[發明專利]基于排列熵算法的視頻微小運動檢測方法

有效

• 申請號: 202010527314.2
• 申請日: 2020-06-11
• 公開（公告）號: CN111654719B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 汪方毅;徐柳;曾傲;孫水發;黃志勇;冉昌艷
• 申請（專利權）人: 三峽大學
• 主分類號: H04N21/234
• 分類號: H04N21/234;H04N21/44;G06T5/00
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華

1.基于排列熵算法的視頻微小運動檢測方法，其特征在于，包括如下步驟：

步驟1，讀取一段待檢測的視頻，記為視頻A，將視頻轉換為每一幀的圖像記為視頻序列幀B；

步驟2，采用中值濾波對視頻序列幀B進行平滑處理，處理后的圖像記為視頻序列幀C；

步驟3，對視頻序列幀C的每個像素視為時間序列，分別計算時間序列的排列熵值；

步驟4，抽取任意時間點所有排列熵值，將步驟3得到的排列熵值的結果繪制成偽彩色圖；

步驟2包括如下步驟：

步驟2-1，中值濾波包括，采用一個含奇數個點的滑動窗口，用窗口中的灰度值的中值來代替中心點的灰度值，即對這個窗口中的灰度值進行排序，然后將其中值賦值給中心點，則二維中值濾波輸出為：

C(x,y)＝med{B(x-k,y-i),(k,i∈w)} (1)

其中,B(x,y)為原始圖像即視頻序列幀B，C(x,y)為處理后圖像即圖像記為視頻序列幀C，w為3*3像素區域濾波窗口，x,y分別為像素位置的橫坐標和縱坐標，k,i,為坐標平移長度，k,i∈w，在w為3*3濾波模板情況下，則k,i＝{1,2,3}，med為取濾波窗口中灰度值的中間值；

步驟3包括如下步驟：

步驟3-1，將預處理后的視頻序列幀C的每幀圖片的每個像素值作為一維時間序列，在視頻序列幀C有q張圖片序列的視頻，圖片大小為M×N的條件下，存在M×N個一維離散時間序列，每個序列有q個離散點；選取子序列長度W，將離散時間序列分成q-W+1個子序列，采用最大重疊方式，即將每個長度為W的子序列依次向后滑動，直到取到子序列的最后一個數據點；

步驟3-2，假設視頻序列幀C得到的一維時間序列{L(j),j＝1,2,…,N}，長度為N，j表示該一維時間序列的索引，對該序列進行相空間重構；

其中：d為嵌入維數，t為延遲時間，m＝1,2,…,M；M為重構相空間中重構向量的個數，M＝N-(d-1)t，l(m),l(m+t),…,l(m+(d-1)t)為重構矩陣中第m個重構分量，且l(m)＝L(m)；將每個重構分量的元素根據數值大小按照升序重新排列，提取各個元素在原重構分量中所在列的索引，得到不同的符號序列，d維相空間映射不同的符號序列總共有d！種；

步驟3-3計算每一種符號序列出現的概率為P₁,P₂,…P_K，K≤d！，K為d維相空間映射不同的符號序列的個數，則依據香農熵的形式，排列熵H_P(d)定義為：

其中P_m為第m種序列符號出現的概率；

將H_P(d)進行歸一化處理，當P_m＝1/d！時，H_P(d)達到最大值ln(d！)，用ln(d！)將H_P(d)進行歸一化處理，即：

0≤H_P(d)＝H_P(d)/ln(d！)≤1 (4)

其中d！為d維相空間映射不同的符號序列的總數，根據排列熵算法計算每個子序列的排列熵；

步驟4為：抽取任意時間點所有排列熵值，將步驟3得到的排列熵值結果繪制成偽彩色圖。