[发明专利]一种基于运动对象与图像分析的视频帧复杂度测度方法

摘要

本发明公开了一种基于运动对象与图像分析的视频帧复杂度测度方法，属于图像处理技术领域。本发明基于视频帧的运动目标特征点的运动矢量信息计算各视频帧的运动复杂度，再计算视频图像的灰度图的边缘比率、灰度一致性以及运动目标特征点的特征点集中度，由该三者的加权求和得到视频帧的图像复杂度，最后对运动复杂度和图像复杂度进行加权求和，得到视频帧复杂度。本发明用于视频的复杂度测度处理，能够有效地定量确定视频复杂度值，反映视频的特性，有利于视频分析等进一步操作。

主权项

一种基于运动对象与图像分析的视频帧复杂度测度方法，其特征在于，包括下列步骤：步骤一：分别计算视频帧的运动复杂度Cm和图像复杂度Cg：运动复杂度Cm：提取视频帧的运动目标特征点，并提取运动目标特征点的运动矢量：基于预设跟踪帧步长所确定的当前视频段，对当前视频段的第一帧提取背景特征点和运动目标特征点，从当前视频段的第二帧开始，跟踪上一帧的背景特征点和运动目标特征点在当前帧的位置，并作为下一帧跟踪的基准；删除当前视频段中第一帧和最后一帧中不动的背景特征点，由删除后的背景特征点的位置特征得到背景运动模型；基于当前视频段各帧的运动目标特征点的位置特征，提取运动目标特征点的初级运动矢量；将当前视频段的第一帧的运动目标特征点的位置特征带入背景运动模型，以确定在当前视频段的最后一帧的对应位置特征，并基于所述最后一帧的位置特征提取运动目标特征点的背景运动矢量；从各帧所得到的初级运动矢量中删除背景运动矢量得到各帧的运动目标特征点的运动矢量；基于所述运动矢量提取运动目标特征点的速度特征和方向特征，基于速度特征、方向特征的预设等级划分分别统计每个等级所对应的出现概率；根据公式计算运动复杂度Cm，其中N1表示速度特征的预设等级数，N2表示方向特征的预设等级数，Pri表示速度特征的每个等级的出现概率，Pdj表示方向特征的每个等级的出现概率，αri、αdj表示权值，且αri+αdj＝1；图像复杂度Cg：将视频帧转换为灰度图后分别计算边缘比率R、灰度一致性U和特征点集中度J：确定视频帧的目标边缘，并根据公式R＝Pe/(M×N)统计视频帧的边缘比率R，其中，M和N分别表示视频帧的行数和列数，Pe表示视频帧的目标边缘的像素点个数；根据公式计算视频图像的灰度一致性U，其中f(i,j)表示在像素点(i,j)处的灰度值，f'(i,j)表示以像素点(i,j)为中心的预设邻域范围的灰度均值；对视频帧的运动目标特征点的位置特征进行聚类处理，并根据公式计算特征点集中度J，其中Nc表示预设聚类数，ni表示每类运动目标特征点个数，Nf表示运动目标特征点总数，Vix和Viy分别表示每类运动目标特征点的位置特征在水平和竖直方向的方差；对边缘比率R、灰度一致性U和特征点集中度J进行加权求和得到视频图像的图像复杂度Cg；步骤二：对运动复杂度Cm和图像复杂度Cg进行加权求和，输出视频复杂度。