[發明專利]一種尺度不變的時空興趣點快速檢測方法

有效

• 申請號: 201310083702.6
• 申請日: 2013-03-15
• 公開（公告）號: CN103218825A
• 公開（公告）日: 2013-07-24
• 發明（設計）人: 姚開博;桑農
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 朱仁玲

技術領域

本發明屬于視頻分析領域，更具體地，涉及一種尺度不變的時空興趣點快速檢測方法。

背景技術

近年來，在空間域基于關鍵點的局部視點不變特征成功地應用了在目標識別和圖像匹配上，但在空間-時間域，關鍵點檢測方法研究雖然已有所進展，但是成果有限。目前在國際上公開發表的論文文獻中已經提出了9種主要時空興趣點檢測方法，主要分為角點檢測法和團塊檢測法兩類。

2003年，I.Laptev和T.Lindberg最先提出Harris時空興趣點檢測方法，他們將2維興趣點檢測思想從空間域推廣至空間－時間域，這種推廣考慮了視頻數據的3維本質，可以在空間和時間方向上定位局部點特征，較好地克服了尺度、速度、視角等變化影響，但檢測到的時空角點是稀疏的，不能完成多種動作的分類。2005年，P.Dollar等人發現時空興趣點法在一些應用領域中表示行為所存在的問題，提出了基于Gabor濾波器的特征檢測，它可以同時應用于空間域和時間域，獲得了一個稠密集合，有利于更明顯的表示多種行為。該集合在一定程度上可以是稀疏的，但是過于稀疏對行為的有效表示會產生若干問題，同時該方法不能進行時空尺度變換。2005年，Y.Ke等人將積分圖推廣到積分視頻，提出體積特征檢測方法，其尺度可以進行選擇，可以獲得大量的特征點，并可以實現高效的計算特征點，但得到的點太多，需要進行重采樣計算金字塔圖像。2006年，A.Oikonomopoulos等人提出了一種基于熵度量方法的興趣點檢測方法，它是Kadir和Brady的興趣點檢測方法的一種改進形式。他們將凸點與時空區域的熵相關聯，描述了檢測興趣點的一個框架，其尺度特性取決于最大熵。在行為數據集上測試了該描述符，獲得了較好的識別結果，但該方法提取的點是是稀疏，且計算效率低。2008年，G.Willems等人提出了，基于3維Hessian矩陣的時空興趣點檢測方法，將2維SURF中特征定位方法盒子過濾器推廣到3維，該方法不用計算高斯時空尺度變化，只需改變3維盒子過濾器尺寸大小，定位和時空尺度選擇同時完成。2009年Wong和R.Cipolla提出了全局信息檢測方法。該檢測方法在標準數據庫上測試時，可以容易檢測到時空興趣點的全局信息，產生稀疏的點集，但需要動作完整的視頻。另外還有MSER和V-FAST檢測方法，據2012年Tsz-Ho?Yu和J.Woodford對7種檢測算子性能評價后指出，MSER和V-FAST是其中速度最慢的兩種方法。

以上論述各種方法都是基于各種不同的興趣點度量方法檢測，各有優缺點。存在問題有：或生成點數量稀疏，或運算量大，或不抗時空尺度變化，或檢測出的興趣點時空位置不準確。

發明內容

針對現有技術的缺陷，本發明的目的在于提供一種尺度不變的時空興趣點快速檢測方法，旨在解決現有技術基于各種不同的興趣點度量方法檢測導致生成點數量稀疏、運算量大和時空位置不準確的問題。

本發明提供了一種尺度不變的時空興趣點快速檢測方法，包括下述步驟：

S1：根據三維雙層LOG最優化函數設置時空興趣點檢測算子在不同時空尺度下的參數；

S2：從待處理的視頻中獲取灰度幀圖像序列；

S3：對所述灰度幀圖像序列中每個像素點的灰度值進行積分運算獲得積分視頻；并根據所述積分視頻獲得所述檢測算子內、外層的體積；

S4：根據檢測算子內、外層的體積獲得時空興趣點檢測算子的響應函數，并根據響應函數獲得多時空尺度下的強度響應映射圖；

S5：在強度響應映射圖中，選取各個像素點的多個不同時空尺度對應的強度響應值，將多個強度響應值中最大的強度響應值與第一閾值進行比較，當最大的強度響應值大于第一閾值，將當前像素點響應的極值處對應的時空尺度作為當前尺度；

S6：將當前尺度下強度響應值對應的像素點作為時空興趣點集的第一候選點，所述第一候選點屬于第一候選點集合；

S7：在強度響應映射圖中的所述第一候選點的鄰域內，當第一候選點對應的強度響應值是該鄰域的局部最大值時，將第一候選點作為第二候選點，第二候選點屬于第二候選點集合；

S8：將所述第二候選點的強度響應值與第二閾值進行比較，當第二候選點的強度響應值大于第二閾值時，將所述第二候選點作為第三候選點，所述第三候選點屬于第三候選點集合；

S9：在強度響應映射圖中對所述第三候選點的強度響應值進行處理獲得三階Hessian矩陣，并計算Hessian矩陣的行列式和跡；