一种视频处理方法及其装置与流程

1.本技术涉及图像处理技术领域，尤其涉及一种视频处理方法及其装置。


背景技术：

2.随着互联网技术的发展，图像采集设备广泛分布于医院、小区、街道等各种场合，一旦发生紧急事件或警情时，可基于图像采集设备所采集的图像或视频，确定出与目标对象(可以是指人，也可以是指物)相关的视频(视频序列)，及时采取相应措施。
3.然而，随着图像采集设备的日益增多，每天产出的视频数据大小在成倍数增长。若要确定目标对象的异常行为信息，则需要从海量的视频数据中获取与该目标对象相关的视频，耗时耗力，效率低下。
4.因此，如何从海量的视频数据中高效的处理与目标对象相关的视频，是目前亟需解决的问题。


技术实现要素：

5.本技术提供一种视频处理方法，用以高效的处理与目标对象相关的视频。
6.第一方面，提供一种视频处理方法，包括：
7.对第一视频序列中的视频帧进行识别，得到所述第一视频序列中指定类型的异常行为事件以及所述异常行为事件相关的目标对象；根据所述第一视频序列中所述目标对象发生所述异常行为事件的时间，生成第二视频序列，所述第二视频序列包括所述目标对象发生所述异常行为时的视频序列，以及包括所述目标对象发生所述异常行为之前和/或之后设定时长的视频序列；对所述第二视频序列中的视频帧进行聚类，得到至少一个与所述目标对象相关联的视频子序列；确定所述视频子序列与所述目标对象和所述异常行为事件的相关度，并根据各视频子序列的相关度，从所述视频子序列中选取目标视频子序列；对所述目标视频子序列进行拼接，得到与所述目标对象和所述异常行为事件相关联的目标视频序列。
8.可选的，所述确定所述至少一个与所述目标对象相关联的视频子序列中各视频子序列与所述目标对象和所述异常行为事件的相关度，包括：
9.根据第一视频子序列的时间相关度、事件主线相关度、目标对象相关度中的至少一个，确定所述第一视频子序列与所述目标对象和所述异常行为事件的相关度，所述第一视频子序列为所述各视频子序列中任意一个。
10.可选的，所述第一视频子序列与所述目标对象和所述异常行为事件的相关度满足以下公式：
[0011][0012]
其中，g表示所述第一视频子序列与所述目标对象和所述异常行为事件的相关度对应的分数，d为所述第一视频子序列的时间相关度对应的分数，e为所述第一视频子序列的事件主线相关度对应的分数，f为所述第一视频子序列的目标对象相关度对应的分数。
[0013]
可选的，所述对第一视频序列中的视频帧进行识别，得到所述第一视频序列中指定类型的异常行为事件以及所述异常行为事件相关的目标对象，包括：
[0014]
对所述第一视频序列中的视频帧进行识别，得到所述异常行为事件以及所述异常行为事件对应的严重级别；根据所述异常行为事件所属的类型查询预先设置的事件类型与关注度之间的对应关系，得到所述异常行为事件对应的关注度；根据所述异常行为事件对应的严重级别以及对应的关注度，确定所述异常行为事件是否满足要求；若所述异常行为事件满足要求，则对所述第一视频序列中包含所述异常行为事件的视频帧进行识别，得到所述异常行为事件相关的目标对象。
[0015]
可选的，所述根据所述异常行为事件对应的严重级别以及对应的关注度，确定所述异常行为事件是否满足要求，包括：
[0016]
按照以下公式计算所述异常行为事件对应的分数：
[0017]
c＝a*b
[0018]
其中，c为所述异常行为事件对应的分数，a为所述异常行为事件的严重级别对应的分数，b为所述异常行为事件的关注度对应的分数；若所述异常行为事件对应的分数大于设定阈值，则确定所述异常行为事件满足要求。
[0019]
可选的，所述对所述目标视频子序列进行拼接，包括：
[0020]
按照相关度降序顺序，对所述目标视频子序列进行拼接。
[0021]
第二方面，提供一种视频处理装置，包括：
[0022]
确定模块，用于对第一视频序列中的视频帧进行识别，得到所述第一视频序列中指定类型的异常行为事件以及所述异常行为事件相关的目标对象；获取模块，根据所述第一视频序列中所述目标对象发生所述异常行为事件的时间，生成第二视频序列，所述第二视频序列包括所述目标对象发生所述异常行为时的视频序列，以及包括所述目标对象发生所述异常行为之前和/或之后设定时长的视频序列；聚类模块，用于对所述第二视频序列中的视频帧进行聚类，得到至少一个与所述目标对象相关联的视频子序列；目标视频子序列筛选模块，用于确定所述视频子序列与所述目标对象和所述异常行为事件的相关度，并根据各视频子序列的相关度，从所述视频子序列中选取目标视频子序列；拼接模块，用于对所述目标视频子序列进行拼接，得到与所述目标对象和所述异常行为事件相关联的目标视频序列。
[0023]
可选的，所述目标视频子序列筛选模块，具体用于：
[0024]
根据第一视频子序列的时间相关度、事件主线相关度、目标对象相关度中的至少一个，确定所述第一视频子序列与所述目标对象和所述异常行为事件的相关度，所述第一视频子序列为所述各视频子序列中任意一个。
[0025]
可选的，所述第一视频子序列与所述目标对象和所述异常行为事件的相关度满足以下公式：
[0026][0027]
其中，g表示所述第一视频子序列与所述目标对象和所述异常行为事件的相关度对应的分数，d为所述第一视频子序列的时间相关度对应的分数，e为所述第一视频子序列的事件主线相关度对应的分数，f为所述第一视频子序列的目标对象相关度对应的分数。
[0028]
可选的，所述确定模块，具体用于：
[0029]
对所述第一视频序列中的视频帧进行识别，得到所述异常行为事件以及所述异常行为事件对应的严重级别；根据所述异常行为事件所属的类型查询预先设置的事件类型与关注度之间的对应关系，得到所述异常行为事件对应的关注度；根据所述异常行为事件对应的严重级别以及对应的关注度，确定所述异常行为事件是否满足要求；若所述异常行为事件满足要求，则对所述第一视频序列中包含所述异常行为事件的视频帧进行识别，得到所述异常行为事件相关的目标对象。
[0030]
可选的，所述确定模块，具体用于：
[0031]
按照以下公式计算所述异常行为事件对应的分数：
[0032]
c＝a*b
[0033]
其中，c为所述异常行为事件对应的分数，a为所述异常行为事件的严重级别对应的分数，b为所述异常行为事件的关注度对应的分数；若所述异常行为事件对应的分数大于设定阈值，则确定所述异常行为事件满足要求。
[0034]
可选的，所述拼接模块，具体用于：
[0035]
按照相关度降序顺序，对所述目标视频子序列进行拼接。
[0036]
第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面任一项所述的方法。
[0037]
第四方面，提供一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行第一方面任一项所述的方法。
[0038]
第五方面，提供一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行第一方面任一项所述的方法。
[0039]
本技术实施例中，对第一视频序列中的视频帧进行识别，得到该第一视频序列中指定类型的异常行为事件以及该异常行为事件相关的目标对象，可以突出重点，准确的识别出该异常行为事件的类型以及相关的目标对象；基于第一视频序列中目标对象发生异常行为事件的时间，获取第二视频序列，对第二视频序列进行聚类，得到至少一个与目标对象相关联的视频子序列，可以聚焦于目标对象的轨迹动向，方便完善该异常行为事件的细节；在确定各视频子序列的相关度后，并根据各视频子序列的相关度，从与目标对象相关联的视频子序列中选取目标视频子序列，从而可以删除不必要的视频，缩短视频查阅时间；对目标视频子序列进行拼接，得到与目标对象和异常行为事件相关联的目标视频序列，可以聚焦于异常行为事件的结果，从而提高处理异常行为事件以及相关的目标对象的效率。
附图说明
[0040]
图1为本技术实施例提供的一种系统架构示意图；
[0041]
图2为本技术实施例提供的一种视频处理方法的流程示意图；
[0042]
图3为本技术实施例提供的一种确定目标对象的流程示意图；
[0043]
图4为本技术实施例提供的一种视频处理逻辑示意图；
[0044]
图5为本技术实施例提供的一种视频处理装置的结构示意图；
[0045]
图6为本技术实施例提供的一种通信装置的结构示意图。
具体实施方式
[0046]
为了使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
[0047]
以下对本技术实施例中的部分用语进行解释说明，以便于本领域技术人员理解。
[0048]
(1)本技术实施例中，名词“网络”和“系统”经常交替使用，但本领域的技术人员可以理解其含义。
[0049]
(2)本技术实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
[0050]
(3)“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0051]
参考图1，为本技术实施例适用的一种系统架构图，该系统架构至少包括处理器单元101和存储器单元102两部分，其中，处理器单元101中还至少包括检索模块101a、确定模块101b、获取模块101c、智能算法模块101d、筛选模块101e，存储器单元102至少包括视频存储模块102a、视频存储模块102b、视频存储模块102c。
[0052]
检索模块101a，可实现视频检索功能。
[0053]
确定模块101b，可根据检索模块101a检索的视频序列进行识别，确定视频序列中的目标对象。
[0054]
获取模块101c，可用于获取该目标对象在设定时间段内的视频序列。
[0055]
智能算法模块101d，可根据获取模块101c获取到的视频序列，对该目标对象进行异常行为识别、聚类等处理，将该视频序列拆分为多个子视频序列。
[0056]
筛选模块101e，可用于将智能算法模块101d处理后的多个子视频序列进行二次筛选并拼接成新的视频序列。
[0057]
视频存储模块102a，可用于将检索模块101a检索到的视频序列进行存储；视频存储模块102b，可用于将获取模块101c获取到的视频序列进行存储；视频存储模块102a，可用于将筛选模块101e拼接成新的视频序列进行存储。
[0058]
本技术实施例中，异常行为事件可以是指违反文明准则或成群体行为习惯的事件(例如闯红灯、车祸、超速、打架等)，该异常行为事件可以是预先定义的。目标对象是指发生异常行为事件相关的事件主体，例如车祸事件的目标对象可以是车祸涉及的车辆，也可以是车祸涉及的车辆与人。打架事件的目标对象主要包括打架涉及的人。
[0059]
需要说明的是，上述系统可广泛用于网络硬盘录相机、数字硬盘录相机等具备存储能力的产品，本技术实施例在此不做限制。
[0060]
以智能交通场景为例，检索模块101a从图像采集设备中获取到一段视频序列(例如8点至9点)，并将该视频序列发送至视频存储模块102a、确定模块101b；确定模块101b对检索模块101a发送的视频序列进行识别，确定出该视频序列中8：20-8：30发生车祸(人与车相撞)，以及与该车祸相关的目标对象(车辆、人)；获取模块101c根据发生车祸时的时间，获取设定时间段内(例如7：20-9：30)的视频序列并将该7：20-9：30的视频序列发送到智能算法模块101d，智能算法模块101d将7：20-9：30的视频序列中与该车祸相关的目标对象进行
聚类，形成多个子视频序列后，发送到筛选模块101e，并存储到视频存储模块102b中；筛选模块101e从该多个子视频序列中筛选出包含有车祸以及与该车祸相关的目标对象的视频子序列，将其进行拼接，从而得到目标视频序列，并将该目标视频序列存储到视频存储模块102c。
[0061]
基于图1所示的系统架构图，本技术实施例提供了一种视频处理方法的流程，如图2所示，该方法的流程可由视频处理装置(例如图1中的处理器单元101)执行，该装置可通过软件方式实现，也可通过硬件方式实现，还可通过软件和硬件结合的方式实现。该流程，包括以下步骤：
[0062]
201：对第一视频序列中的视频帧进行识别，得到该第一视频序列中指定类型的异常行为事件以及该异常行为事件相关的目标对象。
[0063]
可选的，异常行为事件的识别可根据异常行为事件所属的类型，采用相应的异常行为识别算法，从而可实现对该第一视频中的异常行为事件的类型进行准确分类。具体地，若是车辆闯红灯这一类型，可基于车辆异常行为识别算法(例如，高斯混合隐马尔科夫模型(gaussian mixed hidden markov model，gm-hmm)、目标检测yolo v3等算法)，得到车辆闯红灯的异常行为事件以及该闯红灯相关的目标对象；若是人员聚集打闹这一类型，可基于人员异常行为识别算法(例如，改进密集轨迹(improve dense trajectory，idt)、双流(two stream)算法等，得到人员聚集打闹的异常行为事件以及该人员聚集打闹相关的目标对象。
[0064]
可选的，在对第一视频列中的视频帧进行识别之前，可接收到的视频获取请求，该视频获取请求中可包括时间、地点等检索信息；根据该视频获取请求查询存储的视频数据，从而得到所请求获取的第一视频序列，进一步的，还可对该第一视频序列打上调阅标签(例如，20211202160623)，便于记录和查询。
[0065]
可选的，图3示例性示出了步骤201的一种实现方法，如图3所示，本技术实施例提供的一种确定目标对象的方法流程可包括：
[0066]
301：对该第一视频序列中的视频帧进行识别，得到异常行为事件以及该异常行为事件对应的严重级别。
[0067]
可选的，异常行为事件的严重级别可预设。以闯红灯为例，将其分为四个等级(特高、高、中、低)，严重级别为特高的异常行为事件可设定为闯红灯造成重大人员和/或财产损失，严重级别为高的异常行为事件可设定为闯红灯造成严重人员和/或财产损失，严重级别为中的异常行为事件可设定为闯红灯造成一般人员和/或财产损失，严重级别为低的异常行为事件可设定为闯红灯未造成人员和/或财产损失。具体地，不同的严重级别可对应不同的分数，如表1所示。
[0068]
表1：异常行为事件的严重级别打分规则表
[0069]
严重级别分值特高4高3中2低1
[0070]
302：根据该异常行为事件所属的类型查询预先设置的事件类型与关注度之间的对应关系，得到该异常行为事件对应的关注度。
[0071]
可选的，该关注度可基于异常行为事件的类型进行预先设置，可将其分为3个梯度的关注度(高关注度、低关注度、不关注)。例如，本月重点关注闯红灯这一类型的异常行为事件，可将其设定为高关注度，开车打电话、未系安全带等这一类型的异常行为事件可将其设定为中关注度，车辆超速、车辆压实线等这一类型的异常行为事件可将其设定为不关注。具体地，不同的关注度可对应不同的分数，如表2所示。
[0072]
表2：关注度打分规则表
[0073]
关注度分值高关注度4中关注度2不关注0
[0074]
303：根据上述异常行为事件对应的严重级别以及对应的关注度，确定该异常行为事件是否满足要求。
[0075]
可选的，基于上述表1、表2的打分规则表，可按照以下公式计算异常行为事件对应的分数：
[0076]
c＝a*b
[0077]
其中，c为异常行为事件对应的分数，a为异常行为事件的严重级别对应的分数，b为异常行为事件的关注度对应的分数。
[0078]
举例来说，步骤301识别得到的异常事件有严重级别特高的事件1、严重级别高的事件2、严重级别中的事件3、严重级别低的事件4，步骤302得到事件1属于高关注度的异常行为事件、事件2属于低关注度的异常行为事件，事件3、4属于不关注的异常行为事件。基于上述公式从而可分别确定事件1、2、3、4所对应的分数，如表3所示。
[0079]
表3：异常行为事件分值计算表
[0080][0081]
若计算得到的异常行为事件对应的分数大于设定阈值(例如10)，则确定该异常行为事件(事件1)满足要求，并转入步骤304。若该异常行为事件不满足要求，则结束本流程。
[0082]
在一些实施例中，若有多个异常行为事件对应的分数大于设定阈值，例如事件1与事件2都满足要求，则将包含有事件1、事件2的视频帧分别进行识别，得到事件1相关的目标对象以及事件2相关的目标对象。
[0083]
在一些实施例中，还可将分值最高的异常行为事件，确定为满足要求的异常行为事件。
[0084]
在另一些实施例中，还可将异常行为事件对应的严重级别分数与关注度分数进行
加权求和，从而确定该异常行为事件是否满足要求。
[0085]
304：对第一视频序列中包含该异常行为事件的视频帧进行识别，得到异常行为事件相关的目标对象。
[0086]
本技术实施例中，基于严重级别以及关注度，确定第一视频中的异常行为事件是否满足要求，相较于对视频序列中包含有多个事件时，一一进行识别确定目标对象，可以突出重点，快速确定目标对象，从而提高效率。
[0087]
202：确定目标对象后，根据该第一视频序列中目标对象发生该异常行为事件的时间，生成第二视频序列。
[0088]
在一些实施例中，第二视频序列可包括该目标对象发生异常行为时的视频序列、目标对象发生该异常行为之前设定时长的视频序列。
[0089]
在另一些实施例中，第二视频序列可包括该目标对象发生异常行为时的视频序列、目标对象发生该异常行为之后设定时长的视频序列。
[0090]
在另一些实施例中，第二视频序列可包括该目标对象发生异常行为时的视频序列、目标对象发生该异常行为之前和之后设定时长的视频序列。
[0091]
本技术实施例中，不仅包括目标对象发生异常行为时的视频序列，还包括设定时长内发生异常行为之前和/或之后的视频序列，相较于只包含有发生异常行为时的视频序列，可以聚焦于目标对象的轨迹动向，方便完善异常行为事件的细节。
[0092]
在一些实施例中，可对获取到的第二视频序列打上标签(例如case009)，还可在该目标对象发生异常行为时的视频序列打上标签(例如，事件中z小时，用于表征该异常行为事件的结果所属的时间段)，可对目标对象发生该异常行为之前的视频序列打上标签(例如，事件前x小时，用于表征该异常行为事件的起因所属的时间段)，可对目标对象发生该异常行为之后的视频序列打上标签(例如，事件后y小时，用于表征该异常行为事件的细节所属的时间段)，便于区分异常行为事件发生的过程。
[0093]
203：对该第二视频序列中的视频帧进行聚类，得到至少一个与该目标对象相关联的视频子序列。
[0094]
可选的，可通过k均值聚类算法(k-means clustering algorithm)、k最邻近分类算法(k-nearest neighbor，knn)、期望最大优化算法(expectation maximization algorithm，ema)、具有噪声的基于密度的聚类算法(density-based spatial clustering of applications with noise，dbscan)等至少一种算法，将第二视频序列进行聚类，保留与目标对象相关的视频子序列，其他与该目标对象无关的视频子序列可以删除或者忽略。
[0095]
204：得到至少一个与该目标对象相关联的视频子序列后，确定各视频子序列与目标对象和异常行为事件的相关度，并根据各视频子序列的相关度，从该各视频子序列中选取目标视频子序列。
[0096]
以各视频子序列中任意一个视频子序列为例，为了方便描述称其为第一视频子序列。可选的，确定各视频子序列与目标对象和异常行为事件的相关度可通过以下方式：
[0097]
方式一：根据第一视频子序列的时间相关度、事件主线相关度、目标对象相关度，确定该第一视频子序列与目标对象和异常行为事件的相关度。
[0098]
方式二：根据第一视频子序列的时间相关度、事件主线相关度、目标对象相关度中任意两个，确定该第一视频子序列与目标对象和异常行为事件的相关度。
[0099]
方式三：根据第一视频子序列的时间相关度、事件主线相关度、目标对象相关度中任意一个，确定该第一视频子序列与目标对象和异常行为事件的相关度。
[0100]
可选的，第一视频子序列的时间相关度可根据第一视频子序列的时间与发生异常行为事件的时间之间的间隔进行确定。若第一视频子序列的时间与发生异常行为时的时间之间的间隔越相近，则其时间相关度越高，若第一视频子序列的时间与发生异常行为时的时间之间的间隔越远，则其时间相关度越低。可选的，时间相关度可用分值进行量化，例如，若该第一视频子序列的时间段属于上述标签中“事件中z小时”的视频序列范围内，则对应3分；若该第一视频子序列的时间段属于上述标签中“事件前x小时”的视频序列范围内，则对应2分；若该第一视频子序列的时间段属于上述标签中“事件后y小时”的视频序列范围内，则对应1分。
[0101]
可选的，第一视频子序列的事件主线相关度可根据第一视频子序列中异常行为事件所属的事件主线类型进行确定，该事件主线类型可通过目标检测算法(例如yolo v3)等算法识别得到的。可选的，事件主线类型可包括起因、结果、细节中的至少一种，事件主线相关度可按异常事件本身的重要程度(异常事件纪传规则)进行分值划分，一般异常行为事件的结果〉起因〉细节，也可根据实际情况不包括细节。
[0102]
可选的，第一视频子序列的目标对象相关度是基于该第一视频子序列中目标对象出现的频次确定的。若目标对象在第一视频序列中出现的频次越多，则其目标对象相关度越高，反之则相关度越低。可选地，可按单位时间内目标对象出现的次数划分成高、中、低3个等级且对应不同的分值。例如，单位时间内目标对象出现大于5次为高，小于3次为低，3-5次为中。
[0103]
表4示例性示出了上述3个不同纬度的相关度打分规则表。
[0104]
表4：相关度打分规则表
[0105][0106]
可选的，以方式一为例，该第一视频子序列与目标对象和异常行为事件的相关度满足以下公式：
[0107][0108]
其中，g表示第一视频子序列与目标对象和异常行为事件的相关度对应的分数，d为第一视频子序列的时间相关度对应的分数，e为第一视频子序列的事件主线相关度对应
的分数，f为第一视频子序列的目标对象相关度对应的分数。
[0109]
通过上述步骤，便可确定出各视频子序列与目标对象和异常行为事件的相关度，并根据各视频子序列的相关度，从中选取目标视频子序列(如表5所示)，从而可以删除不必要的视频子序列(例如低于设定分值的视频子序列)，缩短视频查阅时间。
[0110]
表5：示例性示出了视频子序列分值计算表
[0111][0112]
205：对上述目标视频子序列进行拼接，得到与该目标对象和异常行为事件相关联的目标视频序列。
[0113]
可选的，可按照相关度降序顺序，对上述目标视频子序列进行拼接。在一些实施例中，若出现分数相同的目标子视频序列，则根据事件中z小时〉事件后小时〉事件前z小时的原则进行拼接，从而聚焦于异常行为事件的结果，提高处理该异常行为事件以及该事件相关的目标对象的效率。
[0114]
本技术实施例中，对第一视频序列中的视频帧进行识别，得到该第一视频序列中指定类型的异常行为事件以及该异常行为事件相关的目标对象，可以突出重点，准确的识别出该异常行为事件的类型以及相关的目标对象；基于第一视频序列中目标对象发生异常行为事件的时间，获取第二视频序列，对第二视频序列进行聚类，得到至少一个与目标对象相关联的视频子序列，可以聚焦于目标对象的轨迹动向，方便完善该异常行为事件的细节；
在确定各视频子序列的相关度后，并根据各视频子序列的相关度，从与目标对象相关联的视频子序列中选取目标视频子序列，从而可以删除不必要的视频，缩短视频查阅时间；对目标视频子序列进行拼接，得到与目标对象和异常行为事件相关联的目标视频序列，可以聚焦于异常行为事件的结果，从而提高处理异常行为事件以及相关的目标对象的效率。
[0115]
基于图2所示的方法流程，图4示例性示出了一种视频处理逻辑示意图。如图所示，根据接收到包括有地点a、时间为9：00-10：00的获取请求后，得到第一视频序列，对该视频序列进行识别，得到9：30-9：40时，车辆a闯红灯，导致追尾车辆b，根据该时间段获取到从7：30-11：40的第二视频序列，并对该第二序列进行聚类，从而得到n个与车辆a和/或b相关联的视频子序列，对n个视频子序列分别进行相关度的计算，得到9个目标视频子序列，并按照相关度降序的原则进行拼接，从而形成目标视频序列。
[0116]
基于相同的技术构思，本技术实施例提供了一种视频处理装置的结构示意图，如图5所示，该装置包括确定模块101b、获取模块101c、聚类模块502、目标视频子序列筛选模块503、拼接模块504。
[0117]
确定模块101b，用于对第一视频序列中的视频帧进行识别，得到所述第一视频序列中指定类型的异常行为事件以及所述异常行为事件相关的目标对象。
[0118]
获取模块101c，根据所述第一视频序列中所述目标对象发生所述异常行为事件的时间，生成第二视频序列，所述第二视频序列包括所述目标对象发生所述异常行为时的视频序列，以及包括所述目标对象发生所述异常行为之前和/或之后设定时长的视频序列。
[0119]
聚类模块502，用于对所述第二视频序列中的视频帧进行聚类，得到至少一个与所述目标对象相关联的视频子序列。
[0120]
目标视频子序列筛选模块503，用于确定所述视频子序列与所述目标对象和所述异常行为事件的相关度，并根据各视频子序列的相关度，从所述视频子序列中选取目标视频子序列。
[0121]
拼接模块504，用于对所述目标视频子序列进行拼接，得到与所述目标对象和所述异常行为事件相关联的目标视频序列。
[0122]
可选的，目标视频子序列筛选模块503，具体用于：
[0123]
根据第一视频子序列的时间相关度、事件主线相关度、目标对象相关度中的至少一个，确定所述第一视频子序列与所述目标对象和所述异常行为事件的相关度，所述第一视频子序列为所述各视频子序列中任意一个。
[0124]
可选的，确定模块101b，具体用于：
[0125]
对所述第一视频序列中的视频帧进行识别，得到所述异常行为事件以及所述异常行为事件对应的严重级别。
[0126]
根据所述异常行为事件所属的类型查询预先设置的事件类型与关注度之间的对应关系，得到所述异常行为事件对应的关注度。
[0127]
根据所述异常行为事件对应的严重级别以及对应的关注度，确定所述异常行为事件是否满足要求。
[0128]
若所述异常行为事件满足要求，则对所述第一视频序列中包含所述异常行为事件的视频帧进行识别，得到所述异常行为事件相关的目标对象。
[0129]
可选的，确定模块101b，具体用于：
[0130]
按照以下公式计算所述异常行为事件对应的分数：
[0131]
c＝a*b
[0132]
其中，c为所述异常行为事件对应的分数，a为所述异常行为事件的严重级别对应的分数，b为所述异常行为事件的关注度对应的分数。
[0133]
若所述异常行为事件对应的分数大于设定阈值，则确定所述异常行为事件满足要求。
[0134]
可选的，拼接模块504，具体用于：
[0135]
按照相关度降序顺序，对所述目标视频子序列进行拼接。
[0136]
在此需要说明的是，本技术实施例提供的上述装置，能够实现上述视频处理方法实施例中的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0137]
图6示例性示出了本技术实施例提供的通信装置的结构示意图。
[0138]
如图所示，该装置可包括：处理器601、存储器602以及总线接口603。
[0139]
处理器601负责管理总线架构和通常的处理，存储器602可以存储处理器601在执行操作时所使用的数据。
[0140]
总线架构可以包括任意数量的互联的总线和桥，具体由处理器601代表的一个或多个处理器和存储器602代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器601负责管理总线架构和通常的处理，存储器602可以存储处理器601在执行操作时所使用的数据。
[0141]
本技术实施例揭示的流程，可以应用于处理器601中，或者由处理器601实现。在实现过程中，信号处理流程的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。处理器601可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所申请的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602，处理器601读取存储器602中的信息，结合其硬件完成信息处理流程的步骤。
[0142]
具体地，处理器601，用于读取存储器602中的计算机指令并执行本技术实施例中的一种视频处理方法。
[0143]
在此需要说明的是，申请本技术实施例提供的上述通信装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0144]
本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行上述实施例中的一种视频处理方法。
[0145]
本技术实施例还提供了一种计算机程序产品，所述计算机程序产品在被计算机调
用时，使得所述计算机执行上述实施例中的一种视频处理方法。
[0146]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0147]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0148]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0149]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0150]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。