[发明专利]一种基于计算机视频的运动趋势分析方法

权利要求书

1.一种基于计算机视频的运动趋势分析方法，其特征在于，包括如下步骤：

S1、预处理步骤：用于初始化系统，建立处理流程，并初始化图像特征检测器；

S2、运动分布分析步骤：用于计算图像差值并得到灰度化结果图像，并进行高斯滤波、阈值化、图像膨胀、图像腐蚀处理；

S3、运动趋势分析步骤：用于以LK光流金字塔为基础算法，计算特征点的运动情况，并进行统计，分析运动模式；

所述运动分布分析步骤S2包括：

S21、图像差值计算步骤：获取输入图像序列的初始帧P0并进行存储，从图像序列的第二帧P1开始，计算当前帧与前一帧的差值；

S22、差分图像处理步骤：对所述差值进行灰度化处理，设定阈值在20到45之间，在灰度化处理后的图像上进行高斯滤波，对高斯滤波后的差值图像进行先进行图像膨胀操作，之后在膨胀后的图像上进行图像腐蚀操作，得到结果P-Mask；

S23、统计分析步骤：统计P-Mask上的图像分布情况，白色区域代表运动，以尺寸为画面1/25的窗口对P-Mask进行热度统计，并进行排序；

所述运动趋势分析步骤S3包括：

S31、特征点选取步骤：使用P-Mask作为掩码图对P1图像进行叠加，并对叠加后的结果提取角点和边缘特征；将提取到的特征进行编码，输入到LK光流金字塔中进行初始化；

S32、特征点跟踪步骤：保存P1并获取下一帧图像P2，在P2图像上进行LK光流金字塔计算，得到新的特征点序列，将新的特征点序列与前一个特征点序列相减，获取所有运动矢量；

S33、模式匹配步骤：计算所有运动矢量并进行分布统计，以不同运动模式为模板，匹配出最可能的运动趋势。

2.根据权利要求1所述的一种基于计算机视频的运动趋势分析方法，其特征在于，

所述高斯滤波的滤波核尺寸在3到7之间。

3.根据权利要求1所述的一种基于计算机视频的运动趋势分析方法，其特征在于，

所述边缘特征为Brisk特征。

4.根据权利要求1所述的一种基于计算机视频的运动趋势分析方法，其特征在于，

所述模式匹配步骤S33包括：

S331、运动矢量计算步骤：对特征点跟踪结果与原始特征点集合做差，得到运动矢量集合；

S332、运动矢量阈值化输出步骤：对运动矢量集合进行阈值化筛选并重新输出，剔除模过小或者过大的运动矢量，范围为[5，50]；

S333、运动矢量分布统计步骤：对运动矢量进行方向归一化，以整个平面坐标系为准，45度为一个方向范围区间，划分出8个方向范围，将所有向量统计在这8个方向范围区间之内；

S334、结果统计与模板匹配步骤：对向量分布进行统计，计算当前运动模式与预制模板的匹配度，输出匹配度最高的运动模式。

5.一种基于计算机视频的运动趋势分析方法，其特征在于，包括如下步骤：

B1.建立处理流程并初始化图像特征检测器；

B2.输入待处理的图像序列，对输入的图像序列进行预处理，

B3.取出下一帧图像；

B4.判断获取的图像是否是第一帧，若为第一帧，直接原样输出图像，并跳转至B11，否则继续B4；

B5.计算当前图像与前一帧图像差值，得到差分图像，并根据差分图像计算运动区域分布情况；

B6.判断特征点集合是否为空，如果为空则获取运动区域特征点集合，否则继续进行B7；

B7.使用LK光流法跟踪特征点集合，并计算运动矢量，对运动矢量进行方向归一化，以整个平面坐标系为准，45度为一个方向范围区间，划分出8个方向范围，将所有向量统计在这8个方向范围区间之内；

B8.统计运动矢量，将统计结果与预制模板进行匹配，输出匹配度最高的运动模式；

B9.删除无效特征点，即运动矢量为0的特征点；

B10.将运动模式作为结果输出；

B11.判断是否是最后一帧，不是则跳转到B3，是则执行B12；

B12.结束。

6.一种基于计算机视频的运动趋势分析系统，包括：

预处理模块，用于初始化系统，建立处理流程，并初始化图像特征检测器；

运动分布分析模块，用于计算图像差值并得到灰度化结果图像，并进行阈值化、图像膨胀、图像腐蚀处理；

运动趋势分析模块，用于以LK光流金字塔为基础算法，计算特征点的运动情况，并进行统计，分析运动模式；

所述运动分布分析模块包括：

差值计算模块：获取输入图像序列的初始帧P0并进行存储，从图像序列的第二帧P1开始，计算当前帧与前一帧的差值；

后续处理模块：对所述差值进行灰度化处理，设定阈值在20到45之间，在灰度化处理后的图像上进行高斯滤波，对高斯滤波后的差值图像进行先进行图像膨胀操作，之后在膨胀后的图像上进行图像腐蚀操作，得到结果P-Mask；统计P-Mask上的图像分布情况，白色区域代表运动，以尺寸为画面1/25的窗口对P-Mask进行热度统计，并进行排序；所述运动趋势分析模块包括：

特征点选取模块：使用P-Mask作为掩码图对P1图像进行叠加，并对叠加后的结果提取角点和边缘特征；将提取到的特征进行编码，输入到LK光流金字塔中进行初始化；

特征点跟踪模块：保存P1并获取下一帧图像P2，在P2图像上进行LK光流金字塔计算，得到新的特征点序列，将新的特征点序列与前一个特征点序列相减，获取所有运动矢量；

模式匹配模块：计算所有运动矢量并进行分布统计，以不同运动模式为模板，匹配出最可能的运动趋势。