视频摘要视频浓缩
视频摘要 视频浓缩(一）
视频摘要又称视频浓缩，是对视频内容的一个简单概括，以自动或半自动的方式，先通过运动目标分析，提取运动目标，然后对各个目标的运动轨迹进行分析，将不同的目标拼接到一个共同的背景场景中，并将它们以某种方式进行组合。视频摘要在视频分析和基于内容的视频检索中扮演着重要角色。
视频录像存在存储数据量大，存储时间长等特点，通过录像寻找线索，获取证据传统的做法是要耗费大量人力、物力以及时间，效率极其低下，以至于错过最佳破案时机。因此在视频监控系统中，对原始视频进行浓缩，可以快速浏览，锁定检索对象，对于公安加快破案速度，提高大案、要案的破案效率具有重要指导意义。（1）
对于企业应用来说，视频摘要与压缩技术可以使企业管理人员在短时间内浏览完视频。在智能手机大行其道的今天，使用视频摘要技术对监控视频进行处理，供手机浏览，既可以节约管理者的时间，又可以节约大量的流量。（2）对于我来说，现在存在监控录像查阅的实际需求，更重要的是这个问题是“图像处理”的一个典型运用，非常值得研究探索。所以在这里进行研究和实现 一、行业背景和划分 97年CMU的informedia是针对新闻视频的，而MoCA是针对电影的。在监控视频方面以色列briefcam是行业领导者，此外还有哥伦比亚大学的VideoQ和IBM的CueVideo。国内这块处于初级发展状态。 视频摘要可以继续划分为 1、图片关键帧（提取一些视频截图）； 2、剪胶片(机器去除静止画面，只显示有目标的画面）； 3、空间换时间（不同时间的事件显示在同一画面）。 第3基本上就是能够用于商业运用的视频摘要项目，类似提供这样效果。（注意图上的两组人是不同时间的人）。
当然了，真实的视频可能是这样的
我这里实验的背景，首先以768那个avi,然后以营区监控来做（opencv3.0自带视频 768×576.avi)
二、关键技术和算法流程 （一）背景建模 背景建模的基(you)本(xiao)方法是“背景建模”。能够找到的方法包括(1)均值法(2)中值法(3)滑动平均滤波(4）单高斯(5)混合高斯模型(6)codebook方法。我这里实现(1)均值法(3）滑动滤波法和(5)混合高斯法 （1）均值法 对于768*576.avi这个视频来说，是比较经典的监控视频，其特点是主要背景景物、光照等是不变的，前景人物来回走动。处理这种问题，如果想把背景取出来，最直接的方法就是统计一个阶段的帧（比如1到100）中，图像中每个像素在绝大多数时间里面的颜色。 如果直接求平均值，结果是这样的
应该说这种方法是有一定效果的，特别对于背景都是远景，或者变化不是很大的情况，处理的效果比较好。 但是对于前进的图像晃动，效果就不是很理想。
使用第0帧和平均值求absdiff,可以看到那个标识牌是很明显地被认为是前景了。这个效果应该不是太好。
void GoBgModeling(const char * videoFilePath, const int frame_num_used, Mat* bgMat, \
const int size1, const int size2, const int sigma1, const int sigma2 ){
//声明
int frame_no = 0;
Mat frame;
Mat tmp;
VideoCapture pCapture(videoFilePath);//自己选取一段avi视频
if(!pCapture.isOpened()){
printf("Unable to open video file for background modeling!\n");
return;
}
printf("Background Modeling...\n");
//逐帧读取视频
Mat matTmp;
while(frame_no < frame_num_used){
pCapture>>frame;
frame.convertTo(frame,CV_32FC3);
frame_no += 1;
if(frame_no == 1){
//初始化
tmp = Mat::zeros(frame.rows,frame.cols,CV_32FC3);
matTmp = frame.clone();
}
tmp = tmp + frame/frame_num_used;
*bgMat = tmp;
}
bgMat->convertTo(*bgMat,CV_8UC3);
matTmp.convertTo(matTmp,CV_8UC3);
absdiff(matTmp,*bgMat,matTmp);
printf("Background Model has been achieved!\n");
}（2）滑动滤波法 /* Adds image to accumulator with weights: acc = acc*(1-alpha) + image*alpha */ 这种方法的原理我搞的不是很清楚，如果采用这种方法计算背景的话，越是在前面的图片，其权重被设定的越大。同样的视频结果如下
这个结果我看还不如均值。
/**
*背景建模
*/
void bgModeling(const char * videoFilePath, const int frame_num_used, IplImage ** bgImg, \
const int size1, const int size2, const int sigma1, const int sigma2){
//声明
IplImage * frame = NULL;
CvMat * frameMat = NULL;
CvMat * bgMat = NULL;
CvCapture* pCapture = NULL;
IplImage * framtmp = NULL;
CvMat * mattmp = NULL;
int frame_no = 0;
pCapture = cvCaptureFromFile(videoFilePath);//自己选取一段avi视频
if(!pCapture){
printf("Unable to open video file for background modeling!\n");
return;
}
if(*bgImg != NULL){//非空需先清空*bgImg指向的内存
cvReleaseImage(bgImg);
}
printf("Background Modeling...\n");
//逐帧读取视频
while(frame_no < frame_num_used){
frame = cvQueryFrame(pCapture);
frame_no += 1;
if(frame_no == 1){
//初始化
framtmp = cvCreateImage(cvSize(frame->width, frame->height), frame->depth, frame->nChannels);
cvCopy(frame,framtmp);
*bgImg = cvCreateImage(cvSize(frame->width, frame->height), frame->depth, frame->nChannels);
cvCopy(frame, *bgImg);
frameMat = cvCreateMat(frame->height, frame->width, CV_32FC3);
bgMat = cvCreateMat((*bgImg)->height, (*bgImg)->width, CV_32FC3);
cvConvert(frame, frameMat);
cvConvert(*bgImg, bgMat);
continue;
}
//视频帧IplImage转CvMat
cvConvert(frame, frameMat);
//高斯滤波先，以平滑图像
cvSmooth(frame, frame, CV_GAUSSIAN, size1, size2, sigma1, sigma2);
//滑动平均更新背景(求平均)
cvRunningAvg(frameMat, bgMat, (double)1/frame_num_used);
}
cvConvert(bgMat, *bgImg);
printf("Background Model has been achieved!\n");
//释放内存
cvReleaseCapture(&pCapture);
cvReleaseMat(&frameMat);
cvReleaseMat(&bgMat);
}（3）混合高斯模型
int _tmain(int argc, _TCHAR* argv[])
{
Mat bgMat;
// GoBgModeling("1.avi",100,&bgMat);
cv::VideoCapture capture;
capture.open("1.avi");
if (!capture.isOpened())
{
std::cout<<"read video failure"<<std::endl;
return -1;
}
cv::BackgroundSubtractorMOG2 mog;
cv::Mat foreground;
cv::Mat background;
cv::Mat frame;
long frameNo = 0;
while (capture.read(frame))
{
++frameNo;
std::cout<<frameNo<<std::endl;
// 运动前景检测，并更新背景
mog(frame, foreground, 0.001);
// 腐蚀
cv::erode(foreground, foreground, cv::Mat());
// 膨胀
cv::dilate(foreground, foreground, cv::Mat());
mog.getBackgroundImage(background); // 返回当前背景图像
cv::imshow("video", foreground);
cv::imshow("background", background);
if (cv::waitKey(25) > 0)
{
break;
}
}
return 0;
}这里虽然是直接使用了opencv提供的Mog模块，应该说效果相当不错。但是也需要对mog的基本原理进行理清和理解，并且对opencv的实现进行整理，这样才算吃透知识。
