[發(fā)明專利]一種遠程教育教師自動識別圖像優(yōu)化跟蹤方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810576145.4
• 申請日: 2018-06-06
• 公開（公告）號: CN108876672A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設計）人: 吳青明
• 申請（專利權）人: 合肥思博特軟件開發(fā)有限公司
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06K9/00
• 代理公司: 合肥道正企智知識產(chǎn)權代理有限公司 34130
• 代理人: 武金花

本發(fā)明公開了一種遠程教育教師自動識別圖像優(yōu)化跟蹤方法及系統(tǒng)，方法包括采集視頻數(shù)據(jù)、目標框定、前景提取目標識別、調整參數(shù)確定、視頻精簡壓縮等步驟；系統(tǒng)包括視頻采集模塊、存儲模塊、教師目標框定處理模塊、前景提取模塊、數(shù)據(jù)建模模塊、像素分類模塊、教師目標生成模塊、位置標定模塊、調整參數(shù)生成模塊、視頻數(shù)據(jù)壓縮處理模塊和通信模塊。本發(fā)明能夠準確提取出視頻圖像中的教師目標，并根據(jù)目標的移動同步調整視頻的采集角度和方向，時刻清晰完整的采集到教師目標的圖像，既降低了視頻傳輸中數(shù)據(jù)量又保證了教師目標信息的準確有效性，具有較高的實用價值和廣泛的應用前景。

技術領域

本發(fā)明涉及智能控制技術領域，具體涉及一種遠程教育教師自動識別圖像優(yōu)化跟蹤方法及系統(tǒng)。

背景技術

隨著社會經(jīng)濟的快速發(fā)展，科技的快速進步，人們的生活方式已經(jīng)發(fā)生了改變，遠程視頻、視頻監(jiān)控應用的越來越廣。比如遠程教育，在遠程的任意地方，就可以自由的選擇需要學習的內(nèi)容進行學習，再比如安裝于商業(yè)廣場、超市以及學校等公共安全較為重要場合的視頻監(jiān)控系統(tǒng)。

而現(xiàn)有的視頻分析過程中對于教師目標的提取有較多的問題，比如如何有效確定教師目標，如何消除動態(tài)背景在前景提取時的影響，如何減輕目標陰影對目標提取的影響以及如果降低噪聲，通常常用的幀差法比較適用于運動目標和背景的灰度相差較多，并且背景變化很小的視頻圖像處理，無法廣泛應用，其他方法也無法有效解決以上問題。

另一方面，現(xiàn)有技術中也存在基于視頻中目標的粗略定位位置來調整拍攝角度的直播方式，但是這種方式的調整精度不夠，調整的過程中容易對拍攝畫面差生影響，拍攝圖像可能模糊不清，并且無法滿足大視場以及目標活動區(qū)間過大的情況，會出現(xiàn)較大盲區(qū)或通過遠距離的錄制采集，實際觀看時可能出現(xiàn)無法準確跟蹤教師目標。

此外在現(xiàn)有技術中，視頻通過網(wǎng)絡進行傳輸因為受到網(wǎng)絡帶寬等因素的影響，很容易出現(xiàn)時斷時續(xù)的現(xiàn)象，影響播放的效果。無論是采用哪種方式，要想獲得清晰流暢的教師目標的視頻播放效果，都需要對遠程視頻動中產(chǎn)生的流媒體數(shù)據(jù)進行有效壓縮。但是，現(xiàn)有技術尚沒有提供對教師目標有針對性的視頻壓縮解決方案。

發(fā)明內(nèi)容

針對現(xiàn)有技術的不足，本發(fā)明提供一種遠程教育教師自動識別圖像優(yōu)化跟蹤方法及系統(tǒng)，能夠準確提取出視頻圖像中的教師目標，并根據(jù)目標的移動同步調整視頻的采集角度和方向，時刻清晰完整的采集到教師目標的圖像，既降低了視頻傳輸中數(shù)據(jù)量又保證了教師目標信息的準確有效性，具有較高的實用價值和廣泛的應用前景。

本發(fā)明解決技術問題采用如下技術方案：

本發(fā)明提供了一種遠程教育教師自動識別圖像優(yōu)化跟蹤方法，包括以下步驟：

S1、實時采集培訓視頻數(shù)據(jù)，將視頻數(shù)據(jù)分解為圖像數(shù)據(jù)和音頻數(shù)據(jù)，按照時間順序分開存儲，同時對圖像數(shù)據(jù)采取預處理措施主要包括：采用HSV色彩空間減輕了目標陰影對目標提取的影響，采用中值濾波器去掉了椒鹽噪聲，采用圖像二值化使圖像變的簡單，采用圖像學去噪中的腐蝕和膨脹分別提取消除圖像噪聲和填充圖像空洞；

S2、對步驟S1采集的視頻數(shù)據(jù)的每一幀圖像數(shù)據(jù)使用Faster RCNN進行目標框定，生成建議框，將生成建議框中的圖像數(shù)據(jù)按照預設時間間隔T分段提取存儲等待處理；

S3、將步驟S2中分段提取存儲的生成建議框中的圖像數(shù)據(jù)混合高斯模型進行前景提取識別得到教師目標數(shù)據(jù)，包括：

S31、對該段圖像數(shù)據(jù)中的前M幀圖像中任一像素點進行建模得到該像素點的概率分布函數(shù)：

X表示該像素點灰度值，t為該幀圖像對應的時刻，K為選取擬合的高斯模型的個數(shù)η為高斯概率密度函數(shù)，ω屬于不同函數(shù)的權重，μ和ε分別是t時刻第n個高斯模型的均值向量和協(xié)方差矩陣；