[发明专利]一种解决由于自相似特征产生光流场与运动场不符的方法在审
申请号: | 201810851968.3 | 申请日: | 2018-07-30 |
公开(公告)号: | CN109345564A | 公开(公告)日: | 2019-02-15 |
发明(设计)人: | 陈一君;徐洪;徐琳 | 申请(专利权)人: | 深圳市艾为智能有限公司 |
主分类号: | G06T7/246 | 分类号: | G06T7/246 |
代理公司: | 北京华仲龙腾专利代理事务所(普通合伙) 11548 | 代理人: | 李静 |
地址: | 518101 广东省深圳市宝安区西乡街*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 光流场 金字塔 相似特征 运动场 图像金字塔 检测区域 原始图像 单通道 特征点 图像 光流跟踪 灰度图像 图像序列 虚拟位移 传统的 第一层 视频流 检测 滤波 | ||
1.一种解决由于自相似特征产生光流场与运动场不符的方法,其特征在于,包括如下步骤:
步骤1:获取单通道视频流,单通道的灰度图像;
步骤2:对图像进行图像金字塔处理,做K层的金字塔;
步骤3:把原始图像的金字塔第一层分成Number=Col×Row个检测区域,并且在每个检测区域内检测一个特征点,最多检测到Number个特征点;特征点用P表示;
步骤4:在原始图像上计算虚位移序列V,并得到虚位移图像序列Iv,包含m个虚位移图像;
步骤5:对每一个虚拟位移图像进行图像金字塔处理,得到m个K层虚位移金字塔,每个V(i)对应一个虚位移金字塔;
步骤6:令P=(x,y)为步骤3中检测到的特征点;应用但不限于LK光流跟踪方法,将P点由原始图像金字塔跟踪到虚位移图像金字塔上的P′=(xv,yv)点,光流向量为v′=(Δx,Δy),其中Δx=xv-x,Δy=yv-y;
步骤7:将步骤6计算出来的光流向量(Δx,Δy)与虚位移向量V(i)代入置信度函数计算尺度i对应的置信度值,得到m个置信度值;
步骤8:将m个置信度值相乘得到最终的置信度值;如果为1则证明光流跟踪的结果正确,否则证明光流跟踪的结果错误,应把该特征点删除;
步骤9:根据步骤8的结果更新特征点,完成虚位移滤波;
步骤10:使用虚位移滤波后的特征点进行传统的光流跟踪得到光流场。
2.根据权利要求1所述的一种解决由于自相似特征产生光流场与运动场不符的方法,步骤3中特征点筛选的方法是基于虚位移的光流跟踪方法,所述的特征点筛选的方法,其特征是在原始图像上检测出若干个特征点,然后按照一定的算法保留其中一部分特征点而丢弃另外一部分特征点;
所采用的在原始图像上检测出若干个特征点的方法,把原始图像划分成若干个小的矩形检测区域,每个检测区域大小为N×N个像素,每个检测区域中检测出不超过Z个特征点,所述N,Z都是整数,且N>1,Z≥1;
检测区域的总数量由原始图像的大小W×H和检测区域大小N×N共同确定,其中,X轴方向检测区域的个数记为Col,公示表示为:
Col=W/N;
Y轴方向检测区域的个数记为Row,公示表示为:
Row=H/N;
原始图像的检测区域的总数量为
Number=Col×Row;
特征点的检测顺序是从位于原始图像左上角的第一个检测区域开始,按照从左到右、从上到下的顺序依次遍历全部检测区域;
在每个检测区域内检测Z个特征点的方法是,从位于检测区域左上角的第一个像素开始,按照从左到右、从上到下的顺序依次遍历检测区域的所有像素,对每个像素运行特征点检测算法,直到有效特征点的数量已达到或超过Z,或者单选地,有效特征点的数量小于Z但是检测区域内已没有更多的像素可供遍历;
在每个检测区域内检测Z个特征点的方法的特征是,当有效特征点的数量已达到或超过Z,并且检测区域内还有剩余像素没有遍历时,所述的剩余像素将被跳过,开始下一个检测区域的处理。
3.根据权利要求2所述的一种解决由于自相似特征产生光流场与运动场不符的方法,其特征在于,检测区域大小典型值取N=15,即每个检测区域包含225个像素;特征点的数量的典型值取Z=1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市艾为智能有限公司,未经深圳市艾为智能有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810851968.3/1.html,转载请声明来源钻瓜专利网。