一種抖動視頻運動目標提取方法
【專利摘要】本發(fā)明涉及視頻處理【技術領域】；尤其是一種在視頻抖動背景下進行運動目標提取的抖動視頻運動目標提取方法。首先對視頻幀圖像進行尺度變換；然后對尺度變換后的低分辨率圖像建立多維高斯背景模型，采用高斯nσ準則粗提取運動前景目標；再采用形態(tài)學處理和顏色聚類精確提取運行目標；整個過程不需要額外的計算圖像特征、補償向量。本發(fā)明不僅有效的檢測出視頻抖動背景下運動的目標，而且避免了圖像特征提取、特征匹配、運動矢量計算等步驟，很大程度上簡化了視頻抖動情況下目標提取的過程?？梢詰糜诙秳右曨l的運動目標提取。
【專利說明】一種抖動視頻運動目標提取方法
【技術領域】
[0001]本發(fā)明涉及視頻處理【技術領域】；尤其是一種在視頻抖動背景下進行運動目標提取的抖動視頻運動目標提取方法。
【背景技術】
[0002]隨著手持設備越來越風靡流行，針對移動攝像頭的視頻應用像得越來越多，是否能在攝像頭無意識抖動情況下魯棒的提取視頻運動目標成為近來的研究熱點。視頻的抖動背景是由攝像頭的運動引起的，攝像頭的有意識抖動屬于主觀運動，即在一段時間內向同一個方向運行，具有平滑的特性。這種情況下目前采用的是電子穩(wěn)像技術，并取得了較好的效果。而攝像頭的無意識抖動，具有高頻以及隨機的特性，在視頻處理中作為一種噪聲存在。如拍攝者的手臂無意識的抖動情況，這種抖動對目標檢測以及后續(xù)處理帶來了很大的干擾。因此，在目標檢測中要進行去除；但是目前流行的防止抖動算法基本都基于傳統(tǒng)的電子穩(wěn)像技術。該技術自身存在較多的問題，比如前景運行物體會對背景特征提取產生檢測上的誤差。由于背景特征是抖動向量計算的基礎，因此前景運動物體會在一定程度上嚴重的干擾視頻穩(wěn)像精度。另外，當主觀運動較大,抖動位移較小時,相鄰視頻幀之間的夾角不能反映往復運動，算法因此也會無法檢測出抖動。
[0003]穩(wěn)像算法需要計算運行補償向量，而運動補償向量的計算又依賴于特征匹配。有效的特征匹配位移還需要提取有效的圖像特征；而目前常見的提取圖像特征的算法不但復雜度較高，而且精度也偏低。因此在電子穩(wěn)像的基礎上再提取運動目標不管是算法的復雜度還是檢測精度都受到了極大的挑戰(zhàn)。

【發(fā)明內容】

[0004]本發(fā)明解決的技術問題在于提供一種抖動視頻運動目標提取方法，基于圖像尺度變換理論，對攝像頭無意識抖`動情況下拍攝視頻的運動目標進行提取，在保證目標提取有效性的前提下很大程度上簡化無意識抖動背景下視頻運動目標提取的過程。
[0005]本發(fā)明解決上述技術問題的技術方案是:
[0006]首先對視頻幀圖像進行尺度變換；然后對尺度變換后的低分辨率圖像建立多維高斯背景模型，采用高斯ησ準則粗提取運動前景目標；再采用形態(tài)學處理和顏色聚類精確提取運行目標；整個過程不需要額外的計算圖像特征、補償向量。
[0007]將視頻讀入計算機后，經過高斯卷積核實現(xiàn)對視頻幀圖像的二維圖像的尺度變換中，定乂:
[0008]L (X，y, σ ) =G (x, y, σ ) *1 (χ, y)
[0009]其中，L(x, y, σ)為經尺度變換后的圖像，I (x, y)為視頻源圖像，G(x, y, σ )為實現(xiàn)尺度變換的可變高斯函數(shù)，并定義:
[0010]G(.T, V,0.) = ^-Te^''"+r,/('2cr')[0011 ] r為模糊半徑(r2=x2+y2), σ為正態(tài)分布的標準偏差。
[0012]對經過尺度變換后的視頻幀圖像采用高斯η σ準則進行混合高斯背景建模，然后進行前景粗提取的方法是定義:
[0013]|毛-/// l<
[0014]其中，孓力像素點(X。，y0)在t時刻的像素值，分別為第i個高斯分布的
均值和標準差，η取3 ;超過η σ值的像素被認為前景,否則被認為背景像素。
[0015]對粗提取的目標前景進行形態(tài)學處理，包括膨脹、腐蝕和孔洞填充；其次采用K均值顏色聚類算法對所得前景圖像進行聚類，首先初始化K=I，繼而通過計算類內方差決定是否需要增加K值，并最終將前景圖分割為K個圖層；在聚類分割得到的每個圖層中通過比較該圖層的聚類中心與形態(tài)學處理后掩膜圖像對應區(qū)域的顏色分析結果確定該圖層是否為前景圖層；如果在K類中有若干個類(圖層)被判為前景，則將該若干個類全部合并到同一個前景圖層中，最終迭代合并的前景圖層即為最終的前景目標。
[0016]本發(fā)明的有益效果是:經過尺度變換、高斯建模過程的前景粗提取和生態(tài)學處理、顏色聚類的前景精提取過程，該發(fā)明不僅有效的檢測出視頻抖動背景下運動的目標，而且與目前基于穩(wěn)像的技術相比，該發(fā)明避免圖像特征提取、特征匹配、運動矢量計算等步驟，很大程度上簡化了視頻抖動情況下目標提取的過程。
【專利附圖】

【附圖說明】
[0017]下面結合附圖對本發(fā)明進一步說明:
[0018]附圖是本發(fā)明區(qū)域加權分布對抖動消減的示意圖； 【具體實施方式】
[0019]本發(fā)明本發(fā)明首先對視頻幀圖像進行尺度變換，然后對尺度變換后的低分辨率圖像建立多維高斯背景模型，高斯η σ準則被用于粗提取運動前景目標，形態(tài)學處理和顏色聚類用于精確提取運行目標，整個過程不需要額外的進行計算圖像特征、補償向量等。
[0020]本發(fā)明的方法通過如下具體步驟進行實現(xiàn):
[0021](I)尺度變換
[0022]首先讀入視頻，并對視頻幀圖像的二維圖像的尺度變換，定義如下:
[0023]L (X，y, σ ) =G (X，y, σ ) *1 (χ, y)
[0024]其中，L(x, y, σ )為經尺度變換后的圖像，I (x, y)為視頻源圖像，G(x, y, σ )為實現(xiàn)尺度變換的可變高斯函數(shù)，定義如下:
[0025]G(x, y, σ) = —^ e-W)/(2<r2)

2πσ~
[0026]r為模糊半徑(r2=x2+y2)，σ為正態(tài)分布的標準偏差，二者共同決定對圖像的模糊程度。
[0027]⑵高斯建模
[0028]采用高斯η σ準則進行混合高斯背景建模，然后進行前景粗提取，方法如下:
[0029]|xf -Jii |< Iiai[0030]其中，Xi為像素點(Xtl, y0)在t時刻的像素值，A和σ i分別為第i個高斯分布的
均值和標準差，η取3。超過ησ值的像素被認為前景,否則被認為背景像素。
[0031](3)前景目標精分割
[0032]首先采用形態(tài)學處理方法，包括膨脹、腐蝕和孔洞填充，對上述步驟所得圖像進行處理。其次采用K均值顏色聚類算法對所得前景圖像進行聚類。首先初始化K=l，繼而通過計算類內方差決定是否需要增加K值，并最終將前景圖分割為K個圖層。在聚類分割得到的每個圖層中通過比較該圖層的聚類中心與形態(tài)學處理后掩膜圖像對應區(qū)域的顏色分析結果確定該圖層是否為前景圖層，如果在K類中有若干個類(圖層)被判為前景，則將該若干個類全部合并到同一個前景圖層中，最終迭代合并的前景圖層即為最終的前景目標。
[0033]結合附圖具體說明如下:
[0034]1、對視頻幀圖像經過高斯卷積核實現(xiàn)的尺度變換，每個像素的新值都由該像素周圍某領域所有像素的加權平均得到。而對于像素亮度值符合混合高斯分布性質的原始像素(X(i，yci)，(Xd，yi)，…(xm，yn)而言，由高斯特性知，其加權平均不改變分布特性。故對于不同尺度圖像L(x，y, σ )，經加權計算后的像素值仍符合混合高斯分布特性，此時對于尺度圖像L(x，y，O)中位于(XQ，yQ)的像素符合原圖1(x，y)中對應(x。，yQ)位置某領域范圍全部像素高斯加權分布模型。因此，領域加權分布減弱了單一像素無規(guī)則抖動的幾率，使得尺度變換后的像素分布變得穩(wěn)定。抖動消減示意圖如附圖所示，其中，假設中間的灰色星形圖形為拍攝物體，由于手持攝像頭無意識的抖動，假設同一個屏幕坐標像素在連續(xù)的3幀分別位于實際拍攝位置A，B，C處，即圖中三個圓的圓心(也是隨機晃動位置)，若攝像頭固定，此屏幕像素將始終對應于星形圖形的中心，由于三個假設點處于不同位置，因此此時三個位置點有各自的混合高斯分布，其結果必導致同一個屏幕坐標像素由于抖動的原因形成了額外的三個高斯分布，在實際抖動情形中，該屏幕點可能位于星形中心附近的任意位置，使得同一屏幕點有不確定的任意高斯分布，從而使得高斯背景模型在此種攝像頭抖動環(huán)境下失敗。此時在對星形圖進行`尺度變換后的變換圖中，同一屏幕點對應在A，B, C處的高斯分布由其領域所有像素加權得到，領域半徑即為圖中圓半徑，該加權使得在拍攝位置A，B,C處有公共像素集，所以在獨立位置A，B，C處的像素的分布具有一定相似性，此時若加權半徑越大，公共集就越大，A, B, C處的分布差異性就越小，最終在位置A，B, C處的像素可近似符合同一參數(shù)的分布，從而消除抖動的影響。
[0035]2、采用高斯η σ準則進行混合高斯背景建模，然后進行前景粗提取，方法如下:
[0036]I 毛—Α?<?σ,-
[0037]其中，Xt為像素點(Xtl, y0)在t時刻的像素值，A和Oi分別為第i個高斯分布的均值和標準差，η取3。由于ησ的作用,像素允許在此范圍內波動,不超過η σ值的像素均認為是背景像素，誤判的像素通過后期圖像處理進行恢復，所以允許一定的抖動噪聲存在。
【權利要求】
1.一種基于尺度變換的抖動視頻運動目標提取方法，其特征在于:首先對視頻幀圖像進行尺度變換；然后對尺度變換后的低分辨率圖像建立多維高斯背景模型，采用高斯η σ準則粗提取運動前景目標；再采用形態(tài)學處理和顏色聚類精確提取運行目標；整個過程不需要額外的計算圖像特征、補償向量。
2.根據(jù)權利要求1所述的抖動視頻運動目標提取方法，其特征在于:將視頻讀入計算機后，經過高斯卷積核實現(xiàn)對視頻幀圖像的二維圖像的尺度變換中，定義:

3.根據(jù)權利要求1或2所述的抖動視頻運動目標提取方法，其特征在于:對經過尺度變換后的視頻幀圖像采用高斯η O準則進行混合高斯背景建模，然后進行前景粗提取的方法是定義:

4.根據(jù)權利要求1或2所述的抖動視頻運動目標提取方法，其特征在于:對粗提取的目標前景進行形態(tài)學處理，包括膨脹、腐蝕和孔洞填充；其次采用K均值顏色聚類算法對所得前景圖像進行聚類，首先初始化K=l，繼而通過計算類內方差決定是否需要增加K值，并最終將前景圖分割為K個圖層；在聚類分割得到的每個圖層中通過比較該圖層的聚類中心與形態(tài)學處理后掩膜圖像對應區(qū)域的顏色分析結果確定該圖層是否為前景圖層；如果在K類中有若干個類(圖層)被判為前景，則將該若干個類全部合并到同一個前景圖層中，最終迭代合并的前景圖層即為最終的前景目標。
5.根據(jù)權利要求3所述的抖動視頻運動目標提取方法，其特征在于:對粗提取的目標前景進行形態(tài)學處理，包括膨脹、腐蝕和孔洞填充；其次采用K均值顏色聚類算法對所得前景圖像進行聚類，首先初始化K=I，繼而通過計算類內方差決定是否需要增加K值，并最終將前景圖分割為K個圖層；在聚類分割得到的每個圖層中通過比較該圖層的聚類中心與形態(tài)學處理后掩膜圖像對應區(qū)域的顏色分析結果確定該圖層是否為前景圖層；如果在K類中有若干個類(圖層)被判為前景，則將該若干個類全部合并到同一個前景圖層中，最終迭代合并的前景圖層即為最終的前景目標。
【文檔編號】G06T7/20GK103500454SQ201310379883
【公開日】2014年1月8日 申請日期:2013年8月27日 優(yōu)先權日:2013年8月27日
【發(fā)明者】熊剛, 孔慶杰, 王飛躍, 楊海濱, 朱鳳華 申請人:東莞中國科學院云計算產業(yè)技術創(chuàng)新與育成中心, 中國科學院自動化研究所