远程视频监控图像自动标注优化方法

武卫翔

摘 要

对远程视频监控图像进行自动标注，实现视频监控中关键帧识别，提高视频信息的分析鉴别能力。提出一种基于远程视频监控图像多尺度关键帧提取的自动标注优化方法，首先构建视频图像的采集模型，然后对采集的图像进行小波降噪处理，对输出的降噪图像通过多尺度关键帧提取进行自动标注，实现图像特征提取和信息识别。仿真结果表明，采用该方法进行远程视频监控图像自动标注，提高了对图像信息的检测识别能力，图像的输出峰值信噪比较高，准确识别概率提高。

【关键词】远程 视频 监控图像 特征提取

随着多媒体通信和网络视频发布和传输的迅速普及，对视频传输的可靠性传输是视频图像的识别提出了更高的要求，实时传输高质量的视频图像是一项很困难的任务，当今，网络多媒体视频和图像文件传输的迅速增长，需要通过对大规模的远程监控图像进行自动化标注，降低图像传输和识别过程中的丢包率。研究远程视频监控图像自动标注优化方法，实现视频监控中关键帧识别，提高视频信息的分析鉴别能力，相关的算法研究受到人们的极大重视，传统方法中，对视频监控图像自动标注方法主要采用的是小波尺度特征提取方法、帧差时间序列分析方法等，上述方法在进行视频监控图像自动标注中存在计算开销过大，识别精度不高等问题，对此，本文提出一种基于远程视频监控图像多尺度关键帧提取的自动标注优化方法，首先构建视频图像的采集模型，采用优化的特征提取算法实现对图像的自动标注，改善图像的标注和识别性能，最后通过仿真实验进行了性能测试，得出有效性结论。

1 远程视频监控图像的采集和预处理

首先构建远程视频监控图像的采集模型，进行视频帧差分析，采用基于隐马尔科夫模型构建视频传输网络结构模型，进行远程视频监控图像的采集，远程视频监控图像自动化标注将在实现智能交通控制、视频安防监控和火灾现场视频传输等领域中发挥重要作用，因此，研究远程视频监控图像的自动化标注方法和优化传输技术具有重要价值，构建视频传输网络通信结构模型是进行编码算法设计的基础，在远程视频监控图像自动标注的整个流程中，采用编码调度方法参与单项模块的图像信息编码，进行局部信息提取，核算出每一项中的编码参数，将远程视频监控图像的采集模型转化为视频关键帧时间序列的重排和信息特征排布问题，在视频图像的域特征点通过Harris角点检测进行特征点标记，基于上述设计原理，得到远程视频监控图像采集的第i行第j个像素对应像素信息为：

（1）

其中，1≤k≤P为图像平均灰度假定已求得域特征点预置乱因子，则可以得到：

（2）

其中：Rminn（d）—远程视频监控图像的最小置乱距离表达式；N— 参与特征点标注的点个数；— 远程视频监控图像在高光谱区域块相位特性。

根据上述采集模型，采用小波降噪方法进行图像降噪，得到图像的降噪输出为：

（3）

其中，I（K）（i，j）为k阶匹配像素级，对小波降噪输出的图像进行特征提取，进行自动化标注。

2 特征提取及图像的自动标注优化

对输出的降噪图像通过多尺度关键帧提取进行自动标注，实现图像特征提取和信息识别。采用关键帧信息分解方法构建远程视频监控图像的RGB分量，在域特征点关联区间内存在两个信息特征区域进行加权处理，表达式为：

（4）

构建一幅远程视频监控图像的M×N维灰度图像，采用信息编码方法进一步进行图像加密的特征提取，得到：

（5）

采用区域分割得到图像多尺度关键帧提取的递推公式如下：

（6）

用Xi，j来表示（i，j）位置处远程视频监控图像的灰度值，且：

（7）

其中：PS1（d）为图像特征点的关联特性表达式；RS1（d）为采样点的关联特征信息，形成图像的特征加密点库，对于原始点库，通过关键帧提取，实现图像自动化标注。

3 仿真实验

为了验证本文算法在实现远程视频监控图像多尺度关键帧提取及自动标注中的性能，进行仿真实验，远程视频监控图像采集的分辨率是321×1240，测试样本集为1000，得到原始图像和进行图像自动标注的输出结果如图1所示。计算得出，采用本文方法进行图像处理，输出图像的峰值信噪比为52.23dB，比传统方法提高了 12dB，而准确标注概率为99.76%，传统方法为67.09%，仿真结果展示了本文方法的优越性。

4 结束语

本文提出一种基于远程视频监控图像多尺度关键帧提取的自动标注优化方法，构建视频图像的采集模型，然后对采集的图像进行小波降噪处理，对输出的降噪图像通过多尺度关键帧提取进行自动标注，实现图像特征提取和信息识别。研究得出，采用该方法进行远程视频监控图像自动标注，提高了对图像信息的检测识别能力，图像的输出峰值信噪比较高，准确识别概率提高，具有较高的应用价值。

参考文献

[1]李进，金龙旭，李国宁.适于星上应用的高光谱图像无损压缩算法[J].光谱学与光谱分析，2012，32（08）：2264-2269.

[2]郝帅，程咏梅，马旭，等.无人直升机视觉着舰中合作目标角点检测算法[J].西北工业大学学报，2013，31（04）：653-659.