遠程視頻監(jiān)控圖像自動標注優(yōu)化方法

武衛(wèi)翔

摘 要

對遠程視頻監(jiān)控圖像進行自動標注，實現(xiàn)視頻監(jiān)控中關(guān)鍵幀識別，提高視頻信息的分析鑒別能力。提出一種基于遠程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取的自動標注優(yōu)化方法，首先構(gòu)建視頻圖像的采集模型，然后對采集的圖像進行小波降噪處理，對輸出的降噪圖像通過多尺度關(guān)鍵幀提取進行自動標注，實現(xiàn)圖像特征提取和信息識別。仿真結(jié)果表明，采用該方法進行遠程視頻監(jiān)控圖像自動標注，提高了對圖像信息的檢測識別能力，圖像的輸出峰值信噪比較高，準確識別概率提高。

【關(guān)鍵詞】遠程 視頻 監(jiān)控圖像 特征提取

隨著多媒體通信和網(wǎng)絡(luò)視頻發(fā)布和傳輸?shù)难杆倨占埃瑢σ曨l傳輸?shù)目煽啃詡鬏斒且曨l圖像的識別提出了更高的要求，實時傳輸高質(zhì)量的視頻圖像是一項很困難的任務(wù)，當今，網(wǎng)絡(luò)多媒體視頻和圖像文件傳輸?shù)难杆僭鲩L，需要通過對大規(guī)模的遠程監(jiān)控圖像進行自動化標注，降低圖像傳輸和識別過程中的丟包率。研究遠程視頻監(jiān)控圖像自動標注優(yōu)化方法，實現(xiàn)視頻監(jiān)控中關(guān)鍵幀識別，提高視頻信息的分析鑒別能力，相關(guān)的算法研究受到人們的極大重視，傳統(tǒng)方法中，對視頻監(jiān)控圖像自動標注方法主要采用的是小波尺度特征提取方法、幀差時間序列分析方法等，上述方法在進行視頻監(jiān)控圖像自動標注中存在計算開銷過大，識別精度不高等問題，對此，本文提出一種基于遠程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取的自動標注優(yōu)化方法，首先構(gòu)建視頻圖像的采集模型，采用優(yōu)化的特征提取算法實現(xiàn)對圖像的自動標注，改善圖像的標注和識別性能，最后通過仿真實驗進行了性能測試，得出有效性結(jié)論。

1 遠程視頻監(jiān)控圖像的采集和預(yù)處理

首先構(gòu)建遠程視頻監(jiān)控圖像的采集模型，進行視頻幀差分析，采用基于隱馬爾科夫模型構(gòu)建視頻傳輸網(wǎng)絡(luò)結(jié)構(gòu)模型，進行遠程視頻監(jiān)控圖像的采集，遠程視頻監(jiān)控圖像自動化標注將在實現(xiàn)智能交通控制、視頻安防監(jiān)控和火災(zāi)現(xiàn)場視頻傳輸?shù)阮I(lǐng)域中發(fā)揮重要作用，因此，研究遠程視頻監(jiān)控圖像的自動化標注方法和優(yōu)化傳輸技術(shù)具有重要價值，構(gòu)建視頻傳輸網(wǎng)絡(luò)通信結(jié)構(gòu)模型是進行編碼算法設(shè)計的基礎(chǔ)，在遠程視頻監(jiān)控圖像自動標注的整個流程中，采用編碼調(diào)度方法參與單項模塊的圖像信息編碼，進行局部信息提取，核算出每一項中的編碼參數(shù)，將遠程視頻監(jiān)控圖像的采集模型轉(zhuǎn)化為視頻關(guān)鍵幀時間序列的重排和信息特征排布問題，在視頻圖像的域特征點通過Harris角點檢測進行特征點標記，基于上述設(shè)計原理，得到遠程視頻監(jiān)控圖像采集的第i行第j個像素對應(yīng)像素信息為：

（1）

其中，1≤k≤P為圖像平均灰度假定已求得域特征點預(yù)置亂因子，則可以得到：

（2）

其中：Rminn（d）—遠程視頻監(jiān)控圖像的最小置亂距離表達式；N— 參與特征點標注的點個數(shù)；— 遠程視頻監(jiān)控圖像在高光譜區(qū)域塊相位特性。

根據(jù)上述采集模型，采用小波降噪方法進行圖像降噪，得到圖像的降噪輸出為：

（3）

其中，I（K）（i，j）為k階匹配像素級，對小波降噪輸出的圖像進行特征提取，進行自動化標注。

2 特征提取及圖像的自動標注優(yōu)化

對輸出的降噪圖像通過多尺度關(guān)鍵幀提取進行自動標注，實現(xiàn)圖像特征提取和信息識別。采用關(guān)鍵幀信息分解方法構(gòu)建遠程視頻監(jiān)控圖像的RGB分量，在域特征點關(guān)聯(lián)區(qū)間內(nèi)存在兩個信息特征區(qū)域進行加權(quán)處理，表達式為：

（4）

構(gòu)建一幅遠程視頻監(jiān)控圖像的M×N維灰度圖像，采用信息編碼方法進一步進行圖像加密的特征提取，得到：

（5）

采用區(qū)域分割得到圖像多尺度關(guān)鍵幀提取的遞推公式如下：

（6）

用Xi，j來表示（i，j）位置處遠程視頻監(jiān)控圖像的灰度值，且：

（7）

其中：PS1（d）為圖像特征點的關(guān)聯(lián)特性表達式；RS1（d）為采樣點的關(guān)聯(lián)特征信息，形成圖像的特征加密點庫，對于原始點庫，通過關(guān)鍵幀提取，實現(xiàn)圖像自動化標注。

3 仿真實驗

為了驗證本文算法在實現(xiàn)遠程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取及自動標注中的性能，進行仿真實驗，遠程視頻監(jiān)控圖像采集的分辨率是321×1240，測試樣本集為1000，得到原始圖像和進行圖像自動標注的輸出結(jié)果如圖1所示。計算得出，采用本文方法進行圖像處理，輸出圖像的峰值信噪比為52.23dB，比傳統(tǒng)方法提高了 12dB，而準確標注概率為99.76%，傳統(tǒng)方法為67.09%，仿真結(jié)果展示了本文方法的優(yōu)越性。

4 結(jié)束語

本文提出一種基于遠程視頻監(jiān)控圖像多尺度關(guān)鍵幀提取的自動標注優(yōu)化方法，構(gòu)建視頻圖像的采集模型，然后對采集的圖像進行小波降噪處理，對輸出的降噪圖像通過多尺度關(guān)鍵幀提取進行自動標注，實現(xiàn)圖像特征提取和信息識別。研究得出，采用該方法進行遠程視頻監(jiān)控圖像自動標注，提高了對圖像信息的檢測識別能力，圖像的輸出峰值信噪比較高，準確識別概率提高，具有較高的應(yīng)用價值。

參考文獻

[1]李進，金龍旭，李國寧.適于星上應(yīng)用的高光譜圖像無損壓縮算法[J].光譜學(xué)與光譜分析，2012，32（08）：2264-2269.

[2]郝帥，程詠梅，馬旭，等.無人直升機視覺著艦中合作目標角點檢測算法[J].西北工業(yè)大學(xué)學(xué)報，2013，31（04）：653-659.