專利名稱：視頻空時特征提取方法
技術領域：
本發(fā)明涉及的是一種計算機視頻處理技術領域的方法，具體是一種視頻空時特征 提取方法。
背景技術：
目前，計算機視覺技術在城市交通監(jiān)控中發(fā)揮著越來越重要的作用，比如交通流 量監(jiān)控，擁塞估計，異常事件檢測等。車輛運動分析作為一項重要任務，由于復雜的城市交 通環(huán)境(如光線及天氣變化變化，遮擋等)，仍然面臨很大的挑戰(zhàn)。目前有關車輛運動分析 的工作主要分為兩大類，一種是傳統(tǒng)的基于檢測、跟蹤的長期運動分析，但是目前仍然缺乏 可靠穩(wěn)定的多目標跟蹤算法。近年來越來越多的研究者采用另一種方法，直接基于底層的 運動特征進行統(tǒng)計或者建模，避免進行運動目標的檢測與跟蹤。經對現(xiàn)有技術文獻檢索發(fā)現(xiàn)，光流法(optical flow)和特征點匹配法(feature point correspondence)是兩種重要的底層運動特征提取方法。但是光流法基于亮度恒 常假設，并且大多數(shù)計算方法采用空間全局平滑(參見=Berthold K. P. Horn and Brian G.Schunck,"Determining optical flow, "Artificial Intelligence, vol. 17, no. 1-3, pp. 185-203，1981.人工智能，1981年第12卷，第1-3期，185-203頁，確定光流)或者局部 平滑假設(參見Bruce D.Lucas and Takeo Kanade,"An iterative image registration technique with an application to stereo vision,，，in Proceedings of the 1981 DARPA Image Understanding Workshop, Apri 11981, pp. 121-130. 1981 年 4 月的 DARPA 圖像 理解工作組會議121-130頁，一種應用于立體視覺的迭代圖像配準技術)，使得其面臨如下 三個問題1)易受噪聲，以及光線變化等影響；幻運動邊界擴散；幻大多數(shù)的光流計算方 法要對幀中的所有像素進行計算，計算量大，實時性相對較差。基于特征點匹配的方法(參 見HanWang and Michael Brady, "Real-time corner detection algorithm for motion estimation，，，Image and Vision Computing，vol. 13，no. 9, pp. 695-703,1995.圖像與視 頻計算，1995年第13卷，第9期，695-703頁，用于運動估計的實時角點檢測算法)雖然魯 棒性能很好，但是過于稀疏，不利于觀察整個目標的運動狀態(tài)，以及運動目標結構的提取。

發(fā)明內容
本發(fā)明針對現(xiàn)有技術存在的上述不足，提供一種視頻空時特征提取方法，對光照 變化具有更高的魯棒性及計算性能，運動目標的結構清晰，可以有效的分離臨近的運動目 標，在交通監(jiān)控中的車流估計以及異常事件檢測中發(fā)揮更好的魯棒性及效率。本發(fā)明是通過以下技術方案實現(xiàn)的，本發(fā)明包括以下幾個步驟第一步分別對視頻流中的兩幀圖像I (X，y，t)以及I(x，y，t+At)進行高斯濾 波，即Γ (x，y) =G(x，y，S)*I(x，y)，其中1' (x，y)為濾波后的圖像，δ為高斯正態(tài) 分布的方差，t為圖像所處時間，At為兩幀圖像的時間間隔。第二步分別計算濾波后的兩幀圖像的邊緣及紋理區(qū)域的幾何正則度及幾何正則方向，并構建空間幾何流場，具體步驟為2. 1)以點(X，y)為中心，選擇(2m+1) X (2m+1)方塊，2 彡 m 彡 4 ；2. 2)根據(jù)方塊的大小初始化N個幾何正則方向集θ i e (- π /2，π /2]，并將每個 方塊分別沿N個幾何正則方向映射成序列S( θ》，然后對序列S( θ J進行一維正交小波變 換；2. 3)計算點(x，y)的最優(yōu)幾何正則方向θ

權利要求
1.一種視頻空時特征提取方法，其特征在于，包括以下幾個步驟 第一步分別對視頻流中的兩幀的圖像以及進行高斯濾波；第二步分別計算濾波后的兩幀圖像的邊緣及紋理區(qū)域的幾何正則度及最優(yōu)幾何正則 方向并構建空間幾何流場；第三步基于最優(yōu)幾何正則方向不變，在兩幀圖像的空間幾何流場之間建立運動方程；第四步采用塊匹配相關法計算時域幾何運動流；第五步對計算出的幾何流場采用MXM鄰域局部平均法消除奇異值；第六步將空間幾何流場與時域幾何運動流融合，即得到一種視頻的空時特征。
2.根據(jù)權利要求1所述的視頻空時特征提取方法，其特征是，所述的第二步具體包括 2. 1)以點(x, y)為中心，選擇(2m+l) X (2m+l)方塊；2.2)根據(jù)方塊的大小初始化N個幾何正則方向集QiG/2，π/2]，并將每個方塊 分別沿N個幾何正則方向映射成序列S( θ J，然后對序列S( θ》進行一維正交小波變換；2.3)計算最優(yōu)幾何正則方向θ
3.根據(jù)權利要求1所述的視頻空時特征提取方法，其特征是，第三步中所述的運動矢 量為 gs (X，1, t) = gs (x+u, y+v, t+ Δ t)，其中gs (x，y, t)表示時空點 ρ = (χ, y, t)處的 最優(yōu)幾何正則方向，gs(x，y，t+At)表示時空點ρ = (x+u, y+v, t+At)處的最優(yōu)幾何正則 方向，gt(x，y，t) = (u，ν)為時空點ρ = (χ, y，t)處的時域幾何運動流。
4.根據(jù)權利要求1所述的視頻空時特征提取方法，其特征是，所述的第四步包括以下 步驟4. 1)設定匹配窗口大小為(2k+l) X (業(yè)+1)，搜索窗口大小為(2L+1) X (2L+1)，則對于 目標函數(shù)E (g ；u, ν)
5.根據(jù)權利要求4所述的視頻空時特征提取方法，其特征是，所述的距離懲罰因子為
6.根據(jù)權利要求4所述的視頻空時特征提取方法，其特征是，所述的空時特征向量 g(x，y) = (u, ν, nx, ny)，其中(u，ν)為時域運動特征，單位向量(nx，ny)為空域的結構特 征。
全文摘要
一種計算機視頻處理技術領域的視頻空時特征提取方法，通過分別對視頻流中的相鄰兩幀的圖像以及進行高斯濾波并在光滑的圖像上計算出邊緣及紋理區(qū)域的幾何正則度及幾何正則方向并構建空間幾何流場，然后在兩幅圖像之間建立運動方程并采用塊匹配相關法計算每個像素點的運動矢量；再對計算出的幾何流場采用M×M鄰域局部平均法消除奇異值，最后將空間幾何流場與時域幾何運動流融合，即得到該像素點的空時特征向量。本發(fā)明對光照變化具有更高的魯棒性及計算性能，運動目標的結構清晰，可以有效的分離臨近的運動目標，在交通監(jiān)控中的車流估計以及異常事件檢測中發(fā)揮更好的魯棒性及效率。
文檔編號G06T7/20GK102142148SQ201110082669
公開日2011年8月3日 申請日期2011年4月2日 優(yōu)先權日2011年4月2日
發(fā)明者楊華, 樊亞文, 蘇航, 鄭世寶 申請人:上海交通大學