[發明專利]一種自適應的視頻幀特征點抽稀方法

在審

• 申請號: 201611117135.1
• 申請日: 2016-12-07
• 公開（公告）號: CN106599820A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 孫宏躍;曲志峰;樓方平;李軍;陳丹偉;潘飚;陳英華;紀翀
• 申請（專利權）人: 南京中孚信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 濟南舜源專利事務所有限公司37205
• 代理人: 張亮

技術領域

本發明屬于視頻監控數據分析技術領域，具體涉及一種自適應的視頻幀特征點抽稀方法。

背景技術

在視頻監控數據分析過程中，特征點的檢測與匹配是是至關重要的技術，也是敏感視頻檢測的關鍵步驟。但是，視頻檢測過程中提取的特征點數量較大，對特征點的匹配造成很大影響，尤其是包含樹木、森林等紋理豐富的視頻幀。隨著視頻分辨率越來越高、視頻數據量越來越大，特征點的匹配速度成為敏感視頻檢測實時性的關鍵。高密度的特征點對于敏感視頻的檢測存在較大的冗余，嚴重影響著視頻檢測的效率。

由于特征點匹配的速度直接決定了視頻檢測的速度，因此拼接技術的研究重點應該放在圖像匹配上，除了研究如何提高匹配的精準度外，重點需要解決匹配的速度，從而整體上提高視頻檢測的運行效率。

本發明旨在提供一種自適應的視頻幀特征點抽稀方法，以解決現有技術中視頻特征點匹配速度低的問題。

發明內容

本發明的目的在于，針對上述現有技術中視頻特征點匹配速度低的技術缺陷，提供設計一種自適應的視頻幀特征點抽稀方法，以解決上述技術問題。

為實現上述目的，本發明給出以下技術方案：

一種自適應的視頻幀特征點抽稀方法，包括以下步驟：

步驟1)：提取待檢測視頻的關鍵幀，通過特征點檢測算法提取視頻幀的特征點集合，記為P；同時對關鍵幀進行隱形格網劃分，將其劃分為相同大小的格網單元，每個格網單元的特征點的集合記為P_ij，P_ij的總和即為P，P_ij與P的關系如下：

P＝{P_(i,j)} 公式(1)

步驟2)：確定自適應的聚類算法參數：計算步驟1)中格網單元的信息熵，根據信息熵確定聚類算法的參數信息；

步驟3)：對格網單元的特征點集合P_ij，根據特征點的位置信息、尺度信息，通過聚類算法進行聚類，得到的聚類結果，保留其聚類中心，構成抽稀后的特征點集合，記為

步驟4)對于每個格網單元，重復步驟(2)～(3)，得到該關鍵幀的特征點抽稀結果，記為P^N，如下所示：

步驟5)：重復步驟(1)～(4)，實現待檢測視頻的特征點抽稀。

優選地，所述步驟1)中，特征點檢測算法為SFIT算法。

優選地，所述步驟2)中，聚類算法的參數信息包括聚類個數。

優選地，所述步驟2)中，聚類算法為K-means算法。

優選地，所述步驟2)中，根據格網單元的信息熵，自適應地決定該格網單元的特征點聚類的參數。

優選地，所述步驟3)中，聚類過程綜合考慮特征點的位置信息、尺度信息，保留有代表性的特征點，剔除了冗余的特征點。

本發明的有益效果在于，本發明通過自適應的抽稀，保留代表性的特征點，減少了特征點的數量，因此，能夠降低特征點匹配復雜性，增強視頻檢測是實時性。且本發明的實現過程，可以與傳統特征點檢測算法融合，直接得到抽稀之后的特征點集合。

此外，本發明設計原理可靠，結構簡單，具有非常廣泛的應用前景。

由此可見，本發明與現有技術相比，具有突出的實質性特點和顯著地進步，其實施的有益效果也是顯而易見的。

附圖說明

圖1是本發明提供的一種自適應的視頻幀特征點抽稀方法的流程圖。

具體實施方式

下面結合附圖并通過具體實施例對本發明進行詳細闡述，以下實施例是對本發明的解釋，而本發明并不局限于以下實施方式。

如圖1所示，本發明提供的一種自適應的視頻幀特征點抽稀方法，包括以下步驟：

步驟1)：提取待檢測視頻的關鍵幀，通過特征點檢測算法提取視頻幀的特征點集合，記為P；同時對關鍵幀進行隱形格網劃分，將其劃分為相同大小的格網單元，每個格網單元的特征點的集合記為P_ij，P_ij的總和即為P，P_ij與P的關系如下：

P＝{P_(i,j)} 公式(1)

步驟2)：確定自適應的聚類算法參數：計算步驟1)中格網單元的信息熵，根據信息熵確定聚類算法的參數信息；

步驟3)：對格網單元的特征點集合P_ij，根據特征點的位置信息、尺度信息，通過聚類算法進行聚類，得到的聚類結果，保留其聚類中心，構成抽稀后的特征點集合，記為