本发明专利技术提供一种基于特征点和图像变换频率的场景分类方法及装置，包括：获取待分类的视频，并转换为连续帧图像序列，基于直方图变化量法从连续帧图像序列中提取关键帧；基于预设灰度值阈值，从每张关键帧中提取第一预设数量个FAST特征点；计算第一预设数量个FAST特征点的响应值平均值和分布方差；按照预设分类规则，将响应值平均值和分布方差与预设的自然场景下和屏幕场景下的响应值平均值阈值和分布方差阈值进行比较，以对关键帧进行分类；当无法通过比较阈值进行分类，或FAST特征点数量不足时，获取相应关键帧后的第二预设数量帧图像，通过比较图像变换频率和预设频率阈值，对关键帧进行分类。本发明专利技术提供的方法无需训练分类模型，分类速度快且精度高。分类速度快且精度高。分类速度快且精度高。
【技术实现步骤摘要】
一种基于特征点和图像变换频率的场景分类方法及装置
[0001]本专利技术涉及场景分类
，尤其涉及一种基于特征点和图像变换频率的场景分类方法及装置。
技术介绍
[0002]场景分类技术是指将输入的图像或视频分为不同的场景类别，示例性的，包括自然场景和屏幕场景，其中，自然场景通常指室外或室内的真实环境，屏幕场景通常指电脑屏幕、手机屏幕等设备上的界面。
[0003]特征点在场景分类任务中被广泛应用，在图像处理领域，特征点是指图像中具有特定特征的点，比如边缘、角点、纹理等。这些特征点的位置和描述可以用来表示图像的局部特征。在公开号“CN114373145A”，名称“基于ORB算法的关键帧获取的监控视频场景分类方法”的专利中记载了通过提取ORB特征点与预先训练好的模型进行匹配，得到视频对应的标签，以进行分类；在公开号“CN104680173A”，名称“一种遥感图像场景分类方法”的专利中记载了根据图像中局部不变特征点的分布情况将图像先进行预分类，分为特征点分布均匀和特征点分布不均匀两类，再针对两类图像采用不同的模型进行训练和分类。但在现有的场景分类方案中需要预先训练分类模型或分类器，训练过程繁琐，而且实际分类速度也较慢。
[0004]在公开号“CN107666610A”，名称“桌面视频内容分析方法”的专利中记载了将图像变换频率作为视频分类的标准，检测观窗期内的视频帧的分块散列值，与首帧对比，根据有差异的帧数对视频进行分类。该方法体现了图像的变换速度，但分类精度差。
技术实现思路
[0005]鉴于此，本专利技术实施例提供了一种基于特征点和图像变换频率的场景分类方法及装置，以消除或改善现有技术中存在的一个或更多个缺陷，解决现有分类技术需要预先训练分类模型或分类器、训练过程繁琐、分类速度慢以及分类精度差的问题。
[0006]一方面，本专利技术提供一种基于特征点和图像变换频率的场景分类方法，其特征在于，所述方法包括以下步骤：
[0007]获取待分类的视频，将所述视频转换为连续帧图像序列，基于直方图变化量法从所述连续帧图像序列中提取关键帧；
[0008]基于预设灰度值阈值，从每张关键帧中提取第一预设数量个FAST特征点；
[0009]计算所述第一预设数量个FAST特征点的响应值平均值和分布方差；
[0010]获取预设的自然场景下的第一响应值平均值阈值和第一分布方差阈值，屏幕场景下的第二响应值平均值阈值和第二分布方差阈值；若所述响应值平均值小于所述第一响应值平均值阈值且所述分布方差小于所述第一分布方差阈值，则将相应的关键帧分类为自然场景，若所述响应值平均值大于所述第二响应值平均值阈值且所述分布方差大于所述第二分布方差阈值，则将相应的关键帧分类为屏幕场景；
[0011]当所述FAST特征点的响应值平均值和分布方差不满足上述分类规则，或所述FAST特征点数量少于所述第一预设数量时，获取相应关键帧后的第二预设数量帧图像，通过判断所述第二预设数量帧图像中相邻两帧图像是否发生变换，以计算图像变换频率，若所述图像变换频率大于预设的频率阈值，则将相应的关键帧分类为自然场景，若所述图像变换频率小于所述频率阈值，则将相应的关键帧分类为屏幕场景。
[0012]在本专利技术的一些实施例中，基于直方图变化量法从所述连续帧图像序列中提取关键帧，还包括：
[0013]将所述连续帧图像序列转换成灰度图像，并计算灰度直方图；
[0014]计算相邻帧之间的灰度直方图差距，若所述差距大于预设的差距阈值，则将当前帧作为所述关键帧。
[0015]在本专利技术的一些实施例中，基于预设灰度值阈值，从每张关键帧中提取第一预设数量个FAST特征点，还包括：
[0016]在一次循环中，基于预设灰度值阈值，从每张关键帧中提取FAST特征点；根据响应值对提取的FAST特征点进行排序；将所述预设灰度值阈值修改为响应值最低的FAST特征点的灰度值；
[0017]循环以上步骤，直至得到所述第一预设数量个高响应值的FAST特征点。
[0018]在本专利技术的一些实施例中，根据响应值对提取的FAST特征点进行排序，其中，所述FAST特征点的响应值计算方法包括以下步骤：
[0019]获取提取所述FAST特征点的预设灰度值阈值，并计算所述预设灰度值阈值和最大灰度值的中间值，作为起始中间值；
[0020]在一次循环中，若所述起始中间值小于所述FAST特征点的灰度值，则计算所述起始中间值和所述最大灰度值的中间值，并将其作为新的起始中间值；若所述起始中间值大于所述FAST特征点的灰度值，则计算所述预设灰度值阈值和所述起始中间值的中间值，并将其作为新的起始中间值；
[0021]循环上述步骤，直至得到边界灰度值，将所述边界灰度值作为所述FAST特征点的响应值。
[0022]在本专利技术的一些实施例中，所述第一预设数量个FAST特征点的分布方差的计算方法包括以下步骤：
[0023]将相应关键帧分为多个区域，统计每个区域内FAST特征点的数量；
[0024]计算所有区域内FAST特征点数量的方差，以得到所述分布方差。
[0025]在本专利技术的一些实施例中，基于所述图像变换频率实现场景分类后，根据场景类型，对自然场景下的第一响应值平均值阈值和第一分布方差阈值，或屏幕场景下的第二响应值平均值阈值和第二分布方差阈值进行调整。
[0026]在本专利技术的一些实施例中，还包括：
[0027]当相应关键帧被判断为自然场景时，若所述响应值平均值大于所述第一响应值平均值阈值，则提高所述第一响应值平均值阈值，计算式为：
[0028][0029]其中，Tne表示所述第一响应值平均值阈值；e表示所述响应值平均值；
[0030]若所述响应值平均值小于所述第一响应值平均值阈值，所述分布方差大于所述第一分布方差阈值，则提高所述第一分布方差阈值，计算式为：
[0031][0032]其中，Tnd表示所述第一分布方差阈值；d表示所述分布方差；
[0033]当相应关键帧被判断为屏幕场景时，若所述响应值平均值小于所述第一响应值平均值阈值，则降低所述第一响应值平均值阈值，计算式为：
[0034][0035]其中，Tse表示所述第二响应值平均值阈值；e表示所述响应值平均值；
[0036]若所述响应值平均值大于所述第一响应值平均值阈值，所述分布方差小于所述第一分布方差阈值，则降低所述第一分布方差阈值，计算式为：
[0037][0038]其中，Tsd表示所述第二分布方差阈值；d表示所述分布方差。
[0039]在本专利技术的一些实施例中，通过判断所述第二预设数量帧图像中相邻两帧图像是否发生变换，以计算图像变换频率，还包括：
[0040]获取所述第二预设数量帧图像中相邻两帧图像；
[0041]将相邻两帧图像均分为多个区域，并统计每个区域的灰度直方图；
[0042]比较相邻两帧的区域灰度直方图，记录发生变换的区域数量；若超过一半的区域发生变换，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于特征点和图像变换频率的场景分类方法，其特征在于，所述方法包括以下步骤：获取待分类的视频，将所述视频转换为连续帧图像序列，基于直方图变化量法从所述连续帧图像序列中提取关键帧；基于预设灰度值阈值，从每张关键帧中提取第一预设数量个FAST特征点；计算所述第一预设数量个FAST特征点的响应值平均值和分布方差；获取预设的自然场景下的第一响应值平均值阈值和第一分布方差阈值，屏幕场景下的第二响应值平均值阈值和第二分布方差阈值；若所述响应值平均值小于所述第一响应值平均值阈值且所述分布方差小于所述第一分布方差阈值，则将相应的关键帧分类为自然场景，若所述响应值平均值大于所述第二响应值平均值阈值且所述分布方差大于所述第二分布方差阈值，则将相应的关键帧分类为屏幕场景；当所述FAST特征点的响应值平均值和分布方差不满足上述分类规则，或所述FAST特征点数量少于所述第一预设数量时，获取相应关键帧后的第二预设数量帧图像，通过判断所述第二预设数量帧图像中相邻两帧图像是否发生变换，以计算图像变换频率，若所述图像变换频率大于预设的频率阈值，则将相应的关键帧分类为自然场景，若所述图像变换频率小于所述频率阈值，则将相应的关键帧分类为屏幕场景。2.根据权利要求1所述的基于特征点和图像变换频率的场景分类方法，其特征在于，基于直方图变化量法从所述连续帧图像序列中提取关键帧，还包括：将所述连续帧图像序列转换成灰度图像，并计算灰度直方图；计算相邻帧之间的灰度直方图差距，若所述差距大于预设的差距阈值，则将当前帧作为所述关键帧。3.根据权利要求1所述的基于特征点和图像变换频率的场景分类方法，其特征在于，基于预设灰度值阈值，从每张关键帧中提取第一预设数量个FAST特征点，还包括：在一次循环中，基于预设灰度值阈值，从每张关键帧中提取FAST特征点；根据响应值对提取的FAST特征点进行排序；将所述预设灰度值阈值修改为响应值最低的FAST特征点的灰度值；循环以上步骤，直至得到所述第一预设数量个高响应值的FAST特征点。4.根据权利要求3所述的基于特征点和图像变换频率的场景分类方法，其特征在于，根据响应值对提取的FAST特征点进行排序，其中，所述FAST特征点的响应值计算方法包括以下步骤：获取提取所述FAST特征点的预设灰度值阈值，并计算所述预设灰度值阈值和最大灰度值的中间值，作为起始中间值；在一次循环中，若所述起始中间值小于所述FAST特征点的灰度值，则计算所述起始中间值和所述最大灰度值的中间值，并将其作为新的起始中间值；若所述起始中间值大于所述FAST特征点的灰度值，则计算所述预设灰度值阈值和所述起始中间值的中间值，并将其作为新的起始中间值；循环上述步骤...
【专利技术属性】
技术研发人员：段鹏瑞，马华东，张韫，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。