基于前―后向光流点匹配运动熵视频抖动检测算法.docVIP

基于前―后向光流点匹配运动熵视频抖动检测算法.doc

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于前―后向光流点匹配运动熵视频抖动检测算法

基于前―后向光流点匹配运动熵视频抖动检测算法   摘 要: 目前大部分视频监控系统面临着高效实时性智能分析与低效滞后的人工故障排查的矛盾。视频质量智能诊断系统可以为此提供有效的解决方案。针对视频质量诊断系统中的画面抖动异常检测问题,提出一种简单有效的实用算法。该算法通过有效融合图像的稀疏光流与特征点匹配算法,根据前向后向误差标准估计图像帧的全局运动参数,引入连续帧的运动熵用于衡量视频画面片段运动的混乱程度,判断是否存在视频抖动现象。算法在不同分辨率的实际监控录像数据集上进行了测试和比较。实验证明,该算法在一定程度上克服了大位移抖动的影响,具备良好的实时特性以及较高的检测精度,能够满足实际工作的需求。 关键词:视频监控;抖动检测;前后向误差;金字塔LucasKanade光流;运动熵 0 引言 视频监控系统作为视觉物联网的重要组成部分,随着近年来强劲快速的发展,其日常维护的矛盾日趋激烈。据海康威视不完全数据统计,目前国内运行的监控系统中,能正常使用的摄像机的比例不到60%,并且当前这些数量庞大的视频监控系统的运行和维护工作主要靠人工检测和处理。国外的情况也类似。如何提高视频监控系统运行维护工作的效率,及时了解前端视频设备的运行情况,建设智能化的视频监控质量诊断系统成为视频监控领域迫切需要解决的实际问题[1-2]。 本文主要研究的是视频监控诊断系统中的视频画面抖动检测问题。正常情况下,运动图像序列的连续多帧之间过渡是平滑的,画面相关性比较连续,但是如果它们之间的相关性出现大波动,视频就会出现抖动的情况。在视频监控中,摄像头一般都是固定在某个位置,因此造成视频画面抖动现象的原因主要有:1)摄像头受到环境的干扰(比如强风)发生有规律的摆动从而造成图像的上下或左右抖动;2)摄像头正在被人移动,造成画面抖动。任何一种情况,都会导致画面出现周期性振颤或不规则扭曲,都意味着摄像头工作出现了异常,系统都需要发生报警,引起工作人员的警戒。 值得注意的是,视频监控抖动检测算法在方法上与视频稳像技术[3]有一定的联系,二者在算法上可以互相借鉴。但二者在研究目的上又有一定的区别:1)视频监控抖动检测主要目的是能以较高的精确度实时检测出视频图像是否发生了抖动异常,以便能及时通知监控系统;实时、高精度的抖动判断是算法的最终目标。2)视频稳像技术则更注重视频画面的视觉效果,算法的最终目标是为了得到稳定高质的画面。因此,相比电子稳像技术中的运动估计,在视频抖动检测算法中,运动参数的估计不需要做到非常的精准,但是需要能正确反映实际运动过程的事实。 常见的运动参数估计算法主要有灰度投影法[4]、块匹配法[5]、特征点匹配[6-7]和光流法[8]。 1)灰度投影法(Projection Algorithm):基于图像整体行列灰度投影曲线的相关性来进行图像匹配,可以检测图像序列帧间的平移运动。算法主要由图像映射、投影滤波和相关运算三部分组成。这类算法充分利用图像总体灰度分布的变化规律,只需要对图像行列的投影曲线做一次相关运算,就可以计算出运动矢量,计算量比较小,但是主要的问题有:a)算法要求图像的灰度变化要较丰富,图像有一定的对比度,否则,灰度投影曲线变化不明显,难以精确地求出运动矢量或者根本无法进行投影曲线的相关运算;b)易受局部运动的影响。 2)块匹配法:基于块内所有像素都具有相同运动的假设,假定待匹配块的大小为 M×N,根据摄像系统在水平和垂直方向的振动范围(±dx,±dy),在当前帧中确定尺寸为(M+2dx)×(N+2dy)的搜索窗口,然后根据一定的匹配准则来进行搜索,判断出匹配块,计算二者的位置之差即为匹配块在水平和垂直方向上的偏移量。块匹配的问题是:a)只适用于估计平移运动,不适用于缩放和旋转的运动;b)计算量大,效率低,难以达到实时性要求。 3)基于特征匹配的全局运动估计算法是以从图像中提取出来的某些特征作为匹配基元,提取有效特征集进行帧间运动估计, 得出全局运动参数。特征点具有一定的代表性,对不同场景有较好的适应性,因此这类方法得到广泛的关注和应用,但是特征点全局搜索也会增加匹配的计算量。 4)光流法:光流的研究是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”。传统的稠密型光流计算量比较大,在大位移运动的情况下,光流误差较大,但是光流法的优点在于光流不仅携带了运动物体的运动信息,而且还携带了有关景物三维结构的丰富信息,能够比较好地刻画目标运动的过程。 针对视频监控画面抖动检测问题,本文提出一种实时有效、具有较高精度的检测算法。算法采用稀疏型的光流特征[9-10]和ORB特征点匹配[11]相融合的策略,采用前向―后向误差[12]作为检验标准过滤错误匹配的光流

文档评论(0)

linsspace + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档