[發(fā)明專利]基于排列熵算法的視頻微小運(yùn)動(dòng)檢測方法

有效

• 申請?zhí)枺?/td>: 202010527314.2
• 申請日: 2020-06-11
• 公開（公告）號(hào): CN111654719B
• 公開（公告）日: 2022-03-29
• 發(fā)明（設(shè)計(jì)）人: 汪方毅;徐柳;曾傲;孫水發(fā);黃志勇;冉昌艷
• 申請（專利權(quán)）人: 三峽大學(xué)
• 主分類號(hào): H04N21/234
• 分類號(hào): H04N21/234;H04N21/44;G06T5/00
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

本發(fā)明公開了基于排列熵算法的視頻微小運(yùn)動(dòng)檢測方法，排列熵算法具有計(jì)算簡單、實(shí)時(shí)性高、能較好地反映時(shí)間序列微小變化等特點(diǎn)。本發(fā)明提出：首先，運(yùn)用圖像濾波對(duì)視頻的每一幀平滑處理，減小環(huán)境、設(shè)備噪聲對(duì)視頻中運(yùn)動(dòng)信息的干擾；其次，在構(gòu)成視頻的每幀圖片中根據(jù)時(shí)間順序，將同一像素位置的每個(gè)像素值視為一維時(shí)間離散序列，運(yùn)用排列熵算法計(jì)算所有時(shí)間序列的排列熵值。排列熵值越大，時(shí)間序列的復(fù)雜程度就越高，表明該像素位置在整個(gè)視頻中存在運(yùn)動(dòng)。通過對(duì)整幅圖像中每個(gè)像素點(diǎn)排列熵值的大小進(jìn)行比較，熵值較大區(qū)域表明存在運(yùn)動(dòng)，實(shí)現(xiàn)對(duì)視頻中微小運(yùn)動(dòng)檢測。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用領(lǐng)域，具體涉及基于排列熵算法的視頻微小運(yùn)動(dòng)檢測方法。

背景技術(shù)

識(shí)別微小運(yùn)動(dòng)使得一些重要的應(yīng)用成為可能，例如理解建筑物的結(jié)構(gòu)健康程度以及測量人的生命體征。視頻運(yùn)動(dòng)放大技術(shù)使我們能夠感知到人眼無法感知的微小運(yùn)動(dòng)，從而達(dá)到檢測微小運(yùn)動(dòng)的目的。但是這項(xiàng)任務(wù)具有挑戰(zhàn)性，因?yàn)檫@些微小運(yùn)動(dòng)太弱，以致于很難與噪音區(qū)分開來。因此，當(dāng)前的視頻放大技術(shù)往往會(huì)受到噪聲和過度模糊的影響，尤其是在放大倍數(shù)較大的情況下。目前的視頻放大技術(shù)通常將獲取的視頻幀直接利用設(shè)計(jì)的濾波器分解成允許它們放大運(yùn)動(dòng)的表示，由于拍攝過程中存在環(huán)境、光照、噪聲等諸多因素影響，使得視頻中背景區(qū)域有噪聲和不穩(wěn)定，人為設(shè)計(jì)的通帶截止頻率的濾波器會(huì)引入振鈴的干擾，直接放大處理使得背景噪聲被放大且產(chǎn)生模糊，遠(yuǎn)離真實(shí)運(yùn)動(dòng)情況，且過程耗時(shí)嚴(yán)重，這可能不是最佳的。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于排列熵算法的視頻微小運(yùn)動(dòng)檢測方法。

本發(fā)明所述的基于排列熵算法的視頻微小運(yùn)動(dòng)檢測方法，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(zhuǎn)換為一幀幀的圖像記為視頻序列幀B；

步驟2，采用中值濾波對(duì)視頻序列幀B進(jìn)行平滑處理，處理后的圖像記為視頻序列幀C；

步驟3，對(duì)視頻序列幀C的每個(gè)像素視為時(shí)間序列，分別計(jì)算時(shí)間序列的排列熵值；

步驟4，抽取任意時(shí)間點(diǎn)所有排列熵值，將步驟3得到的排列熵值結(jié)果繪制偽彩色圖。

本發(fā)明步驟2包括如下步驟：

步驟2-1，中值濾波包括，采用一個(gè)含奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，用窗口中的灰度值的中值來代替中心點(diǎn)的灰度值，即對(duì)這個(gè)窗口中的灰度值進(jìn)行排序，然后將其中值賦值給中心點(diǎn)，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)為處理后圖像即視頻序列幀C。w為3*3像素區(qū)域?yàn)V波窗口，，x,y分別為像素位置的橫坐標(biāo)和縱坐標(biāo)，k,i,為坐標(biāo)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。

本發(fā)明步驟3包括如下步驟：

步驟3-1，將預(yù)處理的視頻序列幀C的每幀圖片的每個(gè)像素值視為一維時(shí)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(gè)一維離散時(shí)間序列，每個(gè)序列有q個(gè)離散點(diǎn)。選取子序列長度W(一般大于400)，當(dāng)400≤W≤q時(shí)，排列熵值保持不變，將離散時(shí)間序列分成q-W+1個(gè)子序列。采用最大重疊方式，即將每個(gè)長度為W的子序列依次向后滑動(dòng)，直到取到子序列的最后一個(gè)數(shù)據(jù)點(diǎn)。例如，一個(gè)有1000張圖片序列的視頻，圖片大小為30×30，則會(huì)有30×30個(gè)一維離散時(shí)間序列，每個(gè)序列有1000個(gè)離散點(diǎn)。假設(shè)一個(gè)時(shí)間序列選取的子序列長度為W＝450，離散時(shí)間序列分成451個(gè)子序列

步驟3-2，假設(shè)視頻序列幀C得到的一維時(shí)間序列{L(j),j＝1,2,L,N}，長度為N，j為該一維時(shí)間序列的索引，對(duì)該序列進(jìn)行相空間重構(gòu)。