一种自动提取背景运动信息的方法技术

本发明专利技术公开了一种自动提取背景运动信息的方法，设计图像分析处理领域，本发明专利技术能够从中大视场下运动场景中提取背景运动信息，具体是，通过提取特征点的运动信息并拟合出多个透视变换矩阵，再通过对多个变换矩阵逐一分析确定背景运动矩阵描述，在得知背景运动信息后，即可对前景目标进行更多分析本。即可对前景目标进行更多分析本。即可对前景目标进行更多分析本。

【技术实现步骤摘要】
一种自动提取背景运动信息的方法


[0001]本专利技术涉及图像处理分析领域，尤其涉及应用于中大视场下运动场景的一种提取背景运动信息的方法。

技术介绍

[0002]运动场景下的视频图像中，不仅包括前景物体的运动，也包括背景的运动，背景的运动主要是由于图像采集单元载体的运动或抖动带来的。在得知背景运动信息后，即可对前景目标进行更多分析本；现有背景运动信息提取方法都采用了人工选取几个特征点，在对几个特征点进行分析，不能自动求解。

技术实现思路

[0003]本专利技术为中大视场下的一种提取背景运动信息的方法，在有较多固定背景信息应用环境中，能较好的应用此方法；本方法是使用了自动计算方法来确定矩阵，不需要进行人为选取某些特征点进行标定计算来求得矩阵，在适用的场景中更自动高效。
[0004]具体的，一种提取背景运动信息的方法，包括如下步骤：
[0005]提取特征点的运动信息；
[0006]筛选出背景的特征点；
[0007]通过背景特征点的运动信息确定变换矩阵；
[0008]通过透视变换矩阵对背景运动信息进行提取。
[0009]因为，背景运动包括平移、旋转、缩放、角度变化，是图像处理中透视变换的表现，可通过透视变换矩阵进行信息描述。而在得到此变换矩阵过程中，可通过提取特征点的运动信息，并从这些带有运动信息的特征点中筛选出背景的特征点，然后通过这些背景特征点的运动信息，确定变换矩阵。
[0010]其中特征点的提取采用角点检测算法，运动信息评估方法采用光流法，透视变换矩阵求解采用透视变换求解算法。
[0011]本专利技术具有如下有益效果：
[0012]本专利技术能够从中大视场下运动场景中提取背景运动信息，通过提取特征点的运动信息，筛选出背景的特征点，通过背景特征点的运动信息确定变换矩阵，通过透视变换矩阵对背景运动信息进行提取；在得知背景运动信息后，即可对图像进行更多分析；如可以实现提取前景运动目标的相关信息；消除相机抖动带来的图像抖动；判断图像抖动特征；对于前后帧图像细微差异等。
附图说明
[0013]图1
‑
图4是辅助本专利技术表达提取特征点的示意图；
[0014]图5是无人机拍摄背景运动场景的图片；
[0015]图6是前一帧图像经过H矩阵变换后与当前帧图像进行融合；
[0016]图7是本专利技术公开的提取背景运动信息的方法流程示意图。
具体实施方式
[0017]下面将结合附图1
‑
图7对本专利技术进行详细说明，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，而不是全部的实施例。基于本专利技术中的实施例，本领域普通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。
[0018]一种应用于中大视场下运动场景的背景运动信息提取的方法，具体是，首先对特征点的提取和约束，再透视变换矩阵求解与确定。
[0019]1、特征点的提取及约束说明如下：
[0020]令前一帧图像I
t
‑1，当前帧图像I
t
；前一帧图特征点通过光流法对特征点追踪后，在当前帧中对应的特征点其中满足m≥M；当m≠M时，对于前一帧图像中的特征点追踪丢失，在大中视场下，特征点数较多，能得到足够多的特征点用于评估。
[0021]2、特征点运动信息提取方法如下：
[0022]当M≥M
thr
时，两帧之间的特征点光流可用；可通过设置M
thr
控制特征点个数阈值，一般情况M
thr
取(20，50)区间即可。特征点的选取通过特征点之间的马氏距离进行约束，使特征点的初步赛选相对分散。M个点，均能找到前一帧与当前帧的一一对应映射关系。前一帧特征点集合当前帧特征点集合其中透视变换矩阵需前帧和当前帧各4个坐标进行求解。
[0023]3、特征点筛选方法如下：
[0024]对于当前帧，根据组合公式：对每次坐标的组合进行计算。假设第N次组合的四个点为A、B、C、D；在同一平面上，他们会组成以下两种常见情况，两种特殊情况即三点在一条直线(如图1中的B`)或者四点在一条直线上。当A、B、C、D四个点出现图一时可用，其余时均舍弃，通过计算判断。
[0025]其中计算方法如下：
[0026]SETP1、计算两两向量之间距离的总和为最小时，保证A、B、C、D四个点的方向组成为四边形；保证图1不会产生图3中的O点，图2运用最小距离综合也不会产生交叉。
[0027]SETP2、计算四个首尾相连的四个向量间两两向量的夹角总和为2π时，图4情况即可被排除；
[0028]SETP3、计算两两向量夹角时，进行角度约束
[0029][0030]即可排除三点或四点在一条直线的情况。同时β
min,
β
max
越接近时，得出的四个坐标越接近正交，但能获取到满足条件的也越少。
[0031]通过上述方法确定第n次组合四个坐标：可用，最终得到N
个集合，其中N会远远小于组合数C。
[0032]SETP4、变换矩阵求解如下：
[0033]将带入透视变换公式
[0034]可列出到8个方程，求解8个未知数，解出透视变换矩阵H；
[0035]SETP 5、求最小损失值方法如下：
[0036]通过矩阵映射：得到多次计算得到S的集合。找出S中最小值，通过此方法，可有效排除把运动目标上特征点作为参考点而求得H的情况。
[0037]SETP 6、确定背景运动描述矩阵如下：
[0038]此时得到与之对应的变换矩阵，即为我们需要的背景运动信息描述矩阵。
[0039]本专利技术在实施时，如图5为无人机拍摄图片，是典型的背景运动场景。图中所展示为前一帧与当前帧图像的融合，其中红色特征点即为自动筛选的特征点。
[0040]图6所示，为前一帧图像经过H矩阵变换后与当前帧图像进行融合，可以看出背景几乎重叠
[0041]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本专利技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本专利技术的精神或范围的情况下，在其它实施例中实现。因此，本专利技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提取背景运动信息的方法，其特征在于，该方法应用于中大视场下运动场景，该方法具体步骤如下：S1、特征点提取；S2、特征点运动信息提取；S3、筛选出满足条件的特征点；S4、通过特征点的运动信息拟合变换矩阵；S5、求矩阵最小损失值；S6、确定变换矩阵。2.根据权利要求1所述一种提取背景运动信息的方法，其特征在于，所述步骤S1特征点提取的具体方法如下：通过Shi
‑
Tomasi角点检测算法原理实现特征点提取：算法基本思想是通过固定尺寸窗口在图像上某个位置以任意方向进行微小滑动，如果窗口内灰度的各个方向梯度都有较大变化，即可确定此窗口区域存在角点，窗口在各个方向上移动(u,v)所造成的像素灰度值的变化量公式如下数学表达式：推倒后得近似表达式：其中做对角化处理后得其中λ1,λ2为特征值，分别表示水平与垂直方向的梯度变化，R＝min(λ1,λ2)再与阈值threshold进行比较确定特征点，在选取特征点时，使用马氏距离进行特征点间距约束，使选取可用的特征点较为分散。3.根据权利要求2所述一种提取背景运动信息的方法，其特征在于，所述步骤S2特征点运动信息提取的具体方法如下：通过光流法进行特征点运动信息提取,在视频流中时间上相邻的两帧图像中，像素点从上一帧到下一帧的运动，在中大视场下，其运动总是相对轻微的变动，此变动即为位移向量，也为像素点的光流，假设I(x,y,t)为时刻t像素点(x,y)的像素值(亮度)，该像素点在两个图像帧之间移动了Δx,Δy，可以得出相同亮度的结论：I(x,y,t)＝(x+Δx,y+Δy,t+Δt)；通过此类...

【专利技术属性】
技术研发人员：曾钦勇，甘文操，尹小杰，李双龙，
申请(专利权)人：成都浩孚科技有限公司，
类型：发明
国别省市：