[發(fā)明專利]一種基于類Haar視覺特征感知的運(yùn)動估計(jì)方法

有效

• 申請?zhí)枺?/td>: 201710673907.8
• 申請日: 2017-08-09
• 公開（公告）號: CN107451574B
• 公開（公告）日: 2020-03-17
• 發(fā)明（設(shè)計(jì)）人: 朱國康;梁棟
• 申請（專利權(quán)）人: 安徽大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 合肥國和專利代理事務(wù)所(普通合伙) 34131
• 代理人: 張祥騫

本發(fā)明涉及一種基于類Haar視覺特征感知的運(yùn)動估計(jì)方法，與現(xiàn)有技術(shù)相比解決了視覺特征感知的普適性低、時(shí)間復(fù)雜度高的缺陷。本發(fā)明包括以下步驟：視頻圖像的獲取和預(yù)處理；生成N維的類Haar特征提取模板；提取類Haar特征；度量特征距離；獲得運(yùn)動估計(jì)結(jié)果，根據(jù)特征距離最小化準(zhǔn)則搜索兩幀之間的匹配塊，并根據(jù)匹配塊的位移測算運(yùn)動矢量。本發(fā)明在塊匹配的技術(shù)框架下，采用一種多維隨機(jī)采樣策略對影像塊進(jìn)行類Haar視覺特征提取，保證了視覺特征感知的有效性和普適性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體來說是一種基于類Haar視覺特征感知的運(yùn)動估計(jì)方法。

背景技術(shù)

隨著科技進(jìn)步和社會發(fā)展，智能視頻監(jiān)控技術(shù)已經(jīng)在工農(nóng)業(yè)生產(chǎn)、國防建設(shè)、商業(yè)、交通以及家庭安防等領(lǐng)域得到了廣泛的應(yīng)用，作為傳輸與存儲的載體。

智能視頻監(jiān)控序列圖像中運(yùn)動目標(biāo)的檢測與跟蹤的難點(diǎn)在于圖像是從三維空間到二維平面的投影，本身存在信息損失，而且運(yùn)動目標(biāo)并不是一個(gè)確定不變的信號，它在跟蹤的過程中會發(fā)生旋轉(zhuǎn)、縮放、位移等多種復(fù)雜的變化，同時(shí)背景圖像的嘈雜、目標(biāo)自身的頻繁出現(xiàn)和消失、不同目標(biāo)之間具有相似的外表、多目標(biāo)的相互遮擋以及光照的突然變化等，這些都是視頻目標(biāo)檢測識別中經(jīng)常遇到的難點(diǎn)，也是學(xué)者一直努力研究的熱點(diǎn)。

經(jīng)典Haar特征(Haar-like features)是用于物體識別的一種數(shù)字圖像特征。歷史上，提取Haar特征時(shí)直接使用圖像的強(qiáng)度(就是圖像每一個(gè)像素點(diǎn)的RGB值)進(jìn)行統(tǒng)計(jì)計(jì)算，使得特征的計(jì)算強(qiáng)度很大。對此，帕帕喬治奧等人提出可以使用基于Haar小波的特征而不是圖像強(qiáng)度計(jì)算特征。在此基礎(chǔ)上，維奧拉和瓊斯進(jìn)而提出了Haar特征。

Haar特征使用檢測窗口中指定位置的相鄰矩形，計(jì)算每一個(gè)矩形的像素和并取其差值，然后用這些差值來對圖像的子區(qū)域進(jìn)行分類。一個(gè)與目標(biāo)物體同樣尺寸的檢測窗口將在輸入圖像上滑動，在圖像的每一個(gè)子區(qū)域都計(jì)算一個(gè)Haar特征。然后，這個(gè)差值會與一個(gè)預(yù)先計(jì)算好的閾值進(jìn)行比較，將目標(biāo)和非目標(biāo)區(qū)分開來。

以上方法獲取的Haar特征僅能支撐一個(gè)弱分類器(它的檢測正確率僅僅比隨機(jī)猜測強(qiáng)一點(diǎn)點(diǎn))，為了達(dá)到一個(gè)可信的判斷，就需要一大群這樣的特征。當(dāng)前技術(shù)背景下的Haar特征其最主要的優(yōu)勢是它的計(jì)算非常快速。通過使用積分圖加速，任意尺寸的Haar特征可以在常數(shù)時(shí)間內(nèi)進(jìn)行計(jì)算。

一個(gè)矩形Haar特征可以定義為矩形中幾個(gè)區(qū)域的像素和的差值，可以具有任意的位置和尺寸。這種特質(zhì)也被稱為2矩形特征。維奧拉和瓊斯也定義了3矩形特征和4矩形特征，這個(gè)值表明了圖像的特定區(qū)域的某些特性。每一個(gè)特征可以描述圖像上特定特性的存在或不存在，比如邊緣或者紋理的變化。蘭哈切和梅迪提出了傾斜的(45°)Haar特征，這種對特征維度的擴(kuò)充是為了提升對物體的檢測。由于這些特征對一些物體的描述更為適合，這種擴(kuò)充是有效的。

中國專利文獻(xiàn)CN105447511A提出了一種結(jié)合上述傳統(tǒng)Haar-like特征與支持向量機(jī)的目標(biāo)檢測方法，該方法通過訓(xùn)練正負(fù)樣本，按照經(jīng)典的Adaboost Haar-like方法訓(xùn)練出完整的級聯(lián)強(qiáng)特征分類器，再把每個(gè)訓(xùn)練樣本對應(yīng)特征分類器中的特征值組成按一定順序組成特征向量后去訓(xùn)練支持向量機(jī)分類器。但該方法存在一些問題：由于該方法采用多重訓(xùn)練學(xué)習(xí)的運(yùn)算結(jié)構(gòu)，算法的時(shí)間復(fù)雜度較高，難以滿足實(shí)際應(yīng)用中實(shí)時(shí)性要求；該方法的分類器采用描述能力較弱的經(jīng)典Haar特征作為上游特征提取策略，檢測方法的準(zhǔn)確性與分類器的訓(xùn)練效果強(qiáng)相關(guān)，不具有多場景下效果的穩(wěn)定性。