本發(fā)明屬于視頻領域，尤其涉及一種基于運動特性的視頻顯著區(qū)的提取方法和裝置。

背景技術：

視頻顯著區(qū)為某段視頻中，具有顯著性的區(qū)域。通常，通過視頻顯著區(qū)可以準確的對視頻中的各種信息進行分析，如視頻語音分析、目標識別以及視頻編碼。

現(xiàn)有技術中，通常利用視覺注意模型(Visual Attention Model，VAM)提取視頻中單幀圖像的顯著區(qū)，即提取視頻中單幀圖像的亮度、顏色或方向，并以提取的亮度、顏色或方向作為視頻顯著區(qū)。然而，現(xiàn)有的視頻顯著區(qū)的提取方法僅僅將視頻中單幀圖像的亮度、顏色或方向作為該視頻的圖像顯著區(qū)，忽略了視頻中各幀圖像之間的運動的連貫性，從而導致提取到的視頻顯著區(qū)不準確。

技術實現(xiàn)要素：

本發(fā)明提供一種基于運動特性的視頻顯著區(qū)的提取方法和裝置，旨在解決提取的視頻顯著區(qū)不準確的問題。

本發(fā)明提供一種基于運動特性的視頻顯著區(qū)的提取方法，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，并對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。

本發(fā)明提供一種基于運動特性的視頻顯著區(qū)的提取裝置，該裝置包括獲取模塊、提取模塊、運算模塊和疊加模塊；

獲取模塊用于從目標視頻中獲取待提取圖像，提取模塊用于從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，運算模塊用于對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，以及，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，疊加模塊用于將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。

本發(fā)明提供了一種基于運動特性的視頻顯著區(qū)的提取方法和裝置，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，并對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。本發(fā)明與現(xiàn)有技術相比，有益效果在于：在提取視頻顯著區(qū)時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區(qū)更加準確。同時，只需計算目標圖像顯著區(qū)的運動特性因子，大大減少了計算量，節(jié)省了計算時間和運算資源，提高了運算效率。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例。

圖1是本發(fā)明第一實施例提供的一種基于運動特性的視頻顯著區(qū)的提取方法的實現(xiàn)流程示意圖；

圖2是本發(fā)明第二實施例提供的一種基于運動特性的視頻顯著區(qū)的提取方法的實現(xiàn)流程示意圖；

圖3是本發(fā)明第二實施例提供的一種待提取圖像的空域顯著圖；

圖4是本發(fā)明第二實施例提供的空域顯著圖中的圖像顯著區(qū)經(jīng)二值化處理后的圖像；

圖5是本發(fā)明第三實施例提供的一種基于運動特性的視頻顯著區(qū)的提取裝置的結(jié)構示意圖；

圖6是本發(fā)明第四實施例提供的一種基于運動特性的視頻顯著區(qū)的提取裝置的結(jié)構示意圖。

具體實施方式

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例。基于本發(fā)明中的實施例，本領域技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明實施例提供的基于運動特性的視頻顯著區(qū)的提取方法可以應用于各種終端設備，如電腦、手機、平板電腦等終端以及其它終端。

請參閱圖1，圖1為本發(fā)明第一實施例提供的一種基于運動特性的視頻顯著區(qū)的提取方法的實現(xiàn)流程示意圖，圖1所示的基于運動特性的視頻顯著區(qū)的提取方法主要包括以下步驟：

S101、從目標視頻中獲取待提取圖像。

該目標視頻為視頻中包含同一場景的多幀圖像組成的視頻。該目標視頻可以為視頻的一部分，也可以為視頻的全部。

S102、從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，并對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子。

該目標圖像顯著區(qū)為該待提取圖像具有顯著性的區(qū)域。該運動特性因子用于表示該目標圖像顯著區(qū)的運動連貫性。

S103、根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)。

該相似度用于表示兩個圖像顯著區(qū)的運動特性因子的相似性。

S104、將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。

本發(fā)明實施例中，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，并對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。這樣，在提取視頻顯著區(qū)時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區(qū)更加準確。同時，只需計算目標顯著區(qū)的運動特性因子，大大減少了計算量，節(jié)省了計算時間和運算資源，提高了運算效率。

請參閱圖2，圖2為本發(fā)明第二實施例提供的一種基于運動特性的視頻顯著區(qū)的提取方法的實現(xiàn)流程示意圖，可應用于所有具有顯示功能的顯示圖像裝置中，圖1所示的基于運動特性的視頻顯著區(qū)的提取方法主要包括以下步驟：

S201、從目標視頻中獲取待提取圖像。

該目標視頻為視頻中包含同一場景的多幀圖像組成的視頻。該目標視頻可以為視頻的一部分或全部。該待提取圖像為該目標視頻中的圖像。

S202、對該待提取圖像進行冗余運算，得到該待提取圖像的空域顯著圖。

進一步地，對該待提取圖像進行冗余運算，得到該待提取圖像的空域顯著圖，具體包括：

對該待提取圖像進行頻譜冗余運算，得到該待提取圖像的頻譜冗余。

設該待提取圖像為第i幀，該待提取圖像的頻譜冗余為R(i)，則，

R(i)＝A(i)-I(i)；

其中，I(i)＝A(i)×h_n(i),A(i)為對數(shù)振幅譜，h_n(i)為n×n的均值濾波器，為頻域?qū)?shù)譜，g(i)為高斯濾波函數(shù)。

對該待提取圖像的頻譜冗余和該待提取圖像的相位譜進行譜冗余運算，得到該待提取圖像的空域顯著圖。

設S_S(i)為該待提取圖像的空域顯著圖，則，

其中，為傅立葉反變換，P(i)為該待提取圖像的相位譜。

如圖3所示，圖3示出了本發(fā)明實施例中該待提取圖像的空域顯著圖，其中，灰度值越大的區(qū)域，顯著性越高。

S203、將該空域顯著圖中灰度值大于預置灰度值的像素點組成的區(qū)域確定為該目標圖像顯著區(qū)。

設r(f)為空域顯著圖中的目標圖像顯著區(qū)，則，

其中，threshold為預置灰度值，threshold＝E(SS(f))*3，f為空域顯著圖中的灰度值，E(SS(f))為該空域顯著圖S_S(i)的平均灰度密度值，r(f)＝1表示該區(qū)域為目標圖像顯著區(qū)，r(f)＝0表示該區(qū)域為非目標圖像顯著區(qū)。

為了便于說明，將圖3所示的空域顯著圖中的目標圖像顯著區(qū)按照預置灰度臨界值進行二值化處理，得到圖4，圖4為對該空域顯著圖中的目標圖像顯著區(qū)經(jīng)二值化處理后的圖像，其中，圖4所示的白色區(qū)域為該目標圖像顯著區(qū)所在的位置。

S204、在該目標圖像顯著區(qū)中提取運動目標，并分別對該運動目標的相對運動矢量和背景運動矢量進行二范數(shù)運算，得到該目標圖像顯著區(qū)的相對運動矢量強度和背景運動矢量強度。

進一步地，在該目標圖像顯著區(qū)中提取運動目標，具體包括：

將該目標圖像顯著區(qū)中的塊與參考目標圖像顯著區(qū)中的塊進行比對；

選取在該目標圖像顯著區(qū)和該參考目標圖像顯著區(qū)中出現(xiàn)頻率最多的塊；

將該目標圖像顯著區(qū)中的塊減去該出現(xiàn)頻率最多的塊，并將該目標圖像顯著區(qū)中剩下的塊作為運動目標。

該參考目標圖像顯著區(qū)為該待提取圖像的前一幀圖像中與該目標圖像顯著區(qū)位置相同的區(qū)域。設(x₀，y₀)為該目標圖像顯著區(qū)中的運動目標的坐標，則，

(x_o,y_o)＝(x',y')-mod e(x',y')

其中，(x′，y′)為該目標圖像顯著區(qū)中塊的坐標。mod e(x',y')表示出現(xiàn)頻率最大的塊。

其中，(x，y)為該參考目標圖像顯著區(qū)中的塊。a₁為縮小參數(shù)，a₂為放大參數(shù)，a₃為逆時針旋轉(zhuǎn)參數(shù)，a₄為順時針旋轉(zhuǎn)參數(shù)，a₅為水平移動參數(shù)，a₆為垂直移動參數(shù)。根據(jù)最小誤差函數(shù)以及迭代最小二乘法，可求出a₁、a₂、a₃、a₄、a₅和a₆的值。

最小誤差函數(shù)的公式為：

迭代最小二乘法的公式為：

和

其中，x_i’和y_i’為目標圖像顯著區(qū)中的運動目標的坐標、x_i和y_i分別表示參考目標圖像顯著區(qū)中運動目標的坐標。

分別對該運動目標的相對運動矢量和背景運動矢量進行二范數(shù)運算，分別得到該目標圖像顯著區(qū)的相對運動矢量強度和背景運動矢量強度。

設表示該運動目標(x₀，y₀)的運動矢量，則，

其中，為絕對運動矢量，為背景運動矢量，為相對運動矢量，則，該目標圖像顯著區(qū)的相對運動矢量強度v_r和背景運動矢量強度v_b分別為：

在實際應用中，該目標圖像顯著區(qū)中的絕對運動矢量背景運動矢量和相對運動矢量的值均可以通過全局運動估計法獲得。

S205、對該相對運動矢量強度和該背景運動矢量強度進行加權運算，得到該目標圖像顯著區(qū)的運動因子。

設M_v為該目標圖像顯著區(qū)的運動因子，則，

M_v＝(1-ω_b)v_r+ω_bv_b

其中，ω_b為該目標圖像顯著區(qū)中背景運動矢量強度的權重，

ω_b＝ω_1b×ω_Zb×ω_3b

其中，N_b為該目標圖像顯著區(qū)中背景運動矢量不為0的宏塊個數(shù)，N(s)為該目標圖像顯著區(qū)的宏塊總數(shù)，v_bx和v_by分別為背景運動矢量的橫坐標和縱坐標，N_kB為背景運動矢量非零的宏塊個數(shù)，s_ib為背景運動矢量方向中各非空的維度，N(s_i)為各個維度內(nèi)運動矢量不為零的宏塊個數(shù)，i≤36。

S206、將該目標圖像顯著區(qū)的運動因子與該目標視頻中的目標圖像顯著區(qū)的運動因子的最大值進行除法運算，并對算出的參數(shù)進行對數(shù)運算，以得到該目標圖像顯著區(qū)的運動特性因子。

設ω_M為該目標圖像顯著區(qū)的運動特性因子，則，

其中，M_max為該目標視頻中的目標圖像顯著區(qū)的運動因子的最大值，α為調(diào)節(jié)常數(shù)且α>1，通過非線性擬合和數(shù)值分析，設α＝2。

S207、根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)。

進一步地，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，具體包括：

在該多個目標圖像顯著區(qū)中，選取相鄰的兩個目標圖像顯著區(qū)。

將該相鄰的兩個目標圖像顯著區(qū)的運動特性因子的最大值與該相鄰的兩個目標圖像顯著區(qū)的運動特性因子的差值的絕對值進行減法運算，得到目標值。

將該目標值與該相鄰的兩個目標圖像顯著區(qū)的運動特性因子的最大值進行除法運算，并將得到的商作為該相鄰的兩個目標圖像顯著區(qū)的相似度。

設S_motion(r_i，r_j)為相鄰的兩個目標圖像顯著區(qū)的相似度，則

其中，r_i，r_j表示相鄰的兩個目標圖像顯著區(qū)，和表示該相鄰的兩個目標圖像顯著區(qū)的運動特性因子，為和的最大值。

在實際應用中，目標圖像顯著區(qū)r_i會存在多個相近的目標圖像顯著區(qū)，則在該多個相近的目標圖像顯著區(qū)中選取與該目標圖像顯著區(qū)r_i相隔的像素點最少的目標圖像顯著區(qū)作為與該目標圖像顯著區(qū)r_i相鄰的目標圖像顯著區(qū)。如，與r_i相近的目標圖像顯著區(qū)有r₁、r₂和r₃，其中，r_i與r₁、r₂和r₃分別相隔0、1和2個像素點，則r_i和r₁為相鄰的目標圖像顯著區(qū)。其中，該相隔的像素點為兩個目標圖像顯著區(qū)之間最近的區(qū)域相隔的像素點。

將該相似度大于預置相似度的兩個相鄰的目標圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)。

該預置相似度為預置的相似度，該預置相似度可以按照實際情況進行設置，可以將該相似度的最大值作為預置相似度，也可以將具體的相似度值作為該預置相似度。需要說明的是，將相似度大于預置相似度的兩個相鄰圖像顯著區(qū)合并后的區(qū)域為該待提取圖像的圖像顯著區(qū)，設r(i)為該待提取圖像的圖像顯著區(qū)，則，

r(i)＝{r_x，r_x∈r_i∪r_j}

其中，{r_x，r_x∈r_i∪r_j}表示對相似度大于該預置相似度的目標圖像顯著區(qū)進行合并。

S208、將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。

需要說明的是，該目標視頻的視頻顯著區(qū)由具有相同場景的該待提取圖像疊加而成。這樣，在實際應用中，通過提取該視頻顯著區(qū)可以準確的對該目標視頻中的語音進行分析，或?qū)υ撃繕艘曨l中的目標進行識別。

本發(fā)明實施例中，從目標視頻中獲取待提取圖像，對該待提取圖像進行譜冗余運算，得到該待提取圖像的空域顯著圖。將該空域顯著圖中灰度值大于預置灰度值的像素點組成的區(qū)域確定為該目標圖像顯著區(qū)，在該目標圖像顯著區(qū)中提取運動目標，并分別對該運動目標的相對運動矢量和背景運動矢量進行二范數(shù)運算，得到該目標圖像顯著區(qū)的相對運動矢量強度和背景運動矢量強度，對該相對運動矢量強度和該背景運動矢量強度進行加權運算，得到該目標圖像顯著區(qū)的運動因子，將該目標圖像顯著區(qū)的運動因子與該目標視頻中的圖像顯著區(qū)的運動因子的最大值進行除法運算，并對算出的參數(shù)進行對數(shù)運算，以得到該目標圖像顯著區(qū)的運動特性因子，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。這樣，在提取視頻顯著區(qū)時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區(qū)更加準確。同時，只需計算目標顯著區(qū)的運動特性因子，大大減少了計算量，節(jié)省了計算時間和運算資源，提高了運算效率。

請參閱圖5，圖5是本發(fā)明第三實施例提供的一種基于運動特性的視頻顯著區(qū)的提取裝置的結(jié)構示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。圖5示例的視頻顯著區(qū)提取裝置可以是前述圖1和圖2所示實施例提供的視頻顯著區(qū)提取方法的執(zhí)行主體，可以是視頻顯著區(qū)提取裝置中的一個控制模塊。圖5示例的視頻質(zhì)量評價裝置，主要包括：獲取模塊501、提取模塊502、運算模塊503和疊加模塊504。以上各功能模塊詳細說明如下：

獲取模塊501，用于從目標視頻中獲取待提取圖像。

該目標視頻為視頻中包含同一場景的多幀圖像組成的視頻。該目標視頻可以為視頻的一部分或全部。該待提取圖像為該目標視頻中的圖像。

提取模塊502，用于從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)；

該目標圖像顯著區(qū)為該待提取圖像具有顯著性的區(qū)域。該運動特性因子用于表示該目標圖像顯著區(qū)的運動連貫性。

運算模塊503，用于對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，以及，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)。

該相似度用于表示兩個圖像顯著區(qū)的運動特性因子的相似性。

疊加模塊504，用于將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。

本發(fā)明實施例的未盡細節(jié)請參照圖1和圖2所示的第一和第二實施例，在此不再贅述。

本發(fā)明實施例中，獲取模塊501用于從目標視頻中獲取待提取圖像，提取模塊502用于從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，運算模塊503用于對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，以及，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，疊加模塊504用于將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。這樣，在提取視頻顯著區(qū)時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區(qū)更加準確。同時，只需計算目標顯著區(qū)的運動特性因子，大大減少了計算量，節(jié)省了計算時間和運算資源，提高了運算效率。

請參閱圖6，圖6是本發(fā)明第四實施例提供的一種基于運動特性的視頻顯著區(qū)的提取裝置的結(jié)構示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。圖6示例的視頻顯著區(qū)提取裝置可以是前述圖1和圖2所示實施例提供的視頻顯著區(qū)提取方法的執(zhí)行主體，可以是視頻顯著區(qū)提取裝置中的一個控制模塊。圖6示例的視頻質(zhì)量評價裝置，主要包括：獲取模塊601、提取模塊602、運算模塊603和疊加模塊604；其中，運算模塊603包括：冗余運算模塊613、確定模塊623、矢量運算模塊633、運動特性運算模塊643、選取模塊653和相似性運算模塊663。以上各功能模塊詳細說明如下：

獲取模塊601，用于從目標視頻中獲取待提取圖像。

該目標視頻為視頻中包含同一場景的多幀圖像組成的視頻。該目標視頻可以為視頻的一部分，也可以為視頻的全部。

提取模塊602，用于從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)。

該目標圖像顯著區(qū)為該待提取圖像具有顯著性的區(qū)域。該運動特性因子用于表示該目標圖像顯著區(qū)的運動連貫性。

運算模塊603，用于對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，以及，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)。

該相似度用于表示兩個圖像顯著區(qū)的運動特性因子的相似性。

疊加模塊604，用于將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)。

進一步地，運算模塊603包括：

冗余運算模塊613，用于對該待提取圖像進行冗余運算，得到該待提取圖像的空域顯著圖。

確定模塊623，用于將該空域顯著圖中灰度值大于預置灰度值的像素點組成的區(qū)域確定為該目標圖像顯著區(qū)。

進一步地，

冗余運算模塊613，還用于對該待提取圖像進行頻譜冗余運算，得到該待提取圖像的頻譜冗余。

冗余運算模塊613，還用于對該待提取圖像的頻譜冗余和該待提取圖像的相位譜進行譜冗余運算，得到該待提取圖像的空域顯著圖。

進一步地，運算模塊603還包括:

矢量運算模塊633，用于在該目標圖像顯著區(qū)中提取運動目標，并分別對該運動目標的相對運動矢量和背景運動矢量進行二范數(shù)運算，得到該目標圖像顯著區(qū)的相對運動矢量強度和背景運動矢量強度。

運動特性運算模塊643，用于對該相對運動矢量強度和該背景運動矢量強度進行加權運算，得到該目標圖像顯著區(qū)的運動因子。

運動特性運算模塊643，還用于將該目標圖像顯著區(qū)的運動因子與該目標視頻中的目標圖像顯著區(qū)的運動因子的最大值進行除法運算，并對算出的參數(shù)進行對數(shù)運算，以得到該目標圖像顯著區(qū)的運動特性因子。

進一步地，運算模塊603還包括：

選取模塊653，用于在該多個目標圖像顯著區(qū)中，選取相鄰的兩個目標圖像顯著區(qū)。

相似性運算模塊663，用于將該兩個目標圖像顯著區(qū)的運動特性因子的最大值與該兩個目標圖像顯著區(qū)的運動特性因子的差值的絕對值進行減法運算，得到目標值。

相似性運算模塊663，還用于將該目標值與該兩個目標圖像顯著區(qū)的運動特性因子的最大值進行除法運算，并將算出的商作為該相鄰兩個目標圖像顯著區(qū)的相似度。

本發(fā)明實施例的未盡細節(jié)請參照圖1和圖2所示的第一和第二實施例，在此不再贅述。

本發(fā)明實施例中，獲取模塊601用于從目標視頻中獲取待提取圖像，提取模塊602用于從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區(qū)，運算模塊603用于對該目標圖像顯著區(qū)進行運動特性運算，以算出該目標圖像顯著區(qū)的運動特性因子，以及，根據(jù)相鄰的兩個目標圖像顯著區(qū)的運動特性因子，計算該相鄰的兩個目標圖像顯著區(qū)的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區(qū)進行合并，得到該待提取圖像的圖像顯著區(qū)，疊加模塊604用于將該待提取圖像的圖像顯著區(qū)進行疊加，得到該目標視頻的視頻顯著區(qū)，冗余運算模塊613用于對該待提取圖像進行冗余運算，得到該待提取圖像的空域顯著圖，確定模塊623用于將該空域顯著圖中灰度值大于預置灰度值的像素點組成的區(qū)域確定為該目標圖像顯著區(qū)，冗余運算模塊613還用于對該待提取圖像進行頻譜冗余運算，得到該待提取圖像的頻譜冗余，冗余運算模塊613還用于對該待提取圖像的頻譜冗余和該待提取圖像的相位譜進行譜冗余運算，得到該待提取圖像的空域顯著圖，矢量運算模塊633用于在該目標圖像顯著區(qū)中提取運動目標，并分別對該運動目標的相對運動矢量和背景運動矢量進行二范數(shù)運算，得到該目標圖像顯著區(qū)的相對運動矢量強度和背景運動矢量強度。運動特性運算模塊643用于對該相對運動矢量強度和該背景運動矢量強度進行加權運算，得到該目標圖像顯著區(qū)的運動因子，運動特性運算模塊643還用于將該目標圖像顯著區(qū)的運動因子與該目標視頻中的目標圖像顯著區(qū)的運動因子的最大值進行除法運算，并對算出的參數(shù)進行對數(shù)運算，以得到該目標圖像顯著區(qū)的運動特性因子，選取模塊653用于在該多個目標圖像顯著區(qū)中，選取相鄰的兩個目標圖像顯著區(qū)，相似性運算模塊663用于將該兩個目標圖像顯著區(qū)的運動特性因子的最大值與該兩個目標圖像顯著區(qū)的運動特性因子的差值的絕對值進行減法運算，得到目標值，相似性運算模塊663還用于將該目標值與該兩個目標圖像顯著區(qū)的運動特性因子的最大值進行除法運算，并將算出的商作為該相鄰兩個目標圖像顯著區(qū)的相似度。這樣，在提取視頻顯著區(qū)時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區(qū)更加準確。同時，只需計算目標顯著區(qū)的運動特性因子，大大減少了計算量，節(jié)省了計算時間和運算資源，提高了運算效率。

在本申請所提供的多個實施例中，應該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模塊的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個模塊或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信鏈接可以是通過一些接口，裝置或模塊的間接耦合或通信鏈接，可以是電性，機械或其它的形式。

所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理模塊，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡模塊上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能模塊可以集成在一個處理模塊中，也可以是各個模塊單獨物理存在，也可以兩個或兩個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。

所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術方案本質(zhì)上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

需要說明的是，對于前述的各方法實施例，為了簡便描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某些步驟可以采用其它順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定都是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其它實施例的相關描述。

以上為對本發(fā)明所提供的基于運動特性的視頻顯著區(qū)的提取方法及裝置的描述，對于本領域的技術人員，依據(jù)本發(fā)明實施例的思想，在具體實施方式及應用范圍上均會有改變之處，綜上，本說明書內(nèi)容不應理解為對本發(fā)明的限制。