基于模糊概念格的视频运动特征提取方法技术

本发明专利技术公开了一种基于模糊概念格的视频运动特征提取方法，主要解决现有方法存在背景干扰和运动重影问题。其实现步骤是：首先，将视频镜头分割，利用模糊概念格生成所有镜头的运动特征关联规则，再根据关联规则提取感兴趣镜头；其次，利用模糊概念格生成感兴趣镜头中所有目标帧的运动特征关联规则，再根据关联规则提取感兴趣目标帧；最后，根据感兴趣目标帧中所有图像块的模糊概念格，提取感兴趣目标帧的运动特征。本发明专利技术能够快速准确提取视频运动特征，可用于目标跟踪和视频监控等需要处理海量视频数据的场合。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及视频运动特征提取，可用于目标跟踪和视频监控等视频处理领域。
技术介绍
视频运动特征是视频的重要特征之一，广泛应用于目标跟踪和视频监控等视频处理领域，目前，对于视频运动特征提取研究已经取得了很大进展，但随着海量视频数据的急速增长，如何快速准确提取视频运动特征成为一个亟待解决的难点。目前视频运动特征的提取方法主要有以下几种(I)Duan-Yu CheniKevin Cannons，Hsiao-Rong Tyan,Sheng-Wen Shih，Hong-Yuan Mark Liao. Spatiotemporal motion analysis for the detection and classification of moving targets. IEEE Transactions on multimedia，2008，10 (8) :1578_159。该方法结合高斯混合模型和背景差提取视频运动特征，能够将背景完全静止的视频运动特征较好地提取出来，但对于背景有闪光点和晃动的视频，提取过程会产生更多的噪声点，该方法不能将运动特征和噪声完全区分，影响到运动特征提取的准确度。(2). Y. -P. Guan. Spatio-temporal motion-based foreground segmentation and shadow suppression. IET Computer vision, 2008,4 (1) :50_60。该方法基于多尺度小波变换进行运动目标检测，能够有效抑制目标的阴影问题，自动选择最佳门限，不需要复杂的监督学习或手动校准，但在提取运动特征时需要用到参考帧，若参考帧中含有运动特征，则会对目标帧产生运动重影，不能很好地区分目标帧的运动特征。
技术实现思路
本专利技术目的是针对上述已有技术的不足，提出了一种，对于背景有闪光点和晃动的视频，能够有效减小背景噪声干扰，同时解决了参考帧运动产生的运动重影问题。同时由于模糊概念格具有良好的继承性和层次性，十分适合生成关联规则，因此，本专利技术能够快速准确提取视频运动特征，十分适合海量视频处理的场合。实现本专利技术的技术关键是利用模糊概念格生成一系列运动特征关联规则，再根据关联规则快速、准确提取视频运动特征。具体步骤包括如下(1)对原始视频组ν' = ·{ …,<。j中的每个视频进行镜头分割，得到镜头分割后结果Si，i e [1，MJ，其中，M1为原始视频组ν'中的镜头总数，Mtl是原始视频组ν'中的视频总数，不同的视频分割得到的镜头数目不同；(2)计算原始视频组ν'中每个镜头的运动活动性参数，即运动强度、运动方向、 运动空间分布和运动时间分布等参数；(3)将原始视频组ν'的所有镜头Si，i e [1,MJ作为对象集，将所有镜头的运动活动性参数作为属性集，构成模糊形式背景F1 ；(4)根据模糊形式背景F1，构建原始视频组ν'所有镜头的模糊概念格；(5)根据原始视频组ν'中所有镜头Si，i e 的模糊概念格，生成所有镜头的运动特征关联规则Rh，h e ，其中，M2是所有镜头的关联规则总数；(6)根据原始视频组ν'中所有镜头的运动特征关联规则，提取原始视频组ν'中的一系列感兴趣镜头s'」，j e ，其中，感兴趣镜头是指运动强度参数为或w，0，0，l，0]或w，0，0，0，l]且运动方向参数不为的镜头(意指运动强度大于等于3且具有运动主方向的镜头)，队是原始视频组V'中感兴趣镜头总数；(7)针对第j个感兴趣镜头S'」，计算所有目标帧·4，& e 中的运动活动性参数，即运动强度、运动方向和运动空间分布参数，其中，N3表示感兴趣镜头s' j中的目标帧总数；(8)将感兴趣镜头S' J的所有目标帧_4，gl e 作为对象集，将所有目标帧的运动活动性参数作为属性集，构成模糊形式背景F2 ；(9)根据模糊形式背景F2，构建感兴趣镜头S'彳中所有目标帧的模糊概念格；(10)根据感兴趣镜头s' j中所有目标帧的模糊概念格，生成感兴趣镜头s' ^中所有目标帧的运动特征关联规则民，q e ,其中，M3是感兴趣镜头s'」中所有目标帧的关联规则总数；(11)根据感兴趣镜头S'彳中的所有目标帧运动特征关联规则，提取感兴趣镜头 s'彳中的一系列感兴趣目标帧f' p，P e ,其中，感兴趣目标帧是指运动强度参数为或或W，0，0，0，1]，且运动方向参数与镜头s'运动方向参数相一致，N4为感兴趣镜头s' j中的感兴趣目标帧总数；(1 针对感兴趣目标帧f' p，根据块匹配方法计算感兴趣目标帧f' 5中每个图像块bm，me 的运动向量，其中，&表示感兴趣目标帧f'大小的图像块总数；(13)计算感兴趣目标帧f' 5中每个图像块运动向量的模值，将该模值作为图像块的运动强度，计算每个图像块的运动方向，该方向隶属于以下8个方向中的某一个，即 ((、…，其中，I I表示对两集合取并集；(14)找出感兴趣目标帧f' p中图像块运动向量模值的最大值max，将每个图像块的运动强度值四舍五入，再映射到以下「 q个运动强度区间中的一个，即 (表示对参数取上整；(15)将感兴趣目标帧f' p中图像块的「 x]个运动强度区间依次对应「max]个运动强度参数，即权利要求1. 一种，包括如下步骤(1)对原始视频组ν'= ·{ …,<。j中的每个视频进行镜头分割，得到镜头分割后结果Si，i e ，其中，M2是所有镜头的关联规则总数；(6)根据原始视频组ν'中所有镜头的运动特征关联规则，提取原始视频组V中的一系列感兴趣镜头s'」，j e ，其中，感兴趣镜头是指运动强度参数为或 或且运动方向参数不为的镜头(意指运动强度大于等于3且具有运动主方向的镜头)，N2是原始视频组V'中感兴趣镜头总数；(7)针对第j个感兴趣镜头s'」，计算所有目标帧/a，&e 中的运动活动性参数，即运动强度、运动方向和运动空间分布参数，其中，N3表示感兴趣镜头s' j中的目标帧总数；(8)将感兴趣镜头s'」的所有目标帧/ft，&e 作为对象集，将所有目标帧的运动活动性参数作为属性集，构成模糊形式背景F2 ；(9)根据模糊形式背景F2，构建感兴趣镜头s'j中所有目标帧的模糊概念格；(10)根据感兴趣镜头s'j中所有目标帧的模糊概念格，生成感兴趣镜头s' j中所有目标帧的运动特征关联规则R,，q e ,其中，M3是感兴趣镜头s'」中所有目标帧的关联规则总数；(11)根据感兴趣镜头s'彳中的所有目标帧运动特征关联规则，提取感兴趣镜头s'j 中的一系列感兴趣目标帧f' p, P e ,其中，感兴趣目标帧是指运动强度参数为或或^)，0，0，0，1]，且运动方向参数与镜头8'」运动方向参数相一致，N4为感兴趣镜头s'彳中的感兴趣目标帧总数；(12)针对感兴趣目标帧f'p，根据块匹配方法计算感兴趣目标帧f' p中每个图像块 bm，me 的运动向量，其中，N5表示感兴趣目标帧f' p中8X8大小的图像块总数；(13)计算感兴趣目标帧f'p中每个图像块运动向量的模值，将该模值作为图像块的运动强度，计算每个图像块的运动方向，该方向隶属于以下8个方向中的某一个，即((、…，其中，11本文档来自技高网...

【技术保护点】
１．一种基于模糊概念格的视频运动特征提取方法，包括如下步骤：（１）对原始视频组　中的每个视频进行镜头分割，得到镜头分割后结果ｓｉ，ｉ∈［１，Ｍ１］，其中，Ｍ１为原始视频组ｖ′中的镜头总数，Ｍ０是原始视频组ｖ′中的视频总数，不同的视频分割得到的镜头数目不同；（２）计算原始视频组ｖ′中每个镜头的运动活动性参数，即运动强度、运动方向、运动空间分布和运动时间分布等参数；（３）将原始视频组ｖ′的所有镜头ｓｉ，ｉ∈［１，Ｍ１］作为对象集，将所有镜头的运动活动性参数作为属性集，构成模糊形式间的强相关性，利用八连通方法滤除初步提取结果的孤立噪声点，得到感兴趣目标帧ｆ′ｐ的运动特征最终提取结果。′ｐ中所有图像块的模糊概念格，提取感兴趣目标帧ｆ′ｐ的运动强度参数为　或　且运动方向参数与ｆ′ｐ的运动方向参数相一致的感兴趣图像块集合，再取该感兴趣图像块集合的并集，得到感兴趣目标帧ｆ′ｐ的运动特征初步提取结果；（１９）根据运动剧烈图像块之兴趣目标帧ｆ′ｐ的所有图像块ｂｍ，ｍ∈［１，Ｎ５］作为对象集，将所有图像块的运动强度参数和运动方向参数作为属性集，构成模糊形式背景Ｆ３；（１７）根据模糊形式背景Ｆ３，构建感兴趣目标帧ｆ′ｐ中所有图像块的模糊概念格；（１８）根据感兴趣目标帧ｆ′ｐ中图像块运动向量模值的最大值ｍａｘ，将每个图像块的运动强度值四舍五入，再映射到以下　个运动强度区间中的一个，即：　其中，　表示对参数取上整；（１５）将感兴趣目标帧ｆ′ｐ中图像块的　个运动强度区间依次对应　个运动强度参数，即：（１６）将感，…，［２９２．５，３３７．５）），每个方向依次对应着８个运动方向参数，即：［１，０，０，０，０，０，０，０］、［０，１，０，０，０，０，０，０］…［０，０，０，０，０，０，０，１］，其中，｜｜表示对两集合取并集；（１４）找出感兴趣目标帧ｆ感兴趣目标帧ｆ′ｐ中每个图像块运动向量的模值，将该模值作为图像块的运动强度，计算每个图像块的运动方向，该方向隶属于以下８个方向中的某一个，即：（（［０，２２．５）｜｜［３３７．５，３６０）），［２２．５，６７．５），［６７．５，１１２．５）参数相一致，Ｎ４为感兴趣镜头ｓ′ｊ中的感兴趣目标帧总数；（１２）针对感兴趣目标帧ｆ′ｐ，根据块匹配方法计算感兴趣目标帧ｆ′ｐ中每个图像块ｂｍ，ｍ∈［１，Ｎ５］的运动向量，其中，Ｎ５表示感兴趣目标帧ｆ′ｐ中８×８大小的图像块总数；（１３）计算所有目标帧运动特征关联规则，提取感兴趣镜头ｓ′ｊ中的一系列感兴趣目标帧ｆ′ｐ，ｐ∈［１，Ｎ４］，其中，感兴趣目标帧是指运动强度参数为［０，０，１，０，０］或［０，０，０，１，０］或［０，０，０，０，１］，且运动方向参数与镜头ｓ′ｊ运动方　向所有目标帧的模糊概念格；（１０）根据感兴趣镜头ｓ′ｊ中所有目标帧的模糊概念格，生成感兴趣镜头ｓ′ｊ中所有目标帧的运动特征关联规则Ｒｑ，ｑ∈［１，Ｍ３］，其中，Ｍ３是感兴趣镜头ｓ′ｊ中所有目标帧的关联规则总数；（１１）根据感兴趣镜头ｓ′ｊ中的空间分布参数，其中，Ｎ３表示感兴趣镜头ｓ′ｊ中的目标帧总数；（８）将感兴趣镜头ｓ′ｊ的所有目标帧　ｇ１∈［１，Ｎ３］作为对象集，将所有目标帧的运动活动性参数作为属性集，构成模糊形式背景Ｆ２；（９）根据模糊形式背景Ｆ２，构建感兴趣镜头ｓ′ｊ中０，０，０，０，０，０，０，０］的镜头（意指运动强度大于等于３且具有运动主方向的镜头），Ｎ２是原始视频组ｖ′中感兴趣镜头总数；（７）针对第ｊ个感兴趣镜头ｓ′ｊ，计算所有目标帧　ｇ１∈［１，Ｎ３］中的运动活动性参数，即运动强度、运动方向和运动６）根据原始视频组ｖ′中所有镜头的运动特征关联规则，提取原始视频组ｖ′中的一系列感兴趣镜头ｓ′ｊ，ｊ∈［１，Ｎ２］，其中，感兴趣镜头是指运动强度参数为［０，０，１，０，０］或［０，０，０，１，０］或［０，０，０，０，１］且运动方向参数不为［背景Ｆ１；（４）根据模糊形式背景Ｆ１，构建原始视频组ｖ′所有镜头的模糊概念格；（５）根据原始视频组ｖ′中所有镜头ｓｉ，ｉ∈［１，Ｍ１］的模糊概念格，生成所有镜头的运动特征关联规则Ｒｈ，ｈ∈［１，Ｍ２］，其中，Ｍ２是所有镜头的关联规则总数；（...

【技术特征摘要】

【专利技术属性】
技术研发人员：同鸣，冯向玲，姬红兵，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87