一種基于視頻的攝像機抖動檢測方法
【專利摘要】本發(fā)明公開了一種基于視頻的攝像機抖動檢測方法，包括以下步驟：取連續(xù)N幀圖像，將彩色圖像轉(zhuǎn)化為灰度圖像，每張圖像均勻劃分成b*b個子塊；計算每一子塊在水平方向和豎直方向上灰度投影，計算N幀圖像各子塊與第一幀圖像對應(yīng)子塊投影的相關(guān)系數(shù)，取相關(guān)系數(shù)最大的位移量作為位移矢量；計算連續(xù)N幀圖像的位移主矢量方向；計算N幀圖像每相鄰兩幀圖像對應(yīng)子塊的運動矢量；將N幀圖像各子塊的運動矢量投影到各子塊對應(yīng)位移主矢量方向；分別統(tǒng)計各子塊位移主矢量方向上的運動矢量投影，判斷該子塊是否存在抖動；統(tǒng)計b*b個子塊中抖動子塊的個數(shù)，判斷攝像機是否存在抖動。本發(fā)明檢測方法有效提高了抗噪聲能力，減少了誤報率。
【專利說明】一種基于視頻的攝像機抖動檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及攝像機抖動檢測領(lǐng)域，尤其涉及一種基于視頻的攝像機抖動檢測方法。
【背景技術(shù)】
[0002]攝像機安裝不穩(wěn)定時會有抖動。針對電子(數(shù)字)穩(wěn)像，很多文章提出了方法，例如塊匹配的方法，灰度投影的方法，基于二值位平面信息的方法，相位相關(guān)的方法，F(xiàn)ourier-MeIlin域相位相關(guān)的方法，基于圓形塊匹配的方法，特征跟蹤的方法等。
[0003]有人提出一種基于特征點跟蹤的穩(wěn)像算法。該算法用SUSAN算子從參考幀圖像中提取出一組特征點，然后在后繼幀中進行基于Kalman濾波的特征點的跟蹤。但是SUSAN算子中存在閾值難以確定的困難。有人提出一種分層位平面匹配的快速全局運動估計算法，算法充分利用多分辨率思想，在每一層選用不同位平面進行匹配以找到運動矢量。但是這種方法存在誤匹配概率較高，抗噪聲能力較差的弱點。
[0004]針對以上困難，本發(fā)明選取灰度投影特征，求其相關(guān)性得到運動矢量，有效克服了閾值選取的問題，使用PCA計算位移主矢量方向，再利用運動矢量在位移主矢量方向上投影的關(guān)系，判斷其抖動性，有效利用了其統(tǒng)計特性，提高了抗噪聲能力，減少了誤報率。
[0005]PCA是Principal component analysis的縮寫，中文翻譯為主兀分析。它是一種對數(shù)據(jù)進行分析的技術(shù)，最重要的應(yīng)用是對原有數(shù)據(jù)進行簡化。正如它的名字:主元分析，這種方法可以有效的找出數(shù) 據(jù)中最“主要”的元素和結(jié)構(gòu)，去除噪音和冗余，將原有的復(fù)雜數(shù)據(jù)降維，揭示隱藏在復(fù)雜數(shù)據(jù)背后的簡單結(jié)構(gòu)。它的優(yōu)點是簡單，而且無參數(shù)限制，可以方便的應(yīng)用與各個場合。因此應(yīng)用極其廣泛，從神經(jīng)科學(xué)到計算機圖形學(xué)都有它的用武之地。被譽為應(yīng)用線形代數(shù)最有價值的結(jié)果之一。本文將使用PCA做特征方向提取。
[0006]PCA 步驟:
(1)對所有訓(xùn)練向量Xi求均值向量U;
(2)令A(yù)= [X1-U, x2-u，…，xn-u]，則 C=A*AT 為協(xié)方差矩陣；
(3)求C的前m個特征值(絕對值最大的)對應(yīng)的特征向量Ii,J2,…，ym，它們互不相關(guān)且正交，且是單位向量。這些特征向量是Xi對應(yīng)樣本點最離散的方向。
[0007](4)對任意一個向量V，計算它到各個特征向量上的投影。
[0008]Z=V-U
z ^ bi Y1+ b2 Y2+...+ bm ym
其中
用向量(I^b2,…，bm)表不V。
[0009]

【發(fā)明內(nèi)容】

[0010]本發(fā)明要解決的技術(shù)問題在于針對現(xiàn)有技術(shù)中視頻監(jiān)控圖像因為攝像頭安裝桿受到外力作用，產(chǎn)生的上下抖動的視頻現(xiàn)象，提供一種自動識別技術(shù)。
[0011]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:一種基于視頻的攝像機抖動檢測方法，包括以下步驟:
1)獲取連續(xù)N幀圖像，分別將彩色圖像轉(zhuǎn)化為灰度圖像，每張圖像均勻劃分成b*b個子
塊；
2)計算每一子塊在水平方向和豎直方向上灰度投影；
3)計算N幀圖像各子塊與第一幀圖像對應(yīng)子塊投影的相關(guān)系數(shù)，取相關(guān)系數(shù)最大的位移量作為當(dāng)前幀的位移矢量Vi (i=l，…N)；
4)通過PCA法計算連續(xù)N幀圖像位移矢量Vi(i=l,…N)的位移主矢量方向
4，此矢量方向為圖像主要運動方向；
5)計算N幀圖像每相鄰兩幀圖像對應(yīng)子塊投影的相關(guān)系數(shù)，取相關(guān)系數(shù)最大的位移量作為當(dāng)前幀的運動矢量Mi(i=l，…吣；
6)將N幀圖像各子塊的運動矢量Mi(i=l，…N)投影到主矢量方向巧；
7)分別統(tǒng)計各子塊位移主矢量方向上的運動矢量投影，若投影為正且投影幅值大于I的矢量個數(shù)和投影為負且投影幅值大于I的矢量個數(shù)均大于等于一定閾值，則判定該子塊存在抖動，否則判定該子塊不存在抖動；
8)統(tǒng)計b*b個子塊中抖動子塊 的個數(shù)，若抖動子塊的個數(shù)大于b*b/2，則判定攝像機存在抖動，否則判定攝像機沒有抖動。
[0012]按上述方案，b的取值為2。
[0013]按上述方案，步驟I)中取連續(xù)N幀圖像，N大于等于60。
[0014]按上述方案，步驟7)中閾值的取值為95。
[0015]本發(fā)明產(chǎn)生的有益效果是:本發(fā)明選取灰度投影特征，求其相關(guān)性得到運動矢量，有效克服了閾值選取的問題，使用PCA計算位移主矢量方向，再利用運動矢量在位移主矢量方向上投影的關(guān)系，判斷其抖動性，有效利用了其統(tǒng)計特性，提高了抗噪聲能力，減少了誤報率。
[0016]
【專利附圖】

【附圖說明】
[0017]下面將結(jié)合附圖及實施例對本發(fā)明作進一步說明，附圖中:
圖1是本發(fā)明實施例的方法流程圖；
圖2是本發(fā)明實施例的位移主矢量方向的示意圖。
【具體實施方式】
[0018]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0019]如圖1所示，一種基于視頻的攝像機抖動檢測方法，包括以下步驟:
I)取連續(xù)N幀(N為60)圖像，將彩色圖像轉(zhuǎn)化為灰度圖像，每張圖像均勻劃分成2*2個子塊；
2)計算每一子塊在水平方向和豎直方向上灰度投影；
計算灰度在水平方向或豎直方向上的累加作為投影；
【權(quán)利要求】
1.一種基于視頻的攝像機抖動檢測方法，包括以下步驟: 1)獲取連續(xù)N幀圖像，分別將彩色圖像轉(zhuǎn)化為灰度圖像，每張圖像均勻劃分成b*b個子塊； 2)計算每一子塊在在水平方向和豎直方向上灰度投影； 3)計算N幀圖像各子塊與第一幀圖像對應(yīng)子塊投影的相關(guān)系數(shù)，取相關(guān)系數(shù)最大的位移量作為當(dāng)前幀的位移矢量Vi (i=l，…N)； 4)通過PCA法計算連續(xù)N幀圖像位移矢量Vi(i=l,…N)的位移主矢量方向 4，此矢量方向為圖像主要運動方向； 5)計算N幀圖像每相鄰兩幀圖像對應(yīng)子塊投影的相關(guān)系數(shù)，取相關(guān)系數(shù)最大的位移量作為當(dāng)前幀的運動矢量Mi(i=l，…吣； 6)將N幀圖像各子塊的運動矢量Mi(i=l，…N)投影到主矢量方向； 7)分別統(tǒng)計各子塊位移主矢量方向上的運動矢量投影，若投影為正且投影幅值大于I的矢量個數(shù)和投影為負且投影幅值大于I的矢量個數(shù)均大于等于一定閾值，則判定該子塊存在抖動，否則判定該子塊不存在抖動； 8)統(tǒng)計b*b個子塊中抖動子塊的個數(shù)，若抖動子塊的個數(shù)大于b*b/2，則判定攝像機存在抖動，否則判定攝像機沒有抖動。
2.根據(jù)權(quán)利要求1所述的基于視頻的攝像機抖動檢測方法，其特征在于b的取值為2。
3.根據(jù)權(quán)利要求1所述的基于視頻的攝像機抖動檢測方法，其特征在于，步驟I)中取連續(xù)N幀圖像，N大于等于60。
4.根據(jù)權(quán)利要求1所述的基于視頻的攝像機抖動檢測方法，其特征在于，步驟7)中閾值的取值為95。
【文檔編號】G06T7/20GK103679750SQ201310599494
【公開日】2014年3月26日 申請日期:2013年11月25日 優(yōu)先權(quán)日:2013年11月25日
【發(fā)明者】陳黎, 聶暉 申請人:武漢東智科技有限公司