真結(jié)果表明，采用該方法進(jìn)行遠(yuǎn)程視頻監(jiān)控圖像自動(dòng)標(biāo)注，提高了對(duì)圖像信息的檢測(cè)識(shí)別能力，圖像的輸出峰值信噪比較高，準(zhǔn)確識(shí)別概率提高。

【關(guān)鍵詞】遠(yuǎn)程 視頻 監(jiān)控圖像 特征提取

隨著多媒體通信和網(wǎng)絡(luò)視頻發(fā)布和傳輸?shù)难杆倨占埃瑢?duì)視頻傳輸?shù)目煽啃詡鬏斒且曨l圖像的識(shí)別提出了更高的要求，實(shí)時(shí)傳輸高質(zhì)量的視頻圖像是一項(xiàng)很困難的任務(wù)，當(dāng)今，網(wǎng)絡(luò)多媒體視頻和圖像文件傳輸?shù)难杆僭鲩L(zhǎng)，需要通過(guò)對(duì)大規(guī)模的遠(yuǎn)程監(jiān)控圖像進(jìn)行自動(dòng)化標(biāo)注，降低圖像傳輸和識(shí)別過(guò)程中的丟包率。研究遠(yuǎn)程視頻監(jiān)控圖像自動(dòng)標(biāo)注優(yōu)化方法，實(shí)現(xiàn)視頻監(jiān)控中關(guān)鍵幀識(shí)別，提高視頻信息的分析鑒別能力，相關(guān)的算法研究受到人們的極大重視，傳統(tǒng)方法中，對(duì)視頻監(jiān)控圖像自動(dòng)標(biāo)注方法主要采用的是小波尺度特征提取方法、幀差時(shí)間序列分析方法等，上述方法在進(jìn)行視頻監(jiān)控圖像自動(dòng)標(biāo)注中存在計(jì)算開(kāi)銷過(guò)大，識(shí)別精度不高等問(wèn)題，對(duì)此，本文提出一種基于遠(yuǎn)程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取的自動(dòng)標(biāo)注優(yōu)化方法，首先構(gòu)建視頻圖像的采集模型，采用優(yōu)化的特征提取算法實(shí)現(xiàn)對(duì)圖像的自動(dòng)標(biāo)注，改善圖像的標(biāo)注和識(shí)別性能，最后通過(guò)仿真實(shí)驗(yàn)進(jìn)行了性能測(cè)試，得出有效性結(jié)論。

1 遠(yuǎn)程視頻監(jiān)控圖像的采集和預(yù)處理

首先構(gòu)建遠(yuǎn)程視頻監(jiān)控圖像的采集模型，進(jìn)行視頻幀差分析，采用基于隱馬爾科夫模型構(gòu)建視頻傳輸網(wǎng)絡(luò)結(jié)構(gòu)模型，進(jìn)行遠(yuǎn)程視頻監(jiān)控圖像的采集，遠(yuǎn)程視頻監(jiān)控圖像自動(dòng)化標(biāo)注將在實(shí)現(xiàn)智能交通控制、視頻安防監(jiān)控和火災(zāi)現(xiàn)場(chǎng)視頻傳輸?shù)阮I(lǐng)域中發(fā)揮重要作用，因此，研究遠(yuǎn)程視頻監(jiān)控圖像的自動(dòng)化標(biāo)注方法和優(yōu)化傳輸技術(shù)具有重要價(jià)值，構(gòu)建視頻傳輸網(wǎng)絡(luò)通信結(jié)構(gòu)模型是進(jìn)行編碼算法設(shè)計(jì)的基礎(chǔ)，在遠(yuǎn)程視頻監(jiān)控圖像自動(dòng)標(biāo)注的整個(gè)流程中，采用編碼調(diào)度方法參與單項(xiàng)模塊的圖像信息編碼，進(jìn)行局部信息提取，核算出每一項(xiàng)中的編碼參數(shù)，將遠(yuǎn)程視頻監(jiān)控圖像的采集模型轉(zhuǎn)化為視頻關(guān)鍵幀時(shí)間序列的重排和信息特征排布問(wèn)題，在視頻圖像的域特征點(diǎn)通過(guò)Harris角點(diǎn)檢測(cè)進(jìn)行特征點(diǎn)標(biāo)記，基于上述設(shè)計(jì)原理，得到遠(yuǎn)程視頻監(jiān)控圖像采集的第i行第j個(gè)像素對(duì)應(yīng)像素信息為：

（1）

其中，1≤k≤P為圖像平均灰度假定已求得域特征點(diǎn)預(yù)置亂因子，則可以得到：

（2）

其中：Rminn（d）—遠(yuǎn)程視頻監(jiān)控圖像的最小置亂距離表達(dá)式；N— 參與特征點(diǎn)標(biāo)注的點(diǎn)個(gè)數(shù)；— 遠(yuǎn)程視頻監(jiān)控圖像在高光譜區(qū)域塊相位特性。

根據(jù)上述采集模型，采用小波降噪方法進(jìn)行圖像降噪，得到圖像的降噪輸出為：

（3）

其中，I（K）（i，j）為k階匹配像素級(jí)，對(duì)小波降噪輸出的圖像進(jìn)行特征提取，進(jìn)行自動(dòng)化標(biāo)注。

2 特征提取及圖像的自動(dòng)標(biāo)注優(yōu)化

對(duì)輸出的降噪圖像通過(guò)多尺度關(guān)鍵幀提取進(jìn)行自動(dòng)標(biāo)注，實(shí)現(xiàn)圖像特征提取和信息識(shí)別。采用關(guān)鍵幀信息分解方法構(gòu)建遠(yuǎn)程視頻監(jiān)控圖像的RGB分量，在域特征點(diǎn)關(guān)聯(lián)區(qū)間內(nèi)存在兩個(gè)信息特征區(qū)域進(jìn)行加權(quán)處理，表達(dá)式為：

（4）

構(gòu)建一幅遠(yuǎn)程視頻監(jiān)控圖像的M×N維灰度圖像，采用信息編碼方法進(jìn)一步進(jìn)行圖像加密的特征提取，得到：

（5）

采用區(qū)域分割得到圖像多尺度關(guān)鍵幀提取的遞推公式如下：

（6）

用Xi，j來(lái)表示（i，j）位置處遠(yuǎn)程視頻監(jiān)控圖像的灰度值，且：

（7）

其中：PS1（d）為圖像特征點(diǎn)的關(guān)聯(lián)特性表達(dá)式；RS1（d）為采樣點(diǎn)的關(guān)聯(lián)特征信息，形成圖像的特征加密點(diǎn)庫(kù)，對(duì)于原始點(diǎn)庫(kù)，通過(guò)關(guān)鍵幀提取，實(shí)現(xiàn)圖像自動(dòng)化標(biāo)注。

3 仿真實(shí)驗(yàn)

為了驗(yàn)證本文算法在實(shí)現(xiàn)遠(yuǎn)程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取及自動(dòng)標(biāo)注中的性能，進(jìn)行仿真實(shí)驗(yàn)，遠(yuǎn)程視頻監(jiān)控圖像采集的分辨率是321×1240，測(cè)試樣本集為1000，得到原始圖像和進(jìn)行圖像自動(dòng)標(biāo)注的輸出結(jié)果如圖1所示。計(jì)算得出，采用本文方法進(jìn)行圖像處理，輸出圖像的峰值信噪比為52.23dB，比傳統(tǒng)方法提高了 12dB，而準(zhǔn)確標(biāo)注概率為99.76%，傳統(tǒng)方法為67.09%，仿真結(jié)果展示了本文方法的優(yōu)越性。

4 結(jié)束語(yǔ)

本文提出一種基于遠(yuǎn)程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取的自動(dòng)標(biāo)注優(yōu)化方法，構(gòu)建視頻圖像的采集模型，然后對(duì)采集的圖像進(jìn)行小波降噪處理，對(duì)輸出的降噪圖像通過(guò)多尺度關(guān)鍵幀提取進(jìn)行自動(dòng)標(biāo)注，實(shí)現(xiàn)圖像特征提取和信息識(shí)別。研究得出，采用該方法進(jìn)行遠(yuǎn)程視頻監(jiān)控圖像自動(dòng)標(biāo)注，提高了對(duì)圖像信息的檢測(cè)識(shí)別能力，圖像的輸出峰值信噪比較高，準(zhǔn)確識(shí)別概率提高，具有較高的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]李進(jìn)，金龍旭，李國(guó)寧.適于星上應(yīng)用的高光譜圖像無(wú)損壓縮算法[J].光譜學(xué)與光譜分析，2012，32（08）：2264-2269.

[2]郝帥，程詠梅，馬旭，等.無(wú)人直升機(jī)視覺(jué)著艦中合作目標(biāo)角點(diǎn)檢測(cè)算法[J].西北工業(yè)大學(xué)學(xué)報(bào)，2013，31（04）：653-659.