[發(fā)明專利]一種解決由于自相似特征產(chǎn)生光流場與運動場不符的方法

在審

• 申請?zhí)枺?/td>: 201810851968.3
• 申請日: 2018-07-30
• 公開（公告）號: CN109345564A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設計）人: 陳一君;徐洪;徐琳
• 申請（專利權）人: 深圳市艾為智能有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

1.一種解決由于自相似特征產(chǎn)生光流場與運動場不符的方法，其特征在于，包括如下步驟：

步驟1：獲取單通道視頻流，單通道的灰度圖像；

步驟2：對圖像進行圖像金字塔處理，做K層的金字塔；

步驟3：把原始圖像的金字塔第一層分成Number＝Col×Row個檢測區(qū)域，并且在每個檢測區(qū)域內(nèi)檢測一個特征點，最多檢測到Number個特征點；特征點用P表示；

步驟4：在原始圖像上計算虛位移序列V，并得到虛位移圖像序列I_v，包含m個虛位移圖像；

步驟5：對每一個虛擬位移圖像進行圖像金字塔處理，得到m個K層虛位移金字塔，每個V⁽ⁱ⁾對應一個虛位移金字塔；

步驟6：令P＝(x，y)為步驟3中檢測到的特征點；應用但不限于LK光流跟蹤方法，將P點由原始圖像金字塔跟蹤到虛位移圖像金字塔上的P′＝(x_v，y_v)點，光流向量為v′＝(Δx，Δy)，其中Δx＝x_v-x，Δy＝y(tǒng)_v-y；

步驟7：將步驟6計算出來的光流向量(Δx，Δy)與虛位移向量V⁽ⁱ⁾代入置信度函數(shù)計算尺度i對應的置信度值，得到m個置信度值；

步驟8：將m個置信度值相乘得到最終的置信度值；如果為1則證明光流跟蹤的結(jié)果正確，否則證明光流跟蹤的結(jié)果錯誤，應把該特征點刪除；

步驟9：根據(jù)步驟8的結(jié)果更新特征點，完成虛位移濾波；

步驟10：使用虛位移濾波后的特征點進行傳統(tǒng)的光流跟蹤得到光流場。

2.根據(jù)權利要求1所述的一種解決由于自相似特征產(chǎn)生光流場與運動場不符的方法，步驟3中特征點篩選的方法是基于虛位移的光流跟蹤方法，所述的特征點篩選的方法，其特征是在原始圖像上檢測出若干個特征點，然后按照一定的算法保留其中一部分特征點而丟棄另外一部分特征點；

所采用的在原始圖像上檢測出若干個特征點的方法，把原始圖像劃分成若干個小的矩形檢測區(qū)域，每個檢測區(qū)域大小為N×N個像素，每個檢測區(qū)域中檢測出不超過Z個特征點，所述N，Z都是整數(shù)，且N＞1，Z≥1；

檢測區(qū)域的總數(shù)量由原始圖像的大小W×H和檢測區(qū)域大小N×N共同確定，其中，X軸方向檢測區(qū)域的個數(shù)記為Col，公示表示為：

Col＝W/N；

Y軸方向檢測區(qū)域的個數(shù)記為Row，公示表示為：

Row＝H/N；

原始圖像的檢測區(qū)域的總數(shù)量為

Number＝Col×Row；

特征點的檢測順序是從位于原始圖像左上角的第一個檢測區(qū)域開始，按照從左到右、從上到下的順序依次遍歷全部檢測區(qū)域；

在每個檢測區(qū)域內(nèi)檢測Z個特征點的方法是，從位于檢測區(qū)域左上角的第一個像素開始，按照從左到右、從上到下的順序依次遍歷檢測區(qū)域的所有像素，對每個像素運行特征點檢測算法，直到有效特征點的數(shù)量已達到或超過Z，或者單選地，有效特征點的數(shù)量小于Z但是檢測區(qū)域內(nèi)已沒有更多的像素可供遍歷；

在每個檢測區(qū)域內(nèi)檢測Z個特征點的方法的特征是，當有效特征點的數(shù)量已達到或超過Z，并且檢測區(qū)域內(nèi)還有剩余像素沒有遍歷時，所述的剩余像素將被跳過，開始下一個檢測區(qū)域的處理。

3.根據(jù)權利要求2所述的一種解決由于自相似特征產(chǎn)生光流場與運動場不符的方法，其特征在于，檢測區(qū)域大小典型值取N＝15，即每個檢測區(qū)域包含225個像素；特征點的數(shù)量的典型值取Z＝1。