侦查目标追踪过程中视频浓缩方法仿真

发布时间：2021-11-04 12:57

　　在侦查目标追踪过程中,采用当前方法对视频进行浓缩处理时,所用时间较长,浓缩处理后视频中有效信息丢失率较高。为此,提出新的侦查目标追踪过程中视频浓缩方法。通过混合高斯模型模拟视频信号,实现视频前景建模和背景建模;在Camshift算法下降H分量的颜色概率分布图和颜色直方图相结合,对视频中存在的图像帧进行运算,通过调整搜索窗的大小实现对运动目标的追踪;采用松弛线性规划算法获得目标运动轨迹对应的最优时间标签,结合目标轨迹、背景序列和最优时间标签实现视频的浓缩处理。仿真结果表明,所提方法的浓缩耗时较短,视频中有效信息得到了有效保存。 

【文章来源】：计算机仿真. 2020,37(04)北大核心

【文章页数】：5 页

【部分图文】：

目标信息检测与追踪

利用所提的侦查目标追踪过程中视频浓缩方法将不同时刻同一视频区域中出现的不同目标在同一视频帧中实现融合,形成浓缩视频,结果如图2所示。分析图2可知,采用所提的侦查目标追踪过程中视频浓缩方法对目标信息的检测效果较好,且能够对目标信息实时追踪,形成的浓缩视频能够有效地保留原始信息,包括空间信息和目标信息,能够在不丢失目标信息的情况下对有效浓缩视频。

为验证不同方法的运行效率,测试浓缩过程的耗时情况,数据结果由Simulink后台自动统计,耗时统计结果如图3所示。分析图3可知,基于填充密度与动态规划的视频浓缩方法在多次迭代中的浓缩耗时呈现上升趋势,当实验迭代次数为500次时,浓缩耗时高达800ms;基于去卷积的视频浓缩方法的耗时仅在200和500次迭代时有所下降,整体耗时仍高于所提方法。所提的侦查目标追踪过程中视频浓缩方法在多次迭代中浓缩视频所用的时间均在400ms以内,在三种方法中耗时最短。

【参考文献】：
期刊论文
[1]基于标签分布学习的视频摘要算法[J]. 刘玉杰,唐顺静,高永标,李宗民,李华.  计算机辅助设计与图形学学报. 2019(01)
[2]基于排序学习的视频摘要[J]. 王鈃润,聂秀山,杨帆,吕鹏,尹义龙.  智能系统学报. 2018(06)
[3]监控视频浓缩进展研究[J]. 张云佐,张莎莎,吕芬芬,孙雅鹏.  电视技术. 2018(05)
[4]双通道视频图像多特征并行融合方法仿真[J]. 黄艺坤.  计算机仿真. 2018(04)
[5]基于去卷积的快速图像超分辨率方法[J]. 孙超,吕俊伟,李健伟,仇荣超.  光学学报. 2017(12)
[6]基于动态规划与填充密度的监控视频摘要算法[J]. 丛超.  计算机工程. 2018(07)
[7]基于目标检测及跟踪的视频摘要技术研究[J]. 田合雷,丁胜,于长伟,周立.  计算机科学. 2016(11)
[8]基于移动Sink的自组织视频传感网络目标跟踪算法[J]. 卢旭,刘军,袁飞.  传感技术学报. 2016(09)
[9]动态环境下多媒体视频兴趣区的自动捕获系统设计[J]. 许金元.  现代电子技术. 2016(16)
[10]高性能视频编码帧间预测的单元划分优化算法[J]. 单娜娜,周巍,段哲民,魏恒璐.  电子与信息学报. 2016(05)



本文编号：3475775