[发明专利]一种低照度情况下视频监控的有效浓缩方法

说明书

技术领域

本发明涉及模式识别、图像处理领域，尤其涉及一种低照度情况下视频监控的有效浓缩方法。

技术背景

城市公共场所往往有成千上万路监控摄像头遍布街头，昼夜不停地监视和录像，在改善社会治安的同时，也产生出海量的视频需要监控管理平台处理。要对这些海量视频通过人工进行重点图像的抓拍，困难很大。首先，需要对所有的视频录像进行诸秒浏览，才能发现重点图像，这无疑工作量巨大，甚至犹如大海捞针。其次，即使找到了重点图像，人工抓拍，并且要记录下对应的原始视频图像的时间点等，也是工作量很大，效率很低。由于人的生理特征所限，长时间观看视频录像，容易产生视觉疲劳，还有可能漏掉重要图像和线索。

理想情况是一旦有重要事件发生，系统就可在事后能快速查找到线索。针对上述海量监控视频录像的事后分析，传统以人海战术为主的视频线索查找，显然不能满足高效查找，正面临巨大挑战，急需一种更为高效的、自动的、智能的系统实现上述需求。目前，视频浓缩摘要技术和视频分类检索技术可以解决这一问题。通过视频浓缩摘要，缩短视频事件的播放时间，通过目标分类筛查等实现快速查找事件线索，缩小查看范围的功能，这些都极大地减轻专业巡控队伍和系统维护人员的工作负荷，这些视频分析功能的实现和应用将大大提高监控效率。同时，由于夜晚可见度低，监控录像相对模糊，增加了视频浓缩的技术难度，严重影响浓缩的准确率，所以浓缩前对监控视频预处理，增强其可见度是一个亟待解决的问题。

发明内容

本发明提供了一种低照度情况下视频监控的有效浓缩方法，采用基于关键帧的视频浓缩。对监控视频提取关键帧的目的是希望通过较少的视频帧表示出相关视频流的主要内容，展示有益信息即人、车等运动物体。算法的难点一个是如何在保留尽量少冗余信息的情况下，描述出监控视频的全部内容；另一个是如何在夜晚可见度低的情况下，捕捉到运动物体。本发明针对夜晚监控视频可见度低提出图像像素反转并结合暗通道去雾的策略增强图像，从而大大提升Vibe算法提取前景的准确率。所述技术方案如下：

一种低照度情况下视频监控的有效浓缩方法，包括以下步骤：

步骤1：对输入监控视频的每一帧图像，进行每个像素点RGB三个通道的像素值反转，将低暗的背景转化为类似雾天的场景；

步骤2：构建大气散射模型，根据暗通道先验理论，初步求出模型的透射率t；

步骤3：用导向滤波对图像进行进一步处理，消除光环效应，求出精准的透射率

步骤4：对视频第2帧以后的各帧图像，根据感知哈希算法判断是否需要重新计算透射率，保证本文算法对视频的实时处理；

步骤5：对输入的每一帧图像进行基于暗通道先验理论的去雾处理，对去雾处理后的图像进行每个像素点RGB三个通道的像素值反转，重构出增强的低照度图像；

步骤6：对增强后的低照度图像进行基于Vibe算法的背景建模并提取前景物体，并将图像二值化处理，获得二值化图像，更新背景模型；

步骤7：计算前景物体像素占整幅图像的比例，如果比例足够大，则判定有运动物体，保留当前帧，循环处理每一帧，将保留下来的帧重新组合生成浓缩视频。

在一些实施方案中，其中步骤1对输入视频的每一帧图像的像素点按照如下公式进行反转：

R^c(x)＝255-I^c(x)

其中I^c(x)表示输入低照度图像的一个像素点x的一个RGB颜色通道的像素值，R^c(x)表示相应的输出图像的一个像素点x的一个RGB颜色通道的像素值，c表示RGB颜色通道的其中一个。

其有益效果是：将低照度图像转化为类似雾天的场景，从而可以用图像去雾的思想去增强图像。

在一些实施方案中，其步骤2中暗通道先验理论指的是在绝大多数非天空的局部区域中，某一些像素总会有至少一个颜色通道具有很低的值。也就是说该区域光强度的最小值是个很小的数。

暗通道先验理论指出：

J^dark(x)→0

其有益效果是：利用暗通道先验理论，可以推导出透射率的预估值。

在一些实施方案中，其步骤2中，大气散射模型公式如下：

I(x)＝J(x)t(x)+A(1-t(x))

其中I(x)表示需要去雾的图像，J(x)是去雾后的无雾图像，A是大气光成分，t(x)为透射率。