一种基于视频图像的智能分析方法

技术领域

本发明属于视频图像分析技术领域，具体是一种基于视频图像的智能分析方法。

背景技术

公开号为CN109413168A公开了一种基于云平台的视频图像检测与智能分析系统。该系统包括视频图像智能监控生产车间计数系统模块、图像智能质量检测系统模块、视频图像智能自助门岗系统模块和数据驾驶舱，基于对视频图像的处理手段，对生产现场，包括原料、工件、人员等进行信息采集，并通过云端的信息处理模块，实现对生产过程的智能监控、反馈与控制。该发明可针对不同场景下的不同需求进行定制服务，进行模块化安装和组合运用，通过强大的计算能力对视频图像进行分析，以实现工件质量、数量等的分析，并将相关信息传递到生产管理环节，提高信息的有效利用率。

但是，针对于视频图像分析来说，如何对重点移动标的进行跟踪分析，这是一个难题，现有技术基本都是通过移动标的的全图比较分析确定，这点虽然很精准，但是分析过程较为复杂，缺乏合理方案，基于此，提供一种解决方案。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于视频图像的智能分析方法，该方法具体包括下述步骤：

步骤一：首先获取到目标场景的实景视频，之后首先通过对象比对的方式确定目标对象；

步骤二：在锁定目标对象之后，对实景视频进行动态摘取，根据实景视频中上一张图像和下一张图像之间的区别，确定所有的移动标的；

步骤三：之后对目标对象和移动标的进行特征选取，根据目标对象与所有的移动标的之间的不同之处，确定所有的截断对象；

步骤四：针对所有的截断对象进行色相选取，色相选取具体方式为：

首先进行数值定义，将图像中的RGB对应的R、G、B数字，依次标记为第一数值、第二数值和第三数值；

任选一截断对象，获取到其覆盖区域内所有的第一数值；

自动计算所有的第一数值的均值，将其表示为对应截断对象的数值一；

按照相同方式得到第二数值和第三数值的均值，分别标记为数值二和数值三；

之后对所有的截断对象进行相同处理，得到所有的截断对象的数值一、数值二和数值三，并依次对应标记为Ri，i＝1、...、n、Gi，i＝1、...、n和Bi，i＝1、...、n；表示为存在n个截断对象；

分别计算出数值一Ri、数值二Gi和数值三Bi的均值，分别标记为均值一、均值二和均值三；

获取到所有的Ri与均值一的差值，并按照差值从大到小的顺序排序，并将对应的排序序号赋予Ri一个序列值，对应序列值标记为Xri，i＝1、...、n，且Xri与Ri为一一对应关系；

按照对Ri标记序列值相同的方式，获取到Gi的序列值Xgi、和Bi的序列值Xbi；

按照公式计算所有的截取对象的获选值Hi，具体计算公式为：

Hi＝0.35*Xri+0.33*Xbi+0.32*Xgi；

得到所有截取对象的获选值Hi；

步骤五：进行标记分析，根据截断对象的面积和获选值Hi确定所有截断对象的终选值Zi，根据终选值确定三个锁定对象。

进一步地，步骤二中的动态摘取具体方式为：

在获取到实景视频后，首先在初始时间获取到一张图像，将其标记为初始图像；此处初始时间指代为目标对象出现后；

之后间隔T1时间后，以相同拍摄位置再次获取到一张图像，将其标记为二次图像，将二次图像与初始图像进行比较，位置不一致的标记为疑似移动物体，之后再次经过T1时间后，再次以相同拍摄位置获取一张图像，若该图像与第二次获取图像中疑似移动物体的位置不一致，则将对应疑似移动物体标记为移动标的；

此过程每T2时间分析一次；T1和T2均为预设数值。

进一步地，步骤二中的动态摘取具体方式为：

在固定拍摄位置的情况下，从初始时间开始，此处的初始时间，指代为目标对象出现后；

之后连续间隔T1时间获取一次实景视频内的实时图片，直到得到15张实时图像；当然此处的数量也可以定为其他数值；

将得到的所有实时图像，与上一张得到的实时图像进行比较，将所有不同之处全部标记为差异标的；

获取到所有差异标的出现的次数，将其标记为差异次，之后获取到比较的次数，将其标记为比较次；

在差异次除以比较次后，将对应的差异标的标记为移动标的；

此过程当实景视频中存在新加入的移动标的时，重新进行一次；或者直接每T2时间分析一次；T2为预设数值。

进一步地，步骤三中的特征选取具体方式为：

任选一移动标的，将移动标的与目标对象进行比较，将二者存在一致的部分从目标对象中删除；

之后持续选择下一移动标的，按照上述步骤重复，将存在一致的部分删除，直到将所有的移动标的与目标对象比对完，之后将剩余的目标对象的各个差异部分标记为截断对象，截断对象之间相互不连接；

得到所有的截断对象。

进一步地，步骤五的标记分析具体方式为：

获取到所有截取对象的面积，并对应标记为Mi，i＝1、...、n，Mi与Hi为一一对应关系；

之后根据公式计算所有截取对象的终选值Zi，具体计算公式为：

Zi＝0.62*Hi+0.38*1/Mi；

得到所有的截取对象的终选值Zi，将截取对象按照终选值Zi从小到大的方式进行排序，将排序前三的标记为锁定对象。

进一步地，在进行完步骤五之后，还需进行下述步骤：

根据锁定对象对目标对象进行监控，当任意实景视频中存在与锁定对象中任一一个一致的部分，则将该部分对应的实体标记为目标对象。

与现有技术相比，本发明的有益效果是：

本发明通过在锁定目标对象之后，对实景视频进行动态摘取，根据实景视频中上一张图像和下一张图像之间的区别，确定所有的移动标的；之后对目标对象和移动标的进行特征选取，根据目标对象与所有的移动标的之间的不同之处，确定所有的截断对象；再确定所有截取对象的获选值Hi；

最后根据标记分析，依据截断对象的面积和获选值Hi确定所有截断对象的终选值Zi，根据终选值确定三个锁定对象，通过本发明提供的技术方案，能够通过小部分面积，快速对目标对象进行跟踪锁定，优化实景视频的目标对象跟踪；本发明简单有效，且易于实用。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本申请提供了一种基于视频图像的智能分析方法，该方法具体包括下述步骤；

步骤一：首先获取到目标场景的实景视频，之后首先通过对象比对的方式确定目标对象；

步骤二：在锁定目标对象之后，对实景视频进行动态摘取，动态摘取具体方式为：

在获取到实景视频后，首先在初始时间获取到一张图像，将其标记为初始图像；此处初始时间指代为目标对象出现后；

之后间隔T1时间后，以相同拍摄位置再次获取到一张图像，将其标记为二次图像，将二次图像与初始图像进行比较，位置不一致的标记为疑似移动物体，之后再次经过T1时间后，再次以相同拍摄位置获取一张图像，若该图像与第二次获取图像中疑似移动物体的位置不一致，则将对应疑似移动物体标记为移动标的；

此过程当实景视频中存在新加入的移动标的时，重新进行一次；或者直接每T2时间分析一次；T1和T2均为预设数值；

步骤三：之后对目标对象和移动标的进行特征选取，特征选取具体方式为：

任选一移动标的，将移动标的与目标对象进行比较，将二者存在一致的部分从目标对象中删除；

之后持续选择下一移动标的，按照上述步骤重复，将存在一致的部分删除，直到将所有的移动标的与目标对象比对完，之后将剩余的目标对象的各个差异部分标记为截断对象，截断对象之间相互不连接；

得到所有的截断对象；

步骤四：针对所有的截断对象进行色相选取，色相选取具体方式为：

首先进行数值定义，将图像中的RGB对应的R、G、B数字，依次标记为第一数值、第二数值和第三数值；

任选一截断对象，获取到其覆盖区域内所有的第一数值；

自动计算所有的第一数值的均值，将其表示为对应截断对象的数值一；

按照相同方式得到第二数值和第三数值的均值，分别标记为数值二和数值三；

之后对所有的截断对象进行相同处理，得到所有的截断对象的数值一、数值二和数值三，并依次对应标记为Ri，i＝1、...、n、Gi，i＝1、...、n和Bi，i＝1、...、n；表示为存在n个截断对象；

分别计算出数值一Ri、数值二Gi和数值三Bi的均值，分别标记为均值一、均值二和均值三；

获取到所有的Ri与均值一的差值，并按照差值从大到小的顺序排序，并将对应的排序序号赋予Ri一个序列值，对应序列值标记为Xri，i＝1、...、n，且Xri与Ri为一一对应关系；

获取到所有的Gi与均值二的差值，并按照差值从大到小的顺序排序，并将对应的排序序号赋予Gi一个序列值，对应序列值标记为Xgi，i＝1、...、n，且Xgi与Gi为一一对应关系；

获取到所有的Bi与均值三的差值，并按照差值从大到小的顺序排序，并将对应的排序序号赋予Bi一个序列值，对应序列值标记为Xbi，i＝1、...、n，且Xbi与Bi为一一对应关系；

按照公式计算所有的截取对象的获选值Hi，具体计算公式为：

Hi＝0.35*Xri+0.33*Xbi+0.32*Xgi；

式中，0.35、0.33和0.32为预设的权值，用于凸显不同因素的不同重要性；

得到所有截取对象的获选值Hi；

步骤五：进行标记分析，具体方式为：

获取到所有截取对象的面积，并对应标记为Mi，i＝1、...、n，Mi与Hi为一一对应关系；

之后根据公式计算所有截取对象的终选值Zi，具体计算公式为：

Zi＝0.62*Hi+0.38*1/Mi；

得到所有的截取对象的终选值Zi，将截取对象按照终选值Zi从小到大的方式进行排序，将排序前三的标记为锁定对象；

步骤六：根据锁定对象对目标对象进行监控，当任意实景视频中存在与锁定对象中任一一个一致的部分，则将该部分对应的实体标记为目标对象，实现目标对象的精准简化追踪；

当然，作为本发明的实施例二，其与实施例一不同之处在于，步骤二中的动态摘取方式不一致，也就是判定移动标的得方式不一致；本实施例中动态摘取具体方式为：

在固定拍摄位置的情况下，从初始时间开始，此处的初始时间，指代为目标对象出现后；

之后连续间隔T1时间获取一次实景视频内的实时图片，直到得到15张实时图像；当然此处的数量也可以定为其他数值；

将得到的所有实时图像，与上一张得到的实时图像进行比较，将所有不同之处全部标记为差异标的；

获取到所有差异标的出现的次数，将其标记为差异次，之后获取到比较的次数，将其标记为比较次，也就是获取得到实时图像的张数数值减去1得到；

在差异次除以比较次后，将对应的差异标的标记为移动标的；

此过程当实景视频中存在新加入的移动标的时，重新进行一次；或者直接每T2时间分析一次；T2为预设数值；

上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。