[发明专利]智能移动终端防镜头抖动视频运动目标检测方法

摘要

本发明涉及智能移动终端防镜头抖动视频运动目标检测方法，通过分割抖动视频为若干独立编号的原始帧图像，并以预设差值为间隔，提取连续的原始帧图像组成原始图像，以保证原有视频不会出现大的像素点缺失，原始图像经优化的图像空间转换参数做灰度化处理、二维高斯滤波处理后，通过建立背景像素模型和球模型，对处理所得图像分类，得到背景点；背景模型经初始化和实时更新后，选择采用图像背景像素的偏移量对当前帧图像做运动补偿和修正，并利用偏移量修正背景模型，提取运动目标。该方法通过图像背景像素的偏移量对当前帧图像进行运动补偿和修正，以补偿镜头的抖动、消除不稳定的抖动镜头带来的恶劣影响，从而有效地检测出抖动视频运动目标。

主权项

智能移动终端防镜头抖动视频运动目标检测方法，其特征在于，包括以下步骤：(1)对智能移动终端获取的原始视频进行分帧，得到一组独立的原始帧图像序列，并对原始帧图像序列中的各原始帧图像按照分帧的先后顺序编号，得到具有独立编号的原始帧图像序列；(2)以预设差值作为编号间隔，在具有独立编号的原始帧图像序列S(i,j)中连续选取部分原始帧图像组成原始图像S(i,j)；(3)对原始图像S(i,j)进行灰度化处理，得到灰度图像Y(i,j)；其中，原始图像S(i,j)转换为灰度图像Y(i,j)采用如下转换公式：Y(i,j)＝0.257×r(i,j)+0.504×g(i,j)+0.239×b(i,j)；其中，r(i,j)、g(i,j)、b(i,j)分别对应原始图像S(i,j)的颜色空间三维坐标中的红、绿、蓝颜色分量，Y(i,j)是该像素点对应的灰度值；(4)对灰度图像Y进行预处理，得到预处理图像I，并采用均值是零的二维高斯滤波对预处理图像I滤波处理；其中：高斯滤波采用的二维高斯函数g(i,j)为：其使用的图像模板算子为$\frac{1}{273}\×\left[\begin{array}{ccccc}1& 4& 7& 4& 1\\ 4& 16& 26& 16& 4\\ 7& 26& 41& 26& 7\\ 4& 16& 26& 16& 4\\ 1& 4& 7& 4& 1\end{array}\right];$(5)建立背景像素模型M(i,j)，M(i,j)＝{v₁,v₂,…,v_N}；其中，v_k(i,j)表示图像(i,j)位置上的像素值，k是背景像素样本中的序号，M(i,j)表示图像(i,j)位置上的N个样本观察值；(6)根据背景像素模型M(i,j)进行分类，建立以v(i,j)为中心，以R为半径的球S_R(v(i,j))，进行比较并分类；其中，比较分类过程如下：当处在球S_R(v(i,j))以内的样本观察值的数量K不小于基数K_min，即K≥K_min时，则判定当前像素v(i,j)为背景点；其中，K表示为K＝{S_R(v(i,j))∩{v₁,v₂,…,v_N}}；(7)对背景像素模型M(i,j)进行初始化，在第一帧图像中随机选择相邻像素值与目标像素的样本进行混合，M₁(i,j)＝{v₁(y|y∈N_G(i,j))}，每一个相邻位置y上的像素通过同样的方式被随机的选取，M₁(i,j)表示第一帧图像序号的背景模型，N_G(i,j)表示与像素位置(i,j)相邻的像素；(8)更新背景像素模型M(i,j)，并采用保守更新策略，配合着向被前景区域遮挡的像素注入空间相邻像素信息实现更新，使用v(i,j)更新背景模型M(i,j)，随机的选择样本数量为6中的一个像素值进行更新；(9)每次对背景模型进行更新时，以随机的更新判定为背景的像素位置上的模型，依然保留在模型中的概率P(t,t+dt)为：$P(t,t+dt)=e^{-\ln \left(\frac{N}{N-1}\right)dt},$N为样本数量；(10)采用图像背景像素的偏移量d对当前帧图像进行运动补偿和修正，再使用修正后的图像与背景模型匹配，得到检测结果；其中，背景偏移量d＝[d_x d_y]^T；(11)根据邻域窗口内的像素对比计算结果，得到偏移量ε(d)；其中，偏移量ε(d)计算公式如下：$\mathrm{\ϵ}\left(d\right)=\mathrm{\ϵ}(d_x,d_y)=\underset{x=u_x-w_x}{\overset{u_x+w_x}{\Σ}}\underset{y=u_y-w_y}{\overset{u_y+w_y}{\Σ}}{\left(M\right(x,y)-I(x+d_x,y+d_y\left)\right)}^2;$其中，w_x、w_y是与邻域窗口相关的参数，窗口的尺寸表示为2(w_x+1)×2(w_y+1)，(u_x,u_y)为背景图像中的特征角点，M表示背景模型，I表示当前帧图像；(12)考察当前帧图像I中特征角点(u_x,u_y)周围的像素点，计算得到具有最小偏移量ε(d)的像素点(u_x1,u_y1)，并把该像素点(u_x1,u_y1)当作对应背景点(u_x,u_y)的像素点，得到像素(u_x,u_y)在当前帧图像I中的偏移量d，其中，偏移量d计算如下：d＝(u_x1‑u_x,u_y1‑u_y)；(13)计算多个背景图像上特征角点的位移均值S₁以及位移中值S₂，并以所得位移均值和位移中值的平均值作为整个背景图像的偏移量S；其中，位移均值S₁、位移中值S₂和偏移量S的计算公式如下：$S_1=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}(d_{x_k},d_{y_k}),$$S_2=med\{(d_{x_1},d_{y_1}),(d_{x_2},d_{y_2}),...,(d_{x_N},d_{y_N})\},$$S=\frac{S_1+S_2}{2},$N为样本数量；(14)利用偏移量S修正背景模型，并提取运动目标F，其中，运动目标F提取公式如下：F{S_R(v(i,j))∩M(i+d_x,j+d_y)}。