基于運動位移曲線精簡的視頻場景自動分割方法
【專利摘要】本發(fā)明提供一種基于運動位移曲線精簡的視頻場景自動分割方法，包括：步驟1：輸入視頻的圖像序列，并灰度轉(zhuǎn)換得到灰度圖像；步驟2：對灰度圖像進行預(yù)處理；步驟3：對相鄰的兩幀灰度圖像采用灰度投影運動估計算法獲取圖像偏移；步驟4：對圖像偏移進行積分運算得到運動矢量曲線；步驟5：利用道格拉斯-普克矢量壓縮算法壓縮運動矢量曲線，消去攝像機的抖動分量；以及步驟6：基于壓縮后的運動矢量曲線，獲取曲線斜率變化的突變位置，并以突變位置為分割點分割出視頻場景。本發(fā)明的方法可快速、準確地提取出攝像頭預(yù)置位監(jiān)控點的視頻信息，并過濾掉攝像頭轉(zhuǎn)動時產(chǎn)生的視頻數(shù)據(jù)，為監(jiān)控點的視頻數(shù)據(jù)的下一步分析和應(yīng)用提供穩(wěn)定基礎(chǔ)。
【專利說明】基于運動位移曲線精簡的視頻場景自動分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖象處理和模式識別領(lǐng)域，具體而言涉及一種基于運動位移曲線精簡的視頻場景自動分割方法。
【背景技術(shù)】
[0002]視頻監(jiān)控業(yè)務(wù)具有悠久的歷史，在傳統(tǒng)上廣泛應(yīng)用于安防領(lǐng)域，是協(xié)助公共安全部門打擊犯罪、維持社會安定的重要手段。近年來，隨著寬帶的普及，計算機技術(shù)的發(fā)展，圖像處理技術(shù)的提高，視頻監(jiān)控正越來越廣泛地滲透到教育、政府、娛樂、醫(yī)療、酒店、運動等其他各種領(lǐng)域，例如檔案室、文件室、金庫、博物館等機要部門的監(jiān)視、控制和報警；交通領(lǐng)域的高速路收費管理、交通違章和流量監(jiān)控、車輛牌照管理和公路橋梁鐵路機場等場所的遠程圖像監(jiān)控；社區(qū)物業(yè)管理中的住宅小區(qū)、辦公室安全防范、智能大廈、停車場的無人監(jiān)控等。
[0003]在視頻監(jiān)控系統(tǒng)應(yīng)用下，當攝像機長時間、多預(yù)置位，大范圍監(jiān)控時，會產(chǎn)生海量的視頻數(shù)據(jù)這對于存儲、調(diào)取和處理來說，都面臨嚴峻的挑戰(zhàn)。
[0004]視頻場景分割技術(shù)是在靜態(tài)圖像分割的技術(shù)基礎(chǔ)上發(fā)展起來的。視頻場景分割通常同時利用視頻圖像在空間和時間軸上的信息進行分割，目前大多數(shù)場景分割算法都采用比較鏡頭相似度的方法把相關(guān)的鏡頭聚類成場景。其中比較有代表性的場景分割算法是時間受限的鏡頭聚類算法和時間自適應(yīng)分組法，這些算法都需要利用從鏡頭關(guān)鍵幀中獲得的圖像特征。而每種特征都有各自的優(yōu)劣性。比如，將亮度相近的鏡頭歸為一個場景，但容易受光照的影響。因此，如何從眾多的圖像特征中選擇最合適的特征用于場景分割，盡可能避免干擾，是一件非常困難的工作。鑒于上述算法復(fù)雜，運算量大，分割精度易受觀測噪聲影響?？紤]到監(jiān)控視頻的特性，本文提出了一種基于攝像機運動位移曲線精簡的視頻場景自動分割方法，對于象攝像機定點監(jiān)控視頻這種時間性較強的視頻類型具有比較理想的分割效果。

【發(fā)明內(nèi)容】

[0005]本發(fā)明目的在于提供一種基于運動位移曲線精簡的視頻場景自動分割方法，可快速、準確地提取出攝像頭預(yù)置位監(jiān)控點的視頻信息，并且過濾掉攝像頭轉(zhuǎn)動時產(chǎn)生的視頻數(shù)據(jù)，為監(jiān)控點的視頻數(shù)據(jù)的下一步分析和應(yīng)用提供穩(wěn)定基礎(chǔ)。
[0006]為達成上述目的，本發(fā)明所采用的技術(shù)方案如下:
[0007]基于運動位移曲線精簡的視頻場景自動分割方法，包括以下步驟:
[0008]步驟1:輸入視頻的圖像序列，并灰度轉(zhuǎn)換得到灰度圖像；
[0009]步驟2:對灰度圖像進行預(yù)處理；
[0010]步驟3:對相鄰的兩幀灰度圖像采用灰度投影算法獲取圖像偏移；
[0011]步驟4:對圖像偏移進行積分運算得到運動矢量曲線；
[0012]步驟5:利用道格拉斯-普克矢量壓縮算法(Douglas - Peucker algorithm)對運動矢量曲線進行壓縮，以消去攝像機的抖動分量；以及
[0013]步驟6:基于步驟5壓縮后的運動矢量曲線，獲取曲線斜率變化的突變位置，并以突變位置為分割點分割出視頻場景。
[0014]進一步，如述步驟I中，在視頻的圖像序列中每秒提取10巾貞圖像,并對提取的圖像進行灰度轉(zhuǎn)換。
[0015]進一步，前述步驟2中，先對灰度圖像進行去噪處理，然后再用直方圖均衡方法來增強圖像對比度。
[0016]進一步，如述步驟3中，對視頻的圖像序列內(nèi)每相鄰的兩巾貞灰度圖像，使用灰度投影算法，獲取每相鄰的兩幀圖像在X軸和Y軸上的圖像偏移；然后在視頻的圖像序列內(nèi)重復(fù)上述過程，直到得到所有的相鄰兩幀灰度圖像的圖像偏移。
[0017]進一步，前述步驟4中，將得到的圖像偏移積分轉(zhuǎn)換為攝像機的運動矢量，再進行積分運算獲取運動矢量曲線，其實現(xiàn)過程如下:
[0018]對步驟3求得的圖像偏移進行積分運算，采用累加的方法近似積分，其中:
[0019]對X軸的累加公式為:
[0020]X (n) =X (η-1) + δ χ
[0021]式中:Χ(η)為η個圖像偏移的累加和，Χ(η-1)為η_1個圖像偏移的累加和，δχ*當前值，計算得到的Χ(η)即為X軸運動矢量的積分曲線；
[0022]對Y軸的累加公式為:
[0023]Y (n) =Y (η-1) + δ y
[0024]式中:Y (η)為η個圖像偏移的累加和，Y (η-l)為η_1個圖像偏移的累加和，δ y為當前值，計算得到的Y(n)即為Y軸運動矢量的積分曲線。
[0025]進一步，前述步驟6中，設(shè)定斜率閾值，基于壓縮后運動矢量曲線上任意兩點間的斜率超過前述斜率閾值，則判斷為突變位置并以突變位置為分割點分割出視頻場景。
[0026]進一步，前述步驟6中，對于壓縮后運動矢量曲線上的兩點，如果沒有超過該斜率閾值，則設(shè)為同一直線，可設(shè)定一時間參數(shù)，選取出時間長度大于該時間參數(shù)的水平直線作為為攝像機靜止狀態(tài)監(jiān)控時的時間片段，分離出相應(yīng)的時間片段，該時間片段就是攝像機的靜止的時間區(qū)域。
[0027]由以上本發(fā)明的技術(shù)方案可知，本發(fā)明的有益效果在于利用數(shù)字圖像處理獲取出攝像頭的運動矢量信息，并基于運動矢量曲線來判定攝像機的運動狀態(tài)，分割出攝像機在不同預(yù)置位的監(jiān)控視頻，為監(jiān)控點的視頻數(shù)據(jù)的下一步分析和應(yīng)用提供穩(wěn)定基礎(chǔ)。
【專利附圖】

【附圖說明】
[0028]圖1為基于運動位移曲線精簡的視頻場景自動分割方法的實現(xiàn)流程圖。
[0029]圖2為灰度投影法得到的圖像位移示意圖。
[0030]圖3為道格拉斯-普克矢量壓縮算法(Douglas - Peucker algorithm)的實現(xiàn)過程不意圖。
【具體實施方式】
[0031]為了更了解本發(fā)明的技術(shù)內(nèi)容，特舉具體實施例并配合所附圖式說明如下。[0032]如圖1所示，根據(jù)本發(fā)明的較優(yōu)實施例，基于運動位移曲線精簡的視頻場景自動分割方法，包括以下步驟:
[0033]步驟1:輸入視頻的圖像序列，并灰度轉(zhuǎn)換得到灰度圖像；
[0034]步驟2:對灰度圖像進行預(yù)處理；
[0035]步驟3:對相鄰的兩幀灰度圖像采用灰度投影算法獲取圖像偏移；
[0036]步驟4:對圖像偏移進行積分運算得到運動矢量曲線；
[0037]步驟5:利用道格拉斯-普克矢量壓縮算法(Douglas - Peucker algorithm)對運動矢量曲線進行壓縮，以消去攝像機的抖動分量；以及
[0038]步驟6:基于步驟5壓縮后的運動矢量曲線，獲取曲線斜率變化的突變位置，并以突變位置為分割點分割出視頻場景。
[0039]較佳地，本實施例中，在前述步驟I中，在視頻的圖像序列中每秒提取10幀圖像，然后對提取的圖像進行灰度轉(zhuǎn)換，可在保證精度的同時減少運算量。
[0040]佳佳地，前述步驟2中，前述預(yù)處理包括去噪處理和圖像增強處理，也即先對灰度圖像進行去噪處理，然后再用直方圖均衡方法來增強圖像對比度。
[0041]較佳地，前述步驟3中，采用灰度投影算法對視頻的圖像序列內(nèi)每相鄰的兩幀灰度圖像，使用灰度投影算法，獲取每相鄰的兩幀圖像在X軸和Y軸上的圖像偏移；然后在視頻的圖像序列內(nèi)重復(fù)上述過程，直到得到所有的相鄰兩幀灰度圖像的圖像偏移。
[0042]其中，灰度投影算法(Gray Projection Algorithm)是一種基于投影算法的穩(wěn)像方法，就是將經(jīng)過濾波預(yù)處理后的每一幀MXN圖像的二維灰度信息映射成2個獨立的一維投影序列，可分為圖像映射和相關(guān)計算兩個步驟。參考圖2所示，灰度投影法的實現(xiàn)過程如下:
[0043]步驟1:圖像映射
[0044]對于視頻的圖像序列中，圖像大小為MxN，每一幀圖像數(shù)據(jù)經(jīng)過一定的預(yù)處理后，把其灰度像素值映射成沿X軸、Y軸方向的2個獨立一維波形，可表示為:
[0045]
【權(quán)利要求】
1.一種基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，包括以下步驟: 步驟1:輸入視頻的圖像序列，并灰度轉(zhuǎn)換得到灰度圖像； 步驟2:對灰度圖像進行預(yù)處理； 步驟3:對相鄰的兩幀灰度圖像采用灰度投影算法獲取圖像偏移； 步驟4:對圖像偏移進行積分運算得到運動矢量曲線； 步驟5:利用Douglas - Peucker algorithm算法對運動矢量曲線進行壓縮，以消去攝像機的抖動分量；以及 步驟6:基于步驟5壓縮后的運動矢量曲線，獲取曲線斜率變化的突變位置，并以突變位置為分割點分割出視頻場景。
2.根據(jù)權(quán)利要求1所述的基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，前述步驟I中，在視頻的圖像序列中每秒提取10幀圖像，并對提取的圖像進行灰度轉(zhuǎn)換。
3.根據(jù)權(quán)利要求1所 述的基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，前述步驟2中，先對灰度圖像進行去噪處理，然后再用直方圖均衡方法來增強圖像對比度。
4.根據(jù)權(quán)利要求1所述的基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，前述步驟3中，對視頻的圖像序列內(nèi)每相鄰的兩幀灰度圖像，使用灰度投影算法，獲取每相鄰的兩幀圖像在X軸和Y軸上的圖像偏移；然后在視頻的圖像序列內(nèi)重復(fù)上述過程，直到得到所有的相鄰兩幀灰度圖像的圖像偏移。
5.根據(jù)權(quán)利要求1所述的基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，前述步驟4中，將得到的圖像偏移積分轉(zhuǎn)換為攝像機的運動矢量，再進行積分運算獲取運動矢量曲線，其實現(xiàn)過程如下: 對步驟3求得的圖像偏移進行積分運算，采用累加的方法近似積分，其中: 對X軸的累加公式為:
X(n)=X (η-1)+ δχ 式中:Χ(η)為η個圖像偏移的累加和,Χ(η-Ι)為η_1個圖像偏移的累加和，δχ為當前值，計算得到的Χ(η)即為X軸運動矢量的積分曲線； 對Y軸的累加公式為:
Y (n) =Y (η-1) + δ y 式中:Y(n)為η個圖像偏移的累加和,Υ(η-Ι)為η_1個圖像偏移的累加和，Sy為當前值，計算得到的Υ(η)即為Y軸運動矢量的積分曲線。
6.根據(jù)權(quán)利要求1所述的基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，前述步驟6中，設(shè)定斜率閾值，基于壓縮后運動矢量曲線上任意兩點間的斜率超過前述斜率閾值，則判斷為突變位置并以突變位置為分割點分割出視頻場景。
7.根據(jù)權(quán)利要求6所述的基于運動位移曲線精簡的視頻場景自動分割方法，其特征在于，前述步驟6中，對于壓縮后運動矢量曲線上的兩點，如果沒有超過所述斜率閾值，則設(shè)為同一直線，可設(shè)定一時間參數(shù)，選取出時間長度大于該時間參數(shù)的水平直線作為為攝像機靜止狀態(tài)監(jiān)控時的時間片段，分離出相應(yīng)的時間片段，該時間片段就是攝像機的靜止的時間區(qū)域。
【文檔編號】H04N5/14GK103533255SQ201310517637
【公開日】2014年1月22日 申請日期:2013年10月28日 優(yōu)先權(quán)日:2013年10月28日
【發(fā)明者】張小國, 王慶, 彭德齊, 王云帆, 萬雪音 申請人:東南大學(xué)