基于运动特性的视频显著区的提取方法和装置制造方法及图纸

本发明专利技术提供了一种基于运动特性的视频显著区的提取方法和装置，从目标视频中获取待提取图像，从该待提取图像的空域显著图中提取多个目标图像显著区，并对该目标图像显著区进行运动特性运算，以算出该目标图像显著区的运动特性因子，根据相邻的两个目标图像显著区的运动特性因子，计算该相邻的两个目标图像显著区的相似度，并将该相似度大于预置相似度的两个相邻的图像显著区进行合并，得到该待提取图像的图像显著区，将该待提取图像的图像显著区进行叠加，得到该目标视频的视频显著区。在提取视频显著区时，加入了反映运动连贯性的运动特性因子，使提取的视频显著区更加准确。同时，减少了计算量，节省了计算时间和运算资源，提高了运算效率。

Method and device for extracting video salient area based on motion characteristic

The present invention provides a method and device for extracting the motion characteristics of the video was based on the image is extracted from the target, to acquire the video, from the extraction of multiple images significant area image saliency map, and the target motion characteristics of computing image salient region, in order to calculate the motion factor the target image salient region, according to the motion characteristics of the two factors significant area adjacent to the target image, target image similarity calculation of two significant areas of the adjacent, and merge the two significant areas adjacent to the image similarity is greater than the preset similarity, the extracted image significant area image, will be the a significant area image extraction of image overlay, the target video salient region. In the salient region of the extracted video, the motion characteristic factor reflecting the motion coherence is added to make the extracted video salient area more accurate. At the same time, the amount of calculation is reduced, the computing time and computing resources are saved, and the operation efficiency is improved.

【技术实现步骤摘要】
基于运动特性的视频显著区的提取方法和装置
本专利技术属于视频领域，尤其涉及一种基于运动特性的视频显著区的提取方法和装置。
技术介绍
视频显著区为某段视频中，具有显著性的区域。通常，通过视频显著区可以准确的对视频中的各种信息进行分析，如视频语音分析、目标识别以及视频编码。现有技术中，通常利用视觉注意模型(VisualAttentionModel，VAM)提取视频中单帧图像的显著区，即提取视频中单帧图像的亮度、颜色或方向，并以提取的亮度、颜色或方向作为视频显著区。然而，现有的视频显著区的提取方法仅仅将视频中单帧图像的亮度、颜色或方向作为该视频的图像显著区，忽略了视频中各帧图像之间的运动的连贯性，从而导致提取到的视频显著区不准确。
技术实现思路
本专利技术提供一种基于运动特性的视频显著区的提取方法和装置，旨在解决提取的视频显著区不准确的问题。本专利技术提供一种基于运动特性的视频显著区的提取方法，从目标视频中获取待提取图像，从该待提取图像的空域显著图中提取多个目标图像显著区，并对该目标图像显著区进行运动特性运算，以算出该目标图像显著区的运动特性因子，根据相邻的两个目标图像显著区的运动特性因子，计算该相邻的两个目标图像显著区的相似度，并将该相似度大于预置相似度的两个相邻的图像显著区进行合并，得到该待提取图像的图像显著区，将该待提取图像的图像显著区进行叠加，得到该目标视频的视频显著区。本专利技术提供一种基于运动特性的视频显著区的提取装置，该装置包括获取模块、提取模块、运算模块和叠加模块；获取模块用于从目标视频中获取待提取图像，提取模块用于从该待提取图像的空域显著图中提取多个目标图像显著区，运算模块用于对该目标图像显著区进行运动特性运算，以算出该目标图像显著区的运动特性因子，以及，根据相邻的两个目标图像显著区的运动特性因子，计算该相邻的两个目标图像显著区的相似度，并将该相似度大于预置相似度的两个相邻的图像显著区进行合并，得到该待提取图像的图像显著区，叠加模块用于将该待提取图像的图像显著区进行叠加，得到该目标视频的视频显著区。本专利技术提供了一种基于运动特性的视频显著区的提取方法和装置，从目标视频中获取待提取图像，从该待提取图像的空域显著图中提取多个目标图像显著区，并对该目标图像显著区进行运动特性运算，以算出该目标图像显著区的运动特性因子，根据相邻的两个目标图像显著区的运动特性因子，计算该相邻的两个目标图像显著区的相似度，并将该相似度大于预置相似度的两个相邻的图像显著区进行合并，得到该待提取图像的图像显著区，将该待提取图像的图像显著区进行叠加，得到该目标视频的视频显著区。本专利技术与现有技术相比，有益效果在于：在提取视频显著区时，加入了能反映运动连贯性的运动特性因子，可以使提取的视频显著区更加准确。同时，只需计算目标图像显著区的运动特性因子，大大减少了计算量，节省了计算时间和运算资源，提高了运算效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。图1是本专利技术第一实施例提供的一种基于运动特性的视频显著区的提取方法的实现流程示意图；图2是本专利技术第二实施例提供的一种基于运动特性的视频显著区的提取方法的实现流程示意图；图3是本专利技术第二实施例提供的一种待提取图像的空域显著图；图4是本专利技术第二实施例提供的空域显著图中的图像显著区经二值化处理后的图像；图5是本专利技术第三实施例提供的一种基于运动特性的视频显著区的提取装置的结构示意图；图6是本专利技术第四实施例提供的一种基于运动特性的视频显著区的提取装置的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的基于运动特性的视频显著区的提取方法可以应用于各种终端设备，如电脑、手机、平板电脑等终端以及其它终端。请参阅图1，图1为本专利技术第一实施例提供的一种基于运动特性的视频显著区的提取方法的实现流程示意图，图1所示的基于运动特性的视频显著区的提取方法主要包括以下步骤：S101、从目标视频中获取待提取图像。该目标视频为视频中包含同一场景的多帧图像组成的视频。该目标视频可以为视频的一部分，也可以为视频的全部。S102、从该待提取图像的空域显著图中提取多个目标图像显著区，并对该目标图像显著区进行运动特性运算，以算出该目标图像显著区的运动特性因子。该目标图像显著区为该待提取图像具有显著性的区域。该运动特性因子用于表示该目标图像显著区的运动连贯性。S103、根据相邻的两个目标图像显著区的运动特性因子，计算该相邻的两个目标图像显著区的相似度，并将该相似度大于预置相似度的两个相邻的图像显著区进行合并，得到该待提取图像的图像显著区。该相似度用于表示两个图像显著区的运动特性因子的相似性。S104、将该待提取图像的图像显著区进行叠加，得到该目标视频的视频显著区。本专利技术实施例中，从目标视频中获取待提取图像，从该待提取图像的空域显著图中提取多个目标图像显著区，并对该目标图像显著区进行运动特性运算，以算出该目标图像显著区的运动特性因子，根据相邻的两个目标图像显著区的运动特性因子，计算该相邻的两个目标图像显著区的相似度，并将该相似度大于预置相似度的两个相邻的图像显著区进行合并，得到该待提取图像的图像显著区，将该待提取图像的图像显著区进行叠加，得到该目标视频的视频显著区。这样，在提取视频显著区时，加入了能反映运动连贯性的运动特性因子，可以使提取的视频显著区更加准确。同时，只需计算目标显著区的运动特性因子，大大减少了计算量，节省了计算时间和运算资源，提高了运算效率。请参阅图2，图2为本专利技术第二实施例提供的一种基于运动特性的视频显著区的提取方法的实现流程示意图，可应用于所有具有显示功能的显示图像装置中，图1所示的基于运动特性的视频显著区的提取方法主要包括以下步骤：S201、从目标视频中获取待提取图像。该目标视频为视频中包含同一场景的多帧图像组成的视频。该目标视频可以为视频的一部分或全部。该待提取图像为该目标视频中的图像。S202、对该待提取图像进行冗余运算，得到该待提取图像的空域显著图。进一步地，对该待提取图像进行冗余运算，得到该待提取图像的空域显著图，具体包括：对该待提取图像进行频谱冗余运算，得到该待提取图像的频谱冗余。设该待提取图像为第i帧，该待提取图像的频谱冗余为R(i)，则，R(i)＝A(i)-I(i)；其中，I(i)＝A(i)×hn(i),A(i)为对数振幅谱，hn(i)为n×n的均值滤波器，为频域对数谱，g(i)为高斯滤波函数。对该待提取图像的频谱冗余和该待提取图像的相位谱进行谱冗余运算，得到该待提取图像的空域显著图。设SS(i)为该待提取图像的空域显著图，则，其中，为傅立叶反变换，P(i)为该待提取图像的相位谱。如图3所示，图3示出了本专利技术实施例中该待提取图像的空域显著图，其中，灰度值越大的区域，显著性越高。S2本文档来自技高网...

【技术保护点】
一种基于运动特性的视频显著区的提取方法，其特征在于，所述方法包括：从目标视频中获取待提取图像；从所述待提取图像的空域显著图中提取多个目标图像显著区，并对所述目标图像显著区进行运动特性运算，以算出所述目标图像显著区的运动特性因子；根据相邻的两个目标图像显著区的运动特性因子，计算所述相邻的两个目标图像显著区的相似度，并将所述相似度大于预置相似度的两个相邻的图像显著区进行合并，得到所述待提取图像的图像显著区；将所述待提取图像的图像显著区进行叠加，得到所述目标视频的视频显著区。

【技术特征摘要】
1.一种基于运动特性的视频显著区的提取方法，其特征在于，所述方法包括：从目标视频中获取待提取图像；从所述待提取图像的空域显著图中提取多个目标图像显著区，并对所述目标图像显著区进行运动特性运算，以算出所述目标图像显著区的运动特性因子；根据相邻的两个目标图像显著区的运动特性因子，计算所述相邻的两个目标图像显著区的相似度，并将所述相似度大于预置相似度的两个相邻的图像显著区进行合并，得到所述待提取图像的图像显著区；将所述待提取图像的图像显著区进行叠加，得到所述目标视频的视频显著区。2.根据权利要求1所述的方法，其特征在于，所述从所述待提取图像的空域显著图中提取多个目标图像显著区，具体包括：对所述待提取图像进行冗余运算，得到所述待提取图像的空域显著图；将所述空域显著图中灰度值大于预置灰度值的像素点组成的区域确定为所述目标图像显著区。3.根据权利要求2所述的方法，其特征在于，所述对所述待提取图像进行冗余运算，得到所述待提取图像的空域显著图，具体包括：对所述待提取图像进行频谱冗余运算，得到所述待提取图像的频谱冗余；对所述待提取图像的频谱冗余和所述待提取图像的相位谱进行谱冗余运算，得到所述待提取图像的空域显著图。4.如权利要求1所述的方法，其特征在于，所述对所述目标图像显著区进行运动特性运算，以算出所述目标图像显著区的运动特性因子，具体包括:在所述目标图像显著区中提取运动目标，并分别对所述运动目标的相对运动矢量和背景运动矢量进行二范数运算，得到所述目标图像显著区的相对运动矢量强度和背景运动矢量强度；对所述相对运动矢量强度和所述背景运动矢量强度进行加权运算，得到所述目标图像显著区的运动因子；将所述目标图像显著区的运动因子与所述目标视频中的目标图像显著区的运动因子的最大值进行除法运算，并对算出的参数进行对数运算，以得到所述目标图像显著区的运动特性因子。5.如权利要求1所述的方法，其特征在于，所述根据相邻的两个目标图像显著区的运动特性因子，计算所述相邻的两个目标图像显著区的相似度，具体包括：在所述多个目标图像显著区中，选取相邻的两个目标图像显著区；将所述两个目标图像显著区的运动特性因子的最大值与所述两个目标图像显著区的运动特性因子的差值的绝对值进行减法运算，得到目标值；将所述目标值与所述两个目标图像显著区的运动特性因子的最大值进行除法运算，并将算出的商作为所述相邻两个目标图像显著区的...

【专利技术属性】
技术研发人员：周莺，龙玥，梁永生，赵立霞，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：广东,44