[发明专利]基于先进音视频编码标准的视频监控方法及系统

权利要求书

1.一种基于AVS的视频监控方法，其特征在于具体步骤如下：首先通过AVS网络摄像机采集AVS码流，使用AVS码流解码过程中的压缩域信息来进行背景和非背景的分类；当分类结果表明当前的帧不是背景时，进行人脸检测；当检测到人脸时，进行人脸识别，即将人脸数据进行变换后与训练数据进行比较；在识别结果被反馈给用户之前，先计算置信度t，t表明当前识别结果的可信程度；当置信度t小于阈值t_min时，认为该人脸不属于当前库中的数据，认定为陌生人，并将这个结果反馈给用户，经用户确认后将此新的人脸添加进库中；当置信度大于等于阈值t_min时，表明识别结果有较高的可信度，然后记录识别结果并对视频进行标注；这里AVS是指先进音视频编码标准。

2.根据权利要求1所述的方法，其特征在于所述背景分类的方法为设 i为当前图像中的一个宏块的运动向量， 0≤i≤N-1；N为当前图像中宏块总数；

用下式来计算当前图像中的运动强度：

公式(1)

其中，size_i表示第i个宏块的面积；

参数MS表示图像中运动的范围：

公式(2)

当满足下列条件时，判定当前图像属于背景：

MV＜mv_min且MS＜ms_min；这里mv_min为MV的阈值，ms_min为MS的阈值。

3.根据权利要求1所述的方法，其特征在于所述的人脸识别的方法如下：从人脸检测中检测出的人脸图像进行尺寸统一缩放后，按照由左至右，由上至下扫描成样本向量，然后对样本向量进行降维；采用PCA与LDA结合的Fisher-Face算法进行人脸投影特征的抽取；

设人脸f经过Fisher-Face特征抽取后的样本向量为f’，f’＝(u₀，u₁…u_k)，然后计算其与训练样本的距离：

公式(3)

其中f_i’＝(v₀，v₁…v_k)表示库中的第i个训练样本，k为样本维数；d(f’，fi’) 表示当前待识别样本与库中第i个训练样本的距离；

计算完f’与库中所有训练样本的距离后，找出与f’距离最小的前5个训练样本，f_i1’，f_i2’…f_i5’；所述5个训练样本中同一类别数量较多的样本所属类别为c类；若5个样本各属一类，则以与f’距离最小的样本所属类作为c类，所述c类任指属于同一个人的样本类；用下列公式计算识别的置信度t：

公式(4)

当置信度t小于阈值t_min时，说明人脸为陌生人，将结果f反馈给用户，经用户确认后将此新的人脸添加进库中，否则表示识别结果可靠并记录结果。

4.一种基于AVS的视频监控系统，其特征在于系统包括训练模块、标注模块和检索模块：

所述训练模块，包括监控环境背景的背景训练模块和人脸库的人脸训练模块，分别实施对环境背景训练和对人脸训练；所述训练模块的输入为人脸样本库和背景样本库，输出为各人脸特征和背景特征；

所述标注模块，用于对输入的监控视频进行自动标注，其包括背景检测模块、人脸检测模块、人脸识别模块和索引结构建立模块；所述标注模块的输入为训练模块得到的背景特征、人脸特征和待标注的监控视频，输出为待标注监控视频的检索索引；

所述检索模块，用于对指定监控视频进行检索，包括图片查询、文本查询和视频查询；输入为指定监控视频的索引，用户提交的图片、文本或小段视频，输出为用户所提交内容在监控视频中相应的视频片段信息；

所述背景训练模块，用于对输入的背景视频样本进行计算，得到背景模型，采用算法是基于HSV颜色空间，计算各像素属于背景的取值范围；所述背景训练模块的输入为背景视频样本，输出为用于背景比对的背景模型；

所述人脸训练模块，用于对人脸库中的人脸进行处理，采用算法是fisher-face；所述人脸训练模块的输入为人脸库样本，输出为由人脸库中人脸样本计算得到的变换矩阵以及各人脸的中心，所述变换矩阵将输入人脸样本变换为一维向量；

所述背景检测模块，用于将输入帧图像与所述背景模型进行比对，目的是获知该输入帧是否为背景，若不是背景，则输入帧属于前景范围；所述背景检测模块的输入为背景模型和输入帧图像，输出为判断该输入帧是否为背景的结果；

所述人脸检测模块，用于在非背景的帧图像中检测人脸；所述人脸检测模块的输入为 非背景的帧图像，输出为检测到的人脸图像；

所述人脸识别模块，用于对于检测到的人脸图像，使用所述变换矩阵，得到一维向量，采用欧式距离计算该向量与各人脸中心的相似度；所述人脸识别模块的输入为检测到的人脸图像和变换矩阵，输出为人脸识别的结果；

所述索引结构建立模块，用于对输入视频进行标注，依照人脸识别的结果，得到视频索引，并对索引建立索引结构；所述索引结构建立模块的输入为监控视频，输出为视频索引；

所述检索模块，用于使用户通过用户界面输入查询内容，根据用户提交的不同的内容格式进行检索，并通过用户界面反馈信息；所述检索模块的输入为用户提交的查询内容，

输出为反馈给用户的视频片断信息。