学习特征运动检测制造技术

学习特征运动检测。一种用于在帧序列中检测运动的数据处理装置，各个帧包括一个或更多个像素块，所述数据处理装置包括：采样单元，其被配置为确定块的样本点集合处的图像特性；特征生成单元，其被配置为形成所述块的当前特征，所述当前特征具有从样本点推导的多个值；以及运动检测逻辑，其被配置为通过将块的当前特征与表示所述块的历史特征值的学习特征进行比较来生成所述块的运动输出。

【技术实现步骤摘要】
学习特征运动检测
本专利技术涉及用于在帧序列中检测运动的设备，涉及一种在帧序列中检测运动的方法。
技术介绍
经常期望的是在通过相机传感器捕获的帧序列中执行运动检测。例如，这在安全相机中会是有用特征，因为它允许相机标记视频供应中的运动周期或者仅在检测到运动时才记录或发送所捕获的视频流。情况往往是这样，相机硬件或者关联的处理设备中可用于执行运动检测的资源非常有限，和/或期望以低功率来执行运动检测。结果，由相机传感器捕获的帧通常被下采样(例如，从HD至VGA分辨率)并且以低帧速率(例如，每秒10-15帧，而非比如说相机传感器所提供的每秒30帧)在下采样的帧中执行运动检测。为了进一步降低处理负担，帧通常关于执行何种运动检测被分割成块集合，各个块包括帧的多个像素。然而，即使利用这些技术，仍难以利用存在于相机硬件或关联的处理设备内的有限计算资源来执行精确的运动检测。
技术实现思路
根据本专利技术的第一方面，提供一种用于在帧序列中检测运动的数据处理装置，各个帧包括一个或更多个像素块，所述数据处理装置包括：采样单元，其被配置为确定块的样本点集合处的图像特性；特征生成单元，其被配置为形成所述块的当前特征，所述当前特征具有从所述样本点推导的多个值；以及运动检测逻辑，其被配置为通过将块的当前特征与表示所述块的历史特征值的学习特征进行比较来生成所述块的运动输出。特征生成单元可被配置为依据所确定的图像特性来形成所述块的当前特征。特征生成单元可被配置为：比较所述集合中的多对样本点的图像特性，各个比较是相应对的样本点之间的比较；并且形成所述块的当前特征，使得各个值表示一对样本点的所述比较的结果。学习特征可表示所述块的多对样本点的历史特征值。关于一对样本点形成的当前特征的各个值可在表示该对样本点的历史值的学习特征中具有对应值。当前特征的各个值可包括比特作为由运动检测逻辑针对相应一对样本点的所述比较的结果的二进制表示。特征生成单元可被配置为从所述块的样本点集合随机地选择各对点。特征生成单元可被配置为针对当前特征的各个值，利用二进制值来表示所述比较的结果，所述二进制值指示该对样本点的图像特性中的哪一个值较大。学习特征的各个值处的历史值可以是由特征生成单元针对所述块的相应一对样本点的所述比较结果在多个帧上的加权平均。当前特征可以是从样本点推导的图像特性直方图，其中所述多个值中的各个值对应于限定预定义的范围的条块(bin)并且包括具有落入该条块内的图像特性的采样点的数量的计数。学习特征可表示所述块的历史图像特性直方图。当前特征的各个条块可在具有该条块的所述预定义的范围的历史值的学习特征中具有对应条块。学习特征的各个条块处的历史值可以是针对所述块具有落入该条块内的图像特性的采样点的数量的计数在多个帧上的加权平均。所述序列的各个帧可包括相同的一个或更多个像素块。采样单元、特征生成单元和运动检测逻辑可被配置为关于序列的各个帧的多个块执行其相应的功能，特征生成单元被配置为维护各个块的学习特征。采样单元可被配置为依据位于采样点处的一个或更多个像素的像素值来识别各个图像特性。采样单元可被配置为随机地生成所述块的样本点集合，在帧序列上所述样本点集合对于所述块是固定的。采样单元可被配置为根据伪随机Halton序列来随机地生成所述块的样本点集合。特征生成单元可包括采样单元。特征生成单元可被配置为依据在所述序列的多个帧上接收的所述块的样本点来维护所述块的学习特征。特征生成单元可被配置为通过在接收到所述序列的帧时使其多个值衰减并且将当前特征的值分配给学习特征的对应值来维护所述块的所述学习特征。特征生成单元可被配置为根据预定义的衰减因子来使学习特征的值衰减。特征生成单元可被配置为在将当前特征的值分配给学习特征的值之前根据预定义的加权因子对当前特征的值进行加权。运动检测逻辑可被配置为通过计算当前特征的值与学习特征的对应值之差的测量来将针对所述块形成的当前特征与所述块的学习特征进行比较。由运动检测逻辑执行的所述比较可包括基于所述差的测量就所述当前特征是否基于所述块的所述学习特征的历史值被预期在预定义或自适应阈值内形成估计。运动检测逻辑可被配置为如果所述估计超过所述预定义或自适应阈值，则生成运动输出以指示所述块处的运动。运动检测逻辑可被配置为维护所述块的预期变化程度的估计，并且依据该估计，为所述块形成所述自适应阈值。运动检测逻辑可被配置为通过在接收到帧时依据针对所述帧的所述块形成的当前特征与针对所述块维护的学习特征之间的相似度的测量更新所述块的预期变化程度的所述估计来维护所述估计。运动输出可以是运动的二进制指示，其标识由运动检测逻辑执行的比较的结果是否指示所述块中的运动。各个块可包括帧的一个或更多个像素。数据处理装置还可包括决策逻辑，该决策逻辑被配置为基于由运动检测逻辑关于帧的所述块生成的所述一个或更多个运动输出来生成该帧的运动的指示。根据本专利技术的第二方面，提供一种在帧序列中检测运动的方法，各个帧包括一个或更多个像素块，所述方法包括以下步骤：识别块的样本点集合处的图像特性；形成所述块的当前特征，所述当前特征具有从所述样本点推导的多个值；以及通过将块的当前特征与具有表示所述块的历史特征值的多个值的学习特征进行比较来生成所述块的运动输出。所述方法还可包括以下步骤：从所述块的样本点集合形成多对样本点；以及针对各个对，比较该对样本点的图像特性，其中，当前特征的所述多个值各自表示一对样本点的所述比较的结果。学习特征可表示所述块的多对样本点的历史特征值。关于一对样本点形成的当前特征的各个值可在表示该对样本点的历史值的学习特征中具有对应值。当前特征的各个值可包括比特作为由运动检测逻辑针对相应一对样本点的所述比较的结果的二进制表示。形成多对样本点的步骤可包括从所述块的样本点集合随机地选择各对点。形成所述块的当前特征的步骤可包括针对当前特征的各个值，利用二进制值来表示所述比较的结果，所述二进制值指示该对样本点的图像特性中的哪一个值较大。所述方法还可包括维护学习特征，使得所述学习特征的各个值处的历史值是针对所述块的相应一对样本点的所述比较结果在多个帧上的加权平均。形成所述块的当前特征的步骤可包括从样本点推导图像特性直方图，其中所述多个值中的各个值对应于限定预定义的范围的条块并且包括具有落入该条块内的图像特性的采样点的数量的计数。学习特征可表示所述块的历史图像特性直方图。当前特征的各个条块可在具有该条块的所述预定义的范围的历史值的学习特征中具有对应条块。所述方法还可包括维护学习特征，使得所述学习特征的各个条块处的历史值是针对所述块具有落入该条块内的图像特性的采样点的数量的计数在多个帧上的加权平均。所述方法还可包括随机地生成所述块的样本点集合，在帧序列上所述样本点集合对于所述块是固定的。所述方法还可包括依据在所述序列的多个帧上接收的所述块的样本点来维护所述块的学习特征。维护所述块的学习特征的步骤可包括在接收到所述序列的帧时，使学习特征的所述多个值衰减并且将当前特征的值分配给学习特征的对应值。将针对所述块形成的当前特征与所述块的学习特征进行比较的步骤可包括计算当前特征的值与学习特征的对应值之差的测量。将针对所述块形成的当前特征与所述块的学习特征进行比较的步骤可包括基于所述差的测量就所述当前特征本文档来自技高网...

【技术保护点】
一种用于在帧序列中检测运动的数据处理装置，各个帧包括一个或更多个像素块，所述数据处理装置包括：采样单元，该采样单元被配置为确定块的样本点集合处的图像特性；特征生成单元，该特征生成单元被配置为形成所述块的当前特征，所述当前特征具有从所述样本点推导的多个值；以及运动检测逻辑，该运动检测逻辑被配置为通过将块的当前特征与表示所述块的历史特征值的学习特征进行比较来生成所述块的运动输出。

【技术特征摘要】
2016.03.24 GB 1605116.11.一种用于在帧序列中检测运动的数据处理装置，各个帧包括一个或更多个像素块，所述数据处理装置包括：采样单元，该采样单元被配置为确定块的样本点集合处的图像特性；特征生成单元，该特征生成单元被配置为形成所述块的当前特征，所述当前特征具有从所述样本点推导的多个值；以及运动检测逻辑，该运动检测逻辑被配置为通过将块的当前特征与表示所述块的历史特征值的学习特征进行比较来生成所述块的运动输出。2.根据权利要求1所述的数据处理装置，其中，所述特征生成单元被配置为：比较所述集合中的多对样本点的图像特性，各个比较是相应对的样本点之间的比较；以及形成所述块的当前特征，使得各个值表示一对样本点的所述比较的结果。3.根据权利要求2所述的数据处理装置，其中，所述学习特征表示所述块的所述多对样本点的历史特征值，并且关于一对样本点形成的当前特征的各个值在表示该对样本点的历史值的所述学习特征中具有对应值。4.根据权利要求2或3所述的数据处理装置，其中，所述当前特征的各个值包括比特作为由所述运动检测逻辑针对相应一对样本点的所述比较的结果的二进制表示。5.根据权利要求2、3或4所述的数据处理装置，其中，所述特征生成单元被配置为从所述块的所述样本点集合随机地选择各对点。6.根据权利要求2至5中任一项所述的数据处理装置，其中，所述特征生成单元被配置为针对所述当前特征的各个值，利用二进制值来表示所述比较的结果，所述二进制值指示所述对的样本点的图像特性中的哪一个的值较大。7.根据权利要求2至6中任一项所述的数据处理装置，其中，所述学习特征的各个值处的历史值是由所述特征生成单元针对所述块的相应一对样本点的所述比较结果在多个帧上的加权平均。8.根据权利要求1所述的数据处理装置，其中，所述当前特征是从所述样本点推导的图像特性直方图，其中所述多个值中的各个值对应于限定预定义的范围的条块并且包括具有落入该条块内的图像特性的采样点的数量的计数，并且所述学习特征表示所述块的历史图像特性直方图。9.根据权利要求8所述的数据处理装置，其中，所述当前特征的各个条块在具有该条块的所述预定义的范围的历史值的所述学习特征中具有对应条块，并且所述学习特征的各个条块处的历史值是针对所述块具有落入该条块内的图像特性的采样点的数量的计数在多个帧上的加权平均。10.根据任何前述权利要求所述的数据处理装置，其中，所述采样单元被配置为随机地生成所述块的所述样本点集合，在所述帧序列上所述样本点集合对于所述块是固定的。11.根据任何前述权利要求所述的数据处理装置，其中，所述采样单元被配置为根据伪随机Halton序列来随机地生成所述块的所述样本点集合。12.根据任何前述权利要求所述的数据处理装置，...

【专利技术属性】
技术研发人员：T·史密斯，
申请(专利权)人：想象技术有限公司，
类型：发明
国别省市：英国,GB