一種基于特征識別的快速錄像檢索方法技術

本發明專利技術公開了一種基于特征識別的快速錄像檢索方法，為了減少在視頻監控系統錄像檢索過程中消耗的時間，提出將人臉檢測、人臉識別、后臺檢索三種技術相結合，首先利用人臉檢測算法將每幀檢測到的人臉圖像提供給人臉識別部分，然后針對人臉圖像運用人臉識別算法進行模式分類，最后將人臉識別后的模式分類信息、幀信息、位置信息等相關信息建立索引加入視頻監控系統錄像存儲的索引信息中。本發明專利技術方法可以在事后提供被索引目標模板的情況下，實現快速而又準確的被索引目標的錄像回放，大大的節省檢索時間。

【技術實現步驟摘要】

本專利技術涉及，屬于安全防范視頻監控領 域。
技術介紹
視頻監控平臺是安防系統的重要組成部分，它可以把監控場景的視頻數據傳輸到 監控中心，使被監控場景的情況一目了然，同時可以存儲被監控場景的視頻數據和聲音數 據，這樣可以為事后某件事件的調查取證提供查詢依據。當前視頻監控平臺的應用，一般是視頻采集設備將采集的視頻數據輸送到后端監 控中心，存儲在存儲服務器中，如NVR等，以往的存儲主要依靠時間，報警類別，定時，手動 等，實現多種情況的錄像存儲。事后通過調閱錄像來回放事發現場，這種全程回放需要消耗 大量的時間，不利于監控人員迅速采取有效措施。一種方法是應用智能視頻分析技術抓取 監控場景中的特征圖片比如車牌特征及其相關信息，并且將特征圖片獨立存儲。事后通過 首先查找特征圖片及其相關信息，以其作為索引來檢索存儲錄像。雖然該方法可以大大提 高檢索錄像的效率，但是對于提供已知目標的情況下，依次來查找存儲特征圖片的方法仍 顯不足。比如，對于公安機關通緝的犯罪分子，要獲得其最后現身的時間和地點。依據上述 方法就會浪費大量的人力資源和時間。這是因為當前視頻監控平臺前端視頻采集設備一般 有成百上千個，各個視頻采集設備抓拍并且存儲在后端的特征圖片也是大量的，那么依次 來查找未知監控地點的特征圖片依然具有較大的盲目性，不利于監控人員迅速采取有效措 施。若能將監控場景中的人臉特征信息以參數的形式存儲到存儲設備索引信息中，那么通 過提供目標特征信息可以快速準確的將關注的人或事件發生時段回放而不將時間浪費在 無用的時段，將會極大的提高辦事效率。當前人臉檢測與識別技術在監控領域的應用已經非常成熟，它廣泛采用區域特征 分析算法，融合了計算機圖像處理技術與生物統計學原理于一體，利用計算機圖像處理技 術從視頻中提取人像特征點，利用生物統計學的原理進行分析建立數學模型。人臉識別的 優勢在于其自然性和不易被個體察覺的特點，它符合人類自身的習慣，也能被使用者廣泛 接受，不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者利用紅外線 采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。所以在視 頻監控中應用人臉識別技術具有廣闊的發展前景。
技術實現思路
本專利技術提供了，目的是為了克服傳統視頻 監控應用中，僅僅只是依據時間、報警類別、定時、或者手動來存儲監控場景數據，從而導致 事后調閱錄像回放現場時需要全程觀看錄像消耗大量的時間，不利于迅速采取有效措施。，其特征在于，包括如下步驟 (I)獲取監控場景的視頻數據，應用人臉檢測算法提取該視頻數據中的人臉圖此處得到的人臉圖像不僅是圖像本身，而且還包括相關信息(即人臉檢測結果的 一些相關輸出)，例如人臉在圖像中的位置，人臉的大小，檢測準確率等。(2)應用人臉識別算法處理提取到的人臉圖像，得到該人臉圖像的人臉特征模 板；(3)將所述的人臉特征模板以及對應人臉圖像的幀信息、時間信息作為索引，加入 視頻監控平臺錄像存儲的索引信息中；(4)在所述的索引信息中按照相似度最大原則獲得與目標人臉的模板相匹配的人 臉特征模板，根據該人臉特征模板獲取對應的視頻數據。步驟(I)中，可以與運動檢測、區域入侵等算法相結合，在監控場景的視頻數據中 出現或獲得運動目標時開始執行所述的人臉檢測算法。步驟(2)中，通過人臉識別算法計算接收的人臉圖像過程中，將對所有人臉圖像 生成的人臉特征模板按照相似度進行分類存儲，將相似度很大的人臉特征模板合并，不同 的人臉特征模具有相應的模式分類信息。步驟(2)中，對相似度很高的人臉特征模板進行合并的過程中，將相應的幀數信 息做整合處理，即提取出該人臉特征模板的初始幀和結束幀。步驟(3)中，新加入的視頻監控平臺錄像索引信息既可以單獨使用，也可以與傳 統以時間、報警類別、定時等為索引的信息結合使用。本專利技術的有益效果在于1、在傳統的視頻監控系統錄像檢索中加入一種新的檢索方法，即應用智能視頻分 析算法將監控場景特征信息人臉特征以參數形式作為錄像存儲的索引，事后通過提供目標 特征可以快速檢索存儲錄像，大大的提聞了檢索錄像的效率。2、由于本專利技術將監控場景特征以參數形式作為錄像存儲的索引，因此在提供目標 特征的情況下，其檢索錄像的效率不受具體監控地點的影響，即對于整個視頻監控系統各 視頻采集設備所對應的錄像存儲檢索效率是一樣的。3、本專利技術方法的延伸性好，可以與車牌識別、行為分析等其他智能方向相結合。附圖說明圖1是本專利技術的主流程圖2是圖1中步驟⑷的流程圖。具體實施方式下面結合附圖對本專利技術的實施例做詳細說明本實施例在以本專利技術技術方案為前 提下實現，給出了詳細過程，但本專利技術的保護范圍不限于下述的實施例。本專利技術，包括步驟(I)，如圖1，人臉檢測部分。本實施例基于網絡視頻監控平臺實現，前端視頻 采集設備采用網絡高清攝像機，將采集的監控場景視頻數據實時輸入監控中心存儲服務器 上，比如NVR，本專利技術方法中對數據的處理可以在NVR中實現。人臉檢測是指在輸入圖像中確定所有人臉(如果存在)的位置、大小和位姿的過程。假設一幅圖像中只存在一張臉，則 面部特征檢測的目的是檢測特征的存在和位置，如眼睛、鼻子(鼻孔)、眉毛、嘴(嘴唇)、耳 朵等。人臉檢測一般有以下四種方法，I)基于知識的方法，它將典型的人臉形成規則庫對 人臉進行編碼，通常，通過面部特征之間的關系進行人臉定位。基于知識的方法是基于規則 的人臉檢測方法，規則來源于研究者關于人臉的先驗知識。一般比較容易提出簡單的規則 來描述人臉特征和它們的相互關系，如在一幅圖像中出現的人臉，通常具有互相對稱的兩 只眼睛、一個鼻子和一張嘴。特征之間的相互關系可以通過它們的相對距離和位置來描述。 在輸入圖像中首先提取面部特征，確定基于編碼規則的人臉候選區域。2)基于特征的方法， 它不僅可以從已有的面部特征而且可以從它們的幾何關系進行人臉檢測。與基于知識的方 法相反，它是尋找人臉的不變特征用于人臉檢測。人們已經提出了許多先檢測人臉面部特 征，后推斷人臉是否存在的方法。面部特征，如眉毛、眼睛等，一般利用邊緣檢測提取，根據 提取的特征，建立統計模型描述特征之間的關系并確定存在的人臉。3)模板匹配方法。存 儲幾種標準的人臉模式，用來分別描述整個人臉和面部特征，計算輸入圖像和存儲的模式 間的相互關系并用于檢測。這些存儲的標準人臉模式是預先定義的。4)基于外觀的方法， 與模板匹配中的方法不同，它的模板是從圖像中的樣本學習的。通常，基于外觀的方法依靠 統計分析和機器學習技術找到相應的人臉和非人臉圖像的特征。學習的特征由分布模型或 判別函數形成，用于人臉檢測，同時，由于計算效率和檢測有效性的原因通常需要降維。人臉檢測是人臉識別的第一步，人臉檢測算法的魯棒性直接影響了后續算法的有 效性。當前人臉檢測算法應用已經很成熟，不過這是針對正面端正的人臉檢測，而對于多姿 態的人臉檢測比如側面人臉檢測還存在較大的困難，目前有效的方法不多。因此，在算法執 行時這些因素需要充分考慮。本實施例中，采用模版匹配的方法來進行人臉檢測，通過人臉 的標準模式種類，也能夠對檢測到的人臉做第一級的分類，為后續檢索過程中的特征匹配， 做最初的篩選依據。步驟(2)，如圖1，人臉識別及模式分類存儲部分。應用人臉識別算法處本文檔來自技高網...

【技術保護點】
一種基于特征識別的快速錄像檢索方法，其特征在于，包括如下步驟：(1)獲取監控場景的視頻數據，應用人臉檢測算法提取該視頻數據中的人臉圖像；(2)應用人臉識別算法處理提取到的人臉圖像，得到該人臉圖像的人臉特征模板；(3)將所述的人臉特征模板以及對應人臉圖像的幀信息、時間信息作為索引，加入視頻監控平臺錄像存儲的索引信息中；(4)在所述的索引信息中按照相似度最大原則獲得與目標人臉的模板相匹配的人臉特征模板，根據該人臉特征模板獲取對應的視頻數據。

【技術特征摘要】
1.一種基于特征識別的快速錄像檢索方法，其特征在于，包括如下步驟 (1)獲取監控場景的視頻數據，應用人臉檢測算法提取該視頻數據中的人臉圖像； (2)應用人臉識別算法處理提取到的人臉圖像，得到該人臉圖像的人臉特征模板； (3)將所述的人臉特征模板以及對應人臉圖像的幀信息、時間信息作為索引，加入視頻監控平臺錄像存儲的索引信息中； (4)在所述的索引信息中按照相似度最...

【專利技術屬性】
技術研發人員：武付軍，權立偉，
申請(專利權)人：天津市亞安科技股份有限公司，
類型：發明
國別省市：