一种人车目标分类系统和方法
【专利摘要】本发明涉及一种人车目标分类系统和方法，其方法包括以下步骤：步骤S1：按设定字节量将视频进行物理分割，得到多个视频块；步骤S2：将分割的视频块按先后顺序存储在不同子节点；步骤S3：根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片；步骤S4，对每个视频分片进行解析，得到该视频分片的键值对；步骤S5:根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息；步骤S6：将分类后的员目标信息和车辆目标信息分别存储在其不同的目录下。相对现有技术，本发明便于操作、处理高效、解压有效。
【专利说明】一种人车目标分类系统和方法
【技术领域】
[0001]本发明涉及视频监控【技术领域】，特别涉及一种人车目标分类系统和方法。
【背景技术】
[0002]视频监控数据量庞大，并且随着高清化、超高清化的趋势加强，视频监控数据规模将以指数级别增长；但是，由于缺乏对海量的视频数据进行快速有效分析的方法，导致信息利用率极低。
[0003]云计算技术的发展为高效的海量视频分析提供了条件。但现在云平台主要面向处理海量的文本数据，在日志分析、网页处理等领域有较好的效果。当在该云平台上对视频数据进行并行人车目标分类时存在以下问题:
[0004]首先，视频数据是非结构化的数据，包含了大量的有用信息，占用了很大的存储空间，为了节约各项资源，通常视频都是被压缩的。因此，在对视频进行智能分析时，需要先对视频进行解压缩，再对解压得到的视频帧进行智能分析。即在云平台中处理的是视频帧，而通常用的数据结构都是针对文本的，只能对文本直接进行处理。
[0005]其次，当数据存储到分布式存储系统中时，数据块会被按照规定的数据大小进行物理切分，即把每个数据文件切分成每块大小相同的数据块。而视频帧之间具有关联性，当对视频进行人车目标分类时，需要对视频中的目标进行检测、跟踪，因此不能按照字节大小进行随意切分，否则会因为找不到关键帧、缺少头文件等问题出现解码失败的情况，最终导致无法进行视频智能分析。
[0006]最后，虽然可以把视频数据先用视频切割器按照大约指定大小进行切割，然后再上传到分布式文件系统中进行智能分析，但是该方法不仅增大了工作量，当面随海量视频数据时，更是难以操作。
【发明内容】
[0007]本发明所要解决的技术问题是提供一种便于操作、处理高效、解压有效的人车目标分类系统和方法。
[0008]本发明解决上述技术问题的技术方案如下:一种人车目标分类方法，包括以下步骤:
[0009]步骤S1:按设定字节量将视频进行物理分割，得到多个视频块；
[0010]步骤S2:将分割的视频块按原视频的先后顺序存储在不同子节点；
[0011]步骤S3:根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片;
[0012]步骤S4，对每个视频分片进行解析，得到该视频分片的键值对；
[0013]步骤S5:根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息；
[0014]步骤S6:将分类后的人员目标信息和车辆目标信息分别存储在其不同的目录下。
[0015]本发明的有益效果是:以关键帧进行逻辑分片，可以提高视频的处理效率；人车分类高效，视频帧之间关联系强，提高解码效率和正确率。
[0016]在上述技术方案的基础上，本发明还可以做如下改进。
[0017]进一步，所述步骤3的具体实现步骤:
[0018]步骤S3.1:读取视频块，建立索引，标记视频块内的关键帧；
[0019]步骤S3.2:读取索引，根据关键帧重新确定视频分片的起始位置和结束位置；
[0020]步骤S3.3:对视频分片进行解析，生成该视频分片的键值对，所述键值对的键为视频帧的帧数，值为视频帧。
[0021]米用上述进一步方案的有益效果是:建立索引，标记关键帧，可以加快关键帧的定位，提高视频分片的效率；键为视频帧的帧数，值为视频帧的键值对，提高人车分类的效率。
[0022]进一步，所述索引的结构为视频帧数和视频帧的偏移字节量。
[0023]进一步，所述步骤S3.2的具体实现:
[0024]步骤S3.2.1:确定视频块的起始位置，判断视频块的起始位置是否是关键帧；
[0025]步骤S3.2.2:如果是关键帧，则确定关键帧为视频块的起始帧位置，如果不是关键帧，则依次读取靠前的视频块的视频帧，找到关键帧，并将该关键帧确定为视频分片的起始帧位置；
[0026]步骤S3.2.3:确定视频块的结束位置，判断视频块的结束位置是否是关键帧；
[0027]步骤S3.2.4:如果是关键帧，则确定关键帧为视频块的结束帧位置，如果不是关键帧，则依次读取该视频块靠后的视频块的视频帧，找到关键帧，并将该关键帧确定为视频分片的结束帧位置。
[0028]采用上述进一步方案的有益效果是:避免因缺少头文件、关键帧等引起的视频解码不成功的情况，提高解码成功率。
[0029]进一步，所述步骤S3.2还包括以下步骤:按重新确定视频分片的起始和结束位置，将视频分片写成用Xuggl er处理的流形式。
[0030]进一步，所述步骤4的具体实现:
[0031 ] 所述步骤5的具体实现:
[0032]窗口逐一扫描传入整个视频分片的视频帧，并计算被窗口框住图像的HOG特征，将HOG特征送入人车分类器中与设定的人员目标信息和车辆目标信息进行匹配，当有匹配的HOG特征时，则将对应的HOG特征分为人员目标信息或车辆目标信息传输给存储模块。
[0033]采用上述进一步方案的有益效果是:能快速区分人员目标信息和车辆目标信息，分类效率高。
[0034]本发明解决上述技术问题的另一技术方案如下:
[0035]一种人车目标分类系统，包括分割模块、存储模块、逻辑分片模块和人车分类模块；
[0036]所述分割模块，用于按设定字节量将视频进行物理分割，得到多个视频块；
[0037]所述存储模块，用于将分割的视频块按先后顺序存储在不同子节点，还用于将分类后的人和车目标存储在其不同目录；
[0038]所述逻辑分片模块，用于根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片；
[0039]所述人车分类模块，用于根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息。
[0040]所述逻辑分片模块包括读取单元、定位单元和解析单元；
[0041]所述读取单元，用于读取视频块，建立索引，标记视频块内的关键帧；
[0042]所述定位单元，用于读取索引，根据关键帧重新确定视频分片的起始位置和结束位置；
[0043]所述解析单元，用于对视频分片进行解析，生成该视频分片的键值对，所述键值对的键为视频帧的帧数，值为视频帧。
[0044]所述人车分类模块设置有窗口和人车分类器，所述窗口能逐一扫描传入整个视频分片的视频帧，并计算被窗口框住图像的HOG特征，将HOG特征送入人车分类器中与设定的人员目标信息和车辆目标信息进行匹配，当有匹配的HOG特征时，则将对应的HOG特征分为人员目标信息或车辆目标信息传输给存储模块。
[0045]本发明的有益效果是:以关键帧进行逻辑分片，可以提高视频的处理效率；人车分类高效，视频帧之间关联系强，提高解码效率和正确率。
【专利附图】
【附图说明】
[0046]图1为本发明一种人车目标分类方法的流程图；
[0047]图2为本发明一种人车目标分类系统的模块框图；
[0048]图3为逻辑分片方法的流程图；
[0049]图4为逻辑分片模块的模块框。
[0050]附图中，各标号所代表的部件列表如下:
[0051]1、分割模块，2、存储模块；
[0052]3、逻辑分片模块，31、读取单元，32、定位单元，33、解析单元；
[0053]4、人车分类模块。
【具体实施方式】
[0054]以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0055]如图1所示，一种人车目标分类方法，包括以下步骤:
[0056]步骤S1:按设定字节量将视频进行物理分割，得到多个视频块；
[0057]步骤S2:将分割的视频块按原视频的先后顺序存储在不同子节点；
[0058]步骤S3:根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片;
[0059]步骤S4，对每个视频分片进行解析，得到该视频分片的键值对；
[0060]步骤S5:根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息；
[0061]步骤S6:将分类后的人员目标信息和车辆目标信息分别存储在其不同的目录下。
[0062]如图3所示，所述步骤3的具体实现步骤:
[0063]步骤S3.1:读取视频块，建立索引，标记视频块内的关键帧；
[0064]步骤S3.2:读取索引，根据关键帧重新确定视频分片的起始位置和结束位置；
[0065]步骤S3.3:对视频分片进行解析，生成该视频分片的键值对，所述键值对的键为视频帧的帧数，值为视频帧。
[0066]所述索引的结构为视频帧数和视频帧的偏移字节量。
[0067]所述步骤S3.2的具体实现:
[0068]步骤S3.2.1:确定视频块的起始位置，判断视频块的起始位置是否是关键帧；
[0069]步骤S3.2.2:如果是关键帧，则确定关键帧为视频块的起始帧位置，如果不是关键帧，则依次读取靠前的视频块的视频帧，找到关键帧，并将该关键帧确定为视频分片的起始帧位置；
[0070]步骤S3.2.3:确定视频块的结束位置，判断视频块的结束位置是否是关键帧；
[0071]步骤S3.2.4:如果是关键帧，则确定关键帧为视频块的结束帧位置，如果不是关键帧，则依次读取该视频块靠后的视频块的视频帧，找到关键帧，并将该关键帧确定为视频分片的结束帧位置。
[0072]所述步骤S3.2还包括以下步骤:按重新确定视频分片的起始和结束位置，将视频分片写成用Xuggler处理的流形式。
[0073]所述步骤5的具体实现:
[0074]窗口逐一扫描传入整个视频分片的视频帧，并计算被窗口框住图像的HOG特征，将HOG特征送入人车分类器中与设定的人员目标信息和车辆目标信息进行匹配，当有匹配的HOG特征时，则将对应的HOG特征分为人员目标信息或车辆目标信息传输给存储模块。
[0075]如图2所不，一种人车目标分类系统，包括分割模块1、存储模块2、逻辑分片模块3和人车分类模块4 ；
[0076]所述分割模块1，用于按设定字节量将视频进行物理分割，得到多个视频块；
[0077]所述存储模块2，用于将分割的视频块按先后顺序存储在不同子节点，还用于将分类后的人和车目标存储在其不同目录；
[0078]所述逻辑分片模块3，用于根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片；
[0079]所述人车分类模块4，用于根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息。
[0080]如图4所示，所述逻辑分片模块3包括读取单元31、定位单元32和解析单元33 ；
[0081]所述读取单元31，用于读取视频块，建立索引，标记视频块内的关键帧；
[0082]所述定位单元32，用于读取索引，根据关键帧重新确定视频分片的起始位置和结束位置；
[0083]所述解析单元33，用于对视频分片进行解析，生成该视频分片的键值对，所述键值对的键为视频帧的帧数，值为视频帧。
[0084]所述人车分类模块4设置有窗口和人车分类器，所述窗口能逐一扫描传入整个视频分片的视频帧，并计算被窗口框住图像的HOG特征，将HOG特征送入人车分类器中与设定的人员目标信息和车辆目标信息进行匹配，当有匹配的HOG特征时，则将对应的HOG特征分为人员目标信息或车辆目标信息传输给存储模块2。
[0085]本发明以关键帧进行逻辑分片，可以提高视频的处理效率；人车分类高效，视频帧之间关联系强，提尚解码效率和正确率。
[0086]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种人车目标分类方法，其特征在于，包括以下步骤: 步骤S1:按设定字节量将视频进行物理分割，得到多个视频块； 步骤S2:将分割的视频块按原视频的先后顺序存储在不同子节点； 步骤S3:根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片； 步骤S4，对每个视频分片进行解析，得到该视频分片的键值对； 步骤S5:根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息； 步骤S6:将分类后的人员目标信息和车辆目标信息分别存储在其不同的目录下。
2.根据权利要求1所述一种人车目标分类方法，其特征在于，所述步骤3的具体实现步骤: 步骤S3.1:读取视频块，建立索引，标记视频块内的关键帧； 步骤S3.2:读取索引，根据关键帧重新确定视频分片的起始位置和结束位置； 步骤S3.3:对视频分片进行解析，生成该视频分片的键值对，所述键值对的键为视频帧的帧数，值为视频帧。
3.根据权利要求2所述一种人车目标分类方法，其特征在于，所述索引的结构为视频帧数和视频帧的偏移字节量。
4.根据权利要求2所述一种人车目标分类方法，其特征在于，所述步骤S3.2的具体实现: 步骤S3.2.1:确定视频块的起始位置，判断视频块的起始位置是否是关键帧； 步骤S3.2.2:如果是关键帧，则确定关键帧为视频块的起始帧位置，如果不是关键帧，则依次读取靠前的视频块的视频帧，找到关键帧，并将该关键帧确定为视频分片的起始帧位置； 步骤S3.2.3:确定视频块的结束位置，判断视频块的结束位置是否是关键帧； 步骤S3.2.4:如果是关键帧，则确定关键帧为视频块的结束帧位置，如果不是关键帧，则依次读取该视频块靠后的视频块的视频帧，找到关键帧，并将该关键帧确定为视频分片的结束帧位置。
5.根据权利要求4所述一种人车目标分类方法，其特征在于，所述步骤S3.2还包括以下步骤:按重新确定视频分片的起始和结束位置，将视频分片写成用Xuggler处理的流形式。
6.根据权利要求1所述一种人车目标分类方法，其特征在于，所述步骤5的具体实现: 窗口逐一扫描传入整个视频分片的视频帧，并计算被窗口框住图像的HOG特征，将HOG特征送入人车分类器中与设定的人员目标信息和车辆目标信息进行匹配，当有匹配的HOG特征时，则将对应的HOG特征分为人员目标信息或车辆目标信息传输给存储模块。
7.一种人车目标分类系统，其特征在于:包括分割模块(I)、存储模块(2)、逻辑分片模块⑶和人车分类模块⑷； 所述分割模块(I)，用于按设定字节量将视频进行物理分割，得到多个视频块； 所述存储模块(2)，用于将分割的视频块按先后顺序存储在不同子节点，还用于将分类后的人和车目标存储在其不同目录； 所述逻辑分片模块(3)，用于根据每个视频块中的关键帧对该视频块进行逻辑分片，得到多个视频分片； 所述人车分类模块(4)，用于根据解析得到的键值对，对所述视频分片进行人车分类，得到人员目标信息和车辆目标信息。
8.根据权利要求7所述一种人车目标分类系统，其特征在于，所述逻辑分片模块(3)包括读取单元(31)、定位单元(32)和解析单元(33)； 所述读取单元(31)，用于读取视频块，建立索引，标记视频块内的关键帧； 所述定位单元(32)，用于读取索引，根据关键帧重新确定视频分片的起始位置和结束位置； 所述解析单元(33)，用于对视频分片进行解析，生成该视频分片的键值对，所述键值对的键为视频帧的帧数，值为视频帧。
9.根据权利要求7所述一种人车目标分类系统，其特征在于，所述人车分类模块(4)设置有窗口和人车分类器，所述窗口能逐一扫描传入整个视频分片的视频帧，并计算被窗口框住图像的HOG特征，将HOG特征送入人车分类器中与设定的人员目标信息和车辆目标信息进行匹配，当有匹配的HOG特征时，则将对应的HOG特征分为人员目标信息或车辆目标信息传输给存储模块(2)。
【文档编号】H04N7/18GK104519323SQ201410829383
【公开日】2015年4月15日 申请日期:2014年12月26日 优先权日:2014年12月26日
【发明者】蔡晓东, 华娜, 吴迪, 朱利伟, 陈文竹, 甘凯今, 王丽娟, 梁奔香, 杨超, 刘馨婷 申请人:桂林远望智能通信科技有限公司