[發明專利]基于運動位移曲線精簡的視頻場景自動分割方法

有效

• 申請號: 201310517637.3
• 申請日: 2013-10-28
• 公開（公告）號: CN103533255A
• 公開（公告）日: 2014-01-22
• 發明（設計）人: 張小國;王慶;彭德齊;王云帆;萬雪音
• 申請（專利權）人: 東南大學
• 主分類號: H04N5/262
• 分類號: H04N5/262;H04N5/14
• 代理公司: 江蘇永衡昭輝律師事務所 32250
• 代理人: 王斌

技術領域

本發明涉及圖象處理和模式識別領域，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

視頻監控業務具有悠久的歷史，在傳統上廣泛應用于安防領域，是協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，計算機技術的發展，圖像處理技術的提高，視頻監控正越來越廣泛地滲透到教育、政府、娛樂、醫療、酒店、運動等其他各種領域，例如檔案室、文件室、金庫、博物館等機要部門的監視、控制和報警；交通領域的高速路收費管理、交通違章和流量監控、車輛牌照管理和公路橋梁鐵路機場等場所的遠程圖像監控；社區物業管理中的住宅小區、辦公室安全防范、智能大廈、停車場的無人監控等。

在視頻監控系統應用下，當攝像機長時間、多預置位，大范圍監控時，會產生海量的視頻數據這對于存儲、調取和處理來說，都面臨嚴峻的挑戰。

視頻場景分割技術是在靜態圖像分割的技術基礎上發展起來的。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，目前大多數場景分割算法都采用比較鏡頭相似度的方法把相關的鏡頭聚類成場景。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分組法，這些算法都需要利用從鏡頭關鍵幀中獲得的圖像特征。而每種特征都有各自的優劣性。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。鑒于上述算法復雜，運算量大，分割精度易受觀測噪聲影響。考慮到監控視頻的特性，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。

發明內容

本發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置位監控點的視頻信息，并且過濾掉攝像頭轉動時產生的視頻數據，為監控點的視頻數據的下一步分析和應用提供穩定基礎。

為達成上述目的，本發明所采用的技術方案如下：

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：

步驟1：輸入視頻的圖像序列，并灰度轉換得到灰度圖像；

步驟2：對灰度圖像進行預處理；

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

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。

進一步，前述步驟1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換。

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。

進一步，前述步驟3中，對視頻的圖像序列內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重復上述過程，直到得到所有的相鄰兩幀灰度圖像的圖像偏移。

進一步，前述步驟4中，將得到的圖像偏移積分轉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(n-1)+δ_x

式中：X(n)為n個圖像偏移的累加和，X(n-1)為n-1個圖像偏移的累加和，δ_x為當前值，計算得到的X(n)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(n-1)+δ_y

式中：Y(n)為n個圖像偏移的累加和，Y(n-1)為n-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。

進一步，前述步驟6中，設定斜率閾值，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。