一种基于类Haar视觉特征感知的运动估计方法技术

本发明专利技术涉及一种基于类Haar视觉特征感知的运动估计方法，与现有技术相比解决了视觉特征感知的普适性低、时间复杂度高的缺陷。本发明专利技术包括以下步骤：视频图像的获取和预处理；生成N维的类Haar特征提取模板；提取类Haar特征；度量特征距离；获得运动估计结果，根据特征距离最小化准则搜索两帧之间的匹配块，并根据匹配块的位移测算运动矢量。本发明专利技术在块匹配的技术框架下，采用一种多维随机采样策略对影像块进行类Haar视觉特征提取，保证了视觉特征感知的有效性和普适性。

A motion estimation method based on Haar visual feature perception

The present invention relates to a motion estimation method based on visual perception of class Haar. Compared with the existing technology, it solves the defects of low universality and high time complexity of visual feature perception. The invention comprises the following steps: video image acquisition and preprocessing; Haar feature generation N dimension extraction template extraction; Haar feature; feature distance measure; obtain motion estimation results, according to the characteristics of distance minimization search between two frames, block, and according to the displacement calculation of motion vector block matching. Under the block matching technology framework, a multi-dimensional random sampling strategy is adopted to extract visual features of Haar blocks, which ensures the effectiveness and universality of visual feature perception.

【技术实现步骤摘要】
一种基于类Haar视觉特征感知的运动估计方法
本专利技术涉及图像处理
，具体来说是一种基于类Haar视觉特征感知的运动估计方法。
技术介绍
随着科技进步和社会发展，智能视频监控技术已经在工农业生产、国防建设、商业、交通以及家庭安防等领域得到了广泛的应用，作为传输与存储的载体。智能视频监控序列图像中运动目标的检测与跟踪的难点在于图像是从三维空间到二维平面的投影，本身存在信息损失，而且运动目标并不是一个确定不变的信号，它在跟踪的过程中会发生旋转、缩放、位移等多种复杂的变化，同时背景图像的嘈杂、目标自身的频繁出现和消失、不同目标之间具有相似的外表、多目标的相互遮挡以及光照的突然变化等，这些都是视频目标检测识别中经常遇到的难点，也是学者一直努力研究的热点。经典Haar特征(Haar-likefeatures)是用于物体识别的一种数字图像特征。历史上，提取Haar特征时直接使用图像的强度(就是图像每一个像素点的RGB值)进行统计计算，使得特征的计算强度很大。对此，帕帕乔治奥等人提出可以使用基于Haar小波的特征而不是图像强度计算特征。在此基础上，维奥拉和琼斯进而提出了Haar特征。Haa本文档来自技高网...

【技术保护点】
一种基于类Haar视觉特征感知的运动估计方法，其特征在于,包括以下步骤：11)视频图像的获取和预处理，获取视频图像，将视频参考帧It和对比帧It+1均转化为灰度图，并均进行羽化处理；12)生成N维的类Haar特征提取模板，使用N组参数来刻画一个图像块的类Haar特征提取模板；13)提取类Haar特征，将视频参考帧It和对比帧It+1网格化为一系列等尺度的图像块，对视频参考帧It上的图像块、对比帧It+1上的图像块分别根据类Haar特征提取模板提取类Haar特征；14)度量特征距离，通过距离度量函数计算视频参考帧It和对比帧It+1上两个网格区域的类Haar特征向量之间距离；假设It上区域A与I...

【技术特征摘要】
1.一种基于类Haar视觉特征感知的运动估计方法，其特征在于,包括以下步骤：11)视频图像的获取和预处理，获取视频图像，将视频参考帧It和对比帧It+1均转化为灰度图，并均进行羽化处理；12)生成N维的类Haar特征提取模板，使用N组参数来刻画一个图像块的类Haar特征提取模板；13)提取类Haar特征，将视频参考帧It和对比帧It+1网格化为一系列等尺度的图像块，对视频参考帧It上的图像块、对比帧It+1上的图像块分别根据类Haar特征提取模板提取类Haar特征；14)度量特征距离，通过距离度量函数计算视频参考帧It和对比帧It+1上两个网格区域的类Haar特征向量之间距离；假设It上区域A与It+1上区域B的类Haar特征向量分别为Va、Vb，特征向量Va、Vb之间的距离度量函数定义如下：dist(Va，Vb)＝1-(VaTVb)/(||Va||·||Vb||)；15)获得运动估计结果，根据特征距离最小化准则搜索两帧之间的匹配块，并根据匹配块的位移测算运动矢量。2.根据权利要求1所述的一种基于类Haar视觉特征感知的运动估计方法，其特征在于，所述的生成N维类Haar特征提取模板包括以下步骤：21)对于一个宽度范围为[X0，Xf]、高度范围为[Y0，Yf]的矩形区域R，预定义两个常数L、H，在值域[L，H]内取N个随机整数Pj，其中：j＝1、2、3、…、N；22)对于随机整数Pj，在R内取Pj个位置和尺寸都随机产生的子区域{rk|xk，yk，wk，hk}，k＝1、2、3…、Pj，其中(xk，yk)为子区域左上角的坐标，wk为子区域的宽度，hk为其高度，xk、yk、wk、hk分别为服从约束X0<xk<Xf、Y0<yk<Yf、0<wk<Xf-xk、0<hk<Yf-yk的随机整数；23)得到N组描述子区域集合{{rk}...

【专利技术属性】
技术研发人员：朱国康，梁栋，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34