[发明专利]一种基于块匹配的运动检测及降低错误率的方法

说明书

技术领域:

本发明属于图像处理与计算机视觉技术领域，具体涉及一种基于块匹配的运动检测及降低错误率的方法。

背景技术:

运动目标检测是智能电视视频的系统中各项智能分析处理的基础与关键的所在，他的目的是在序列图像中检测出变化的区域并将运动的目标从背景的图像中提取出来，为后续的运动目标识别、跟踪以及行为分析，深度赋值等算法提供了支持。

目前,常用的运动目标检测算法主要有帧间差分法、光流法、背景差分法。其中帧间差分法计算简单实时性强，但是其计算误差较大，无法处理背景移动的情况，应用范围非常受限。背景差分是通过提取场景中的特征数据来对该场景背景进行背景参考图像的构建，将当前帧与构建的背景参考图像相减，再对差值结果进行阈值的判决，从而分割出运动前景，其在计算速度与检测精度上有着不错的效果。但是背景差法检测精度取决于背景图像构建的精度，即构建背景参考图像时候需要能够真实反映当前场景，且参数的实时更新能否反映背景的变化，这些背景的变化有：光照的变化(包括缓慢的光照变化和光照的突变等)，背景中随风摆动的树叶、云、烟、雨、雾等运动的物体，以及摄像机的抖动和阴影问题等，同时背景减法也不能处理背景运动的情况。由于构建背景参考的图像需要考虑这些困难的因素，使得目前构建一个不错背景建模以及自适应的背景图像更新算法成为一项比较困难的工作。

由于视频序列图像在时间上相邻帧间具有较强的相关性，运动估计(ME)以及运动补偿(MC)技术可以有效的减少时间相关性。运动估计用来估计物体的位移，得到运动矢量；运动补偿根据得到的运动矢量，对前一帧中由于运动而产生的位移进行调整，从而得到尽可能接近本帧的预测帧。因此运动估计算法越完善，估计出的运动矢量越准确，运动补偿性能就越好，从而使得预测误差越小。

块匹配法是视频压缩中的算法，用以利用相邻帧间的相关性来提高视频的压缩比，但其中的块匹配法的应用不知此，块匹配法同样可以用在运动检测的算法中，因为图像中的运动物体在相邻帧间存在位移关系，可以用向量表示，其长短就是运动的距离，通常情况下前景物体的运动向量长度较长，而背景中的运动向量较短，从而利用块匹配法可以有效解决背景运动的场景，实用性较强。

发明内容:

本发明是针对解决背景移动的视频中提取前景运动背景的算法，提供一种基于块匹配的运动检测及降低错误率的方法，在视频序列中帧与帧之间存在相同的信息，同一个模块在相邻帧之间存在移动，从而产生移动向量；通常情况下前景的移动较快，背景移动较慢，所以在相邻帧间，前景的向量较长，背景的较短。

本发明采用的技术方案是：

一种基于块匹配的运动检测及降低错误率的方法，其特征在于，主要包括以下步骤：

(A)：获取图像序列，包括t-1时刻、t时刻的帧图像；

(B)：对t-1时刻与t时刻的帧图像进行块匹配算法，找出每个block的运动向量；

(C)：对t-1时刻到t时刻的向量进行异常点检测，并予以修正；

(D)：对修正后的图像中的向量进行聚类。

所述的一种基于块匹配的运动检测及降低错误率的方法，其特征在于，所述的步骤B的具体步骤如下：

(1)对步骤A中提取的视频图像中的t-1时刻、t时刻的图像进行分割成M*N的宏块；

(2)根据使SAD算法的值最小的准则，在t-1帧或t帧中在给定的搜索范围内找出与当前块最相似的块，即匹配块：

SAD(v_x，v_y)＝Σ_(x，y)∈B|I_t-1(x，y)-I_t(x+v_x，y+v_y)|    (1)

其中I_t(x+v_x,y+v_y)为t时刻的帧图像在(x+v_x,y+v_y)位置的灰度值，I_t-1(x,y)为t-1时刻的帧图像位于(x,y)位置的灰度值，v_x与v_y是向量的横坐标与纵坐标，B为图像的搜索范围(search range)；

(3)根据匹配块与当前块的相对位置计算出运动位移，所得运动位移即为当前运动块的运动矢量，计算出每个宏块的运动向量vector(x，y)＝(v_x，v_y)。