国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于視覺的運(yùn)動特征提取方法

      文檔序號:10595103閱讀:965來源:國知局
      一種基于視覺的運(yùn)動特征提取方法
      【專利摘要】本發(fā)明涉及一種基于視覺的運(yùn)動特征提取方法,具體包括以下步驟:步驟S1:基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量;步驟S2:提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn);步驟S3:以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向?幅值直方圖的立方本特征向量;步驟S4:通過聚類算法對局部描述子形成編碼向量。該方法所提取的基于運(yùn)動矢量的時空特征描述可以較好捕捉運(yùn)動目標(biāo)的運(yùn)動信息,聚類重編碼可以形成運(yùn)動特征的詞典頻率,提高時空中運(yùn)動目標(biāo)的檢測和識別結(jié)果。
      【專利說明】
      一種基于視覺的運(yùn)動特征提取方法
      技術(shù)領(lǐng)域
      [0001]本發(fā)明涉及計算機(jī)視覺、圖像處理技術(shù)領(lǐng)域,特別是一種基于視覺的運(yùn)動特征提取方法。
      【背景技術(shù)】
      [0002]隨著國家電網(wǎng)數(shù)字檔案館深化應(yīng)用與推廣實施工作的開展,電子檔案得到了規(guī)范化管理和高效化使用。基于音視頻智能化處理新技術(shù)和新方法等被引入到電子檔案管理中,以解決視頻文件大規(guī)模存儲、處理和檢索等難題。智能視頻分析是計算機(jī)視覺中非?;钴S的一領(lǐng)域,其中基于視頻的運(yùn)動物體的運(yùn)動特征提取技術(shù),更是智能視頻分析研究的熱點(diǎn)。智能視頻技術(shù)在不需要人為干預(yù)的情況下,對視頻數(shù)據(jù)進(jìn)行自動分析,提取目標(biāo)的細(xì)節(jié)信息,對目標(biāo)進(jìn)行辨識或活動狀態(tài)進(jìn)行理解和分析,實現(xiàn)目標(biāo)的檢測、識別和跟蹤。把基于視頻的智能信息處理引入數(shù)字電子檔案館中,可以減少大量人力,增強(qiáng)自動監(jiān)控能力,同時節(jié)約資源,具有深遠(yuǎn)的科研意義和廣泛的商業(yè)價值。
      [0003]對運(yùn)動目標(biāo)進(jìn)行特征點(diǎn)提取是生成動運(yùn)特征描述的關(guān)鍵。傳統(tǒng)的運(yùn)動特征提取方法通常是先根據(jù)目標(biāo)輪廓、紋理等信息檢測到目標(biāo),接著生成運(yùn)動信息。由于需要對目標(biāo)進(jìn)行差分、跟蹤,背景建模等處理,這類方法容易受到光照、噪聲、遮擋、攝像頭運(yùn)動等因素的影響。從圖像中提取運(yùn)動目標(biāo)的時空特征點(diǎn)是目標(biāo)檢測較好的算法,因為這些點(diǎn)是像素值在時空域內(nèi)劇烈變化的點(diǎn),它們包含了豐富的運(yùn)動信息,同時也具有較強(qiáng)的穩(wěn)定性,克服了背景建模等步驟帶來的問題。
      [0004]時空特征點(diǎn)反映了運(yùn)動目標(biāo)發(fā)生顯著變化的位置,但他們只是一些孤立的點(diǎn),還難以通過這些點(diǎn)表示目標(biāo)的運(yùn)動信息。通常利用特征點(diǎn)周圍的時空信息對這些點(diǎn)進(jìn)行描述,即為時空特征點(diǎn)的描述構(gòu)建過程。以時空特征點(diǎn)為中心的小立方體提取一維向量,一般可包含局部梯度、速度信息。
      [0005]基于特征點(diǎn)和特征點(diǎn)描述子的運(yùn)動特征提取算法可以參見P1tr D.,VincentR.,et al Behav1r Recognit1n via Sparse Spat1-Temporal Features,2005;該文比較了2D特征點(diǎn)與3D特征點(diǎn)的檢測效果,并提出基于時空的特征描述算子。Marcin M., IvanL.,et al Act1n in Context,2007;該文比較了3D-Harris與2D-Harris特征點(diǎn)提取算法,使用了HOF and H0G、Sift特征描述子算法,并引入Bag-of-features的視頻編碼技術(shù)。

      【發(fā)明內(nèi)容】

      [0006]有鑒于此,本發(fā)明的目的是提供一種基于視覺的運(yùn)動特征提取方法,該方法所提取的基于運(yùn)動矢量的時空特征描述可以較好捕捉運(yùn)動目標(biāo)的運(yùn)動信息,聚類重編碼可以形成運(yùn)動特征的詞典頻率,提高時空中運(yùn)動目標(biāo)的檢測和識別結(jié)果。
      [0007]本發(fā)明采用以下方案實現(xiàn):一種基于視覺的運(yùn)動特征提取方法,具體包括以下步驟:
      [0008]步驟S1:基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量;
      [0009]步驟S2:提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn);
      [0010]步驟S3:以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向-幅值直方圖的立方本特征向量;
      [0011]步驟S4:通過聚類算法對局部描述子形成編碼向量。
      [0012]進(jìn)一步地,所述步驟SI中,基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量的具體步驟如下:
      [0013]步驟Sll:令i= l,獲得第i幀圖像I(x,i);
      [0014]步驟S12:獲得第i+1幀圖像I(x,i+1);
      [0015]步驟S13:對圖像灰度化與去噪的預(yù)處理,得到圖像I’(x,i)和I’(X,i+1);
      [0016]步驟S14:根據(jù)相鄰兩幀時間間隔很小時,圖像的灰度變化也很小的前提下得到的約束方程I’XVx+1’yVy = O,計算得到運(yùn)動矢量(Vx,Vy)。
      [0017]進(jìn)一步地,所述步驟S2中,提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn)的具體步驟如下:
      [0018]步驟S21:構(gòu)建基于立方體的DOG高斯金字塔,DOG公式如下:
      [0019]D(x,y,z,kjO) = L(x,y,z,k1)-L(x,y,z,kjO)
      [0020]公式中,尺度空間L(x,y,z,ko)=G(x,y,z,ko)*I(x,y,z),其中為I(x,y,z)輸入體積,G (X,y,z,ko)是尺度為ko的高斯三維濾波器;
      [0021 ] 步驟S22:計算DOG局部極值點(diǎn),即為特征點(diǎn)。
      [0022]進(jìn)一步地,所述步驟S3中,以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向-幅值直方圖的立方本特征向量的具體步驟如下:
      [0023]步驟S31:計算每個像素點(diǎn)的運(yùn)動矢量的方向和幅值,為圖像劃分區(qū)域,以Cell區(qū)域為單位建方向-幅值矢量直方圖;
      [0024]步驟S32:以特征點(diǎn)為中心,串聯(lián)立方體內(nèi)的矢量直方圖形成運(yùn)動描述子。
      [0025]進(jìn)一步地,所述步驟S4中,通過聚類算法對局部描述子形成編碼向量的具體步驟如下:
      [0026]步驟S41:使用所述步驟S32得到的描述子進(jìn)行聚類,得到每類的質(zhì)心;
      [0027]步驟S42:使用歐式距離統(tǒng)計指定區(qū)域內(nèi)每一類的頻數(shù),形成編碼向量。
      [0028]與現(xiàn)有技術(shù)相比,本發(fā)明具有以下突出優(yōu)點(diǎn):該方法考慮時空域內(nèi)劇烈變化的點(diǎn),不需要對運(yùn)動目標(biāo)進(jìn)行檢測與跟蹤,也不需要進(jìn)行背景建模。以特征點(diǎn)為中心構(gòu)建立方體的運(yùn)動描述子,其中包含了輪廓信息、速度信息等,提供了對著感興趣運(yùn)動目標(biāo)的運(yùn)動的理解與分析的方法;通過聚類過程形成頻率編碼向量,構(gòu)建了指定區(qū)域內(nèi)運(yùn)動描述子的統(tǒng)計?目息O
      【附圖說明】
      [0029]圖1是本發(fā)明基于視覺的感興趣目標(biāo)的運(yùn)動特征提取流程圖。
      [0030]圖2是本發(fā)明關(guān)于高斯金字塔的構(gòu)建過程圖。
      [0031]圖3是本發(fā)明關(guān)于高斯空間的關(guān)鍵點(diǎn)的示意圖。
      [0032]圖4是本發(fā)明關(guān)于構(gòu)建速度矢量的特征描述子的流程圖。
      【具體實施方式】
      [0033]下面結(jié)合附圖及實施例對本發(fā)明做進(jìn)一步說明。
      [0034]本實施例提供一種基于視覺的運(yùn)動特征提取方法,如圖1所示,具體包括以下步驟:
      [0035]步驟S1:基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量;
      [0036]步驟S2:提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn);
      [0037]步驟S3:以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向-幅值直方圖的立方本特征向量;
      [0038]步驟S4:通過聚類算法對局部描述子形成編碼向量。
      [0039]在本實施例中,所述步驟SI中,基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量的具體步驟如下:
      [0040]步驟Sll:令i= l,獲得第i幀圖像I(x,i);
      [0041]步驟S12:獲得第i+1幀圖像I(x,i+1);
      [0042]步驟S13:對圖像灰度化與去噪的預(yù)處理,得到圖像I’(x,i)和I’(X,i+1);
      [0043]步驟S14:根據(jù)相鄰兩幀時間間隔很小時,圖像的灰度變化也很小的前提下得到的約束方程I’xVx+1’yVy = O,計算得到運(yùn)動矢量(Vx,Vy)。
      [0044]在本實施例中,所述步驟S2中,提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn)的具體步驟如下:
      [0045]步驟S21:構(gòu)建基于立方體的DOG高斯金字塔,DOG公式如下:
      [0046]D(x,y,z,kjO) = L(x,y,z,k1)-L(x,y,z,kjO)
      [0047]公式中,尺度空間L(x,y,z,ko)=G(x,y,z,ko)*I(x,y,z),其中為I(x,y,z)輸入體積,G (X,y,z,ko)是尺度為ko的高斯三維濾波器;
      [0048]高斯金字塔的構(gòu)建過程如圖2所示,左側(cè)一列是尺度金字塔,分別是由原視頻立方體產(chǎn)生的尺度為的高斯尺度空間。右則的高斯金字塔每一層是由左側(cè)的相鄰尺度的高斯空間相減得到的;
      [0049]步驟S22:計算DOG局部極值點(diǎn),即為特征點(diǎn);
      [0050]特征點(diǎn)是DOG空間內(nèi)的局部最大或最小的點(diǎn)。圖3是得到局部極值點(diǎn)一實例,其中候選關(guān)鍵點(diǎn)為于一5*5*5的立方體中心的黑實心點(diǎn),通過與立方體內(nèi)的所有相領(lǐng)取點(diǎn)比較,可知中心是否為關(guān)鍵點(diǎn)。
      [0051]在本實施例中,所述步驟S3中,以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向-幅值直方圖的立方本特征向量的具體步驟如下:
      [0052]步驟S31:計算每個像素點(diǎn)的運(yùn)動矢量的方向和幅值,為圖像劃分區(qū)域,以Cell區(qū)域為單位建方向-幅值矢量直方圖;在指定的小區(qū)域(如Cell = 4*4)內(nèi)按加權(quán)投票構(gòu)建方向-幅值的直方圖,并在區(qū)域(如Block = 8*8)做歸一化處理。在一個更大的區(qū)域(如Win =16*16)內(nèi)收集所有的直方圖,得到矢量直方圖運(yùn)動描述子,其過程如圖4;
      [0053]步驟S32:以特征點(diǎn)為中心,串聯(lián)立方體內(nèi)的矢量直方圖形成運(yùn)動描述子。
      [0054]在本實施例中,所述步驟S4中,通過聚類算法對局部描述子形成編碼向量的具體步驟如下:
      [0055]步驟S41:使用所述步驟S32得到的描述子進(jìn)行聚類,得到每類的質(zhì)心;
      [0056]步驟S42:使用歐式距離統(tǒng)計指定區(qū)域內(nèi)每一類的頻數(shù),形成編碼向量。
      [0057]以上所述僅為本發(fā)明的較佳實施例,凡依本發(fā)明申請專利范圍所做的均等變化與修飾,皆應(yīng)屬本發(fā)明的涵蓋范圍。
      【主權(quán)項】
      1.一種基于視覺的運(yùn)動特征提取方法,其特征在于:具體包括以下步驟: 步驟SI:基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量; 步驟S2:提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn); 步驟S3:以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向-幅值直方圖的立方本特征向量; 步驟S4:通過聚類算法對局部描述子形成編碼向量。2.根據(jù)權(quán)利要求1所述的一種基于視覺的運(yùn)動特征提取方法,其特征在于:所述步驟SI中,基于連續(xù)幀提取每個像素點(diǎn)的運(yùn)動矢量的具體步驟如下: 步驟SI 1:令i = I,獲得第i幀圖像I (X,i); 步驟312:獲得第1+1幀圖像1&4+1); 步驟S13:對圖像灰度化與去噪的預(yù)處理,得到圖像和I’(x,i+1); 步驟S14:根據(jù)相鄰兩幀時間間隔很小時,圖像的灰度變化也很小的前提下得到的約束方程1、\^+1’7\^ = 0,計算得到運(yùn)動矢量(\^,'\^)。3.根據(jù)權(quán)利要求1所述的一種基于視覺的運(yùn)動特征提取方法,其特征在于:所述步驟S2中,提取在X、Y、T方向像素值強(qiáng)烈變化的特征點(diǎn)的具體步驟如下: 步驟S21:構(gòu)建基于立方體的DOG高斯金字塔,DOG公式如下: D(x,y,z,kjO) = L(x,y,z,k1)-L(x,y,z,kjO) 公式中,尺度空間1^(1,7,2,1^0)=6(1,7,2,1^0)*1(1,7,2),其中為1(1,7,2)輸入體積,6(X,y,z,ko)是尺度為ko的高斯三維濾波器; 步驟S22:計算DOG局部極值點(diǎn),即為特征點(diǎn)。4.根據(jù)權(quán)利要求1所述的一種基于視覺的運(yùn)動特征提取方法,其特征在于:所述步驟S3中,以特征點(diǎn)為中心,構(gòu)建基于運(yùn)動矢量的方向-幅值直方圖的立方本特征向量的具體步驟如下: 步驟S31:計算每個像素點(diǎn)的運(yùn)動矢量的方向和幅值,為圖像劃分區(qū)域,以Cell區(qū)域為單位建方向-幅值矢量直方圖; 步驟S32:以特征點(diǎn)為中心,串聯(lián)立方體內(nèi)的矢量直方圖形成運(yùn)動描述子。5.根據(jù)權(quán)利要求1所述的一種基于視覺的運(yùn)動特征提取方法,其特征在于:所述步驟S4中,通過聚類算法對局部描述子形成編碼向量的具體步驟如下: 步驟S41:使用所述步驟S32得到的描述子進(jìn)行聚類,得到每類的質(zhì)心; 步驟S42:使用歐式距離統(tǒng)計指定區(qū)域內(nèi)每一類的頻數(shù),形成編碼向量。
      【文檔編號】G06T7/20GK105957103SQ201610248526
      【公開日】2016年9月21日
      【申請日】2016年4月20日
      【發(fā)明人】李霆, 蔡宇翔, 蔡力軍, 蘇運(yùn)東, 付婷, 肖琦敏, 曾偉波, 倪時龍, 呂君玉, 許成功
      【申請人】國網(wǎng)福建省電力有限公司, 國家電網(wǎng)公司, 國網(wǎng)福建省電力有限公司信息通信分公司, 福建億榕信息技術(shù)有限公司, 國網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司, 國網(wǎng)信通億力科技有限責(zé)任公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1