欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019110335409
申请人: 衢州学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向无彩色长视频的高效视场区域分割方法,其特征在于,包括以下步骤:计算视频中每个像素点的复合纹理特征值;

计算视频中每个像素点的综合轮廓特征值,包括:

使用Hough变换计算视频第t帧内的图像轮廓,进而求出视频第t帧内每个像素点的第一轮廓特征值;

使用Canny算子计算视频第t帧内的图像轮廓,进而求出视频第t帧内每个像素点的第二轮廓特征值;

使用Isotropic Sobel算子计算视频第t帧内的图像轮廓,进而求出视频第t帧内每个像素点的第三轮廓特征值;

通过对所述视频第t帧内每个像素点的第一轮廓特征值、第二轮廓特征值、第三轮廓特征值求交集,生成视频第t帧内每个像素点的第一类综合轮廓特征值;

通过对所述视频第t帧内每个像素点的第一轮廓特征值、第二轮廓特征值、第三轮廓特征值求并集,生成视频第t帧内每个像素点的第二类综合轮廓特征值;

其中,第t帧内像素点(i,j)的第一轮廓特征值shough(i,j)|t的计算公式如下:第t帧内像素点(i,j)的第二轮廓特征值scanny(i,j)|t的计算公式如下:第t帧内像素点(i,j)的第三轮廓特征值ssobel(i,j)|t的计算公式如下:第t帧内每个像素点的第一类综合轮廓特征值S1(i,j)|t的计算公式如下:第t帧内每个像素点的第二类综合轮廓特征值S2(i,j)|t的计算公式如下:计算视频中每个像素点的近期动态性特征值,包括:

对视频中的每一个像素点构建混合高斯背景模型;

统计视频中每一个像素点上发生的显著性强度值变化的次数;显著性强度值变化定义为:像素点的强度值变化幅度超出该像素点上背景模型所设定的像素强度值正常变化范围;

计算视频中每一个像素点的近期动态性,所述像素点的近期动态性计算公式为:根据预定量化规则对计算得到的像素点的近期动态性进行量化,得到像素点的近期动态性特征值;

其中, 代表视频从第k帧到第t帧的一段时间内像素点(i,j)上发生的显著性强度值变化的次数;D(i,j)|t代表视频从第k帧到第t帧的一段时间内像素点(i,j)上发生的显著性强度值变化的频率,即像素点(i,j)的近期动态性,100≤t‑k≤20000;所述量化规则中量化后的像素点的近期动态性的值域为[0,1];

将视频中每个像素点的亮度特征值、复合纹理特征值、两类综合轮廓特征值和近期动态性特征值融合,得到该像素点的综合视觉特征向量;

对每幅视频帧中所有像素点的综合视觉特征向量进行聚类分析,将同类像素点归入同一区域,完成视场区域分割。

2.如权利要求1所述的面向无彩色长视频的高效视场区域分割方法,其特征在于,所述复合纹理特征值、综合轮廓特征值、近期动态性特征值的维度均为1且值域在预定范围内。

3.如权利要求1或2所述的面向无彩色长视频的高效视场区域分割方法,其特征在于,所述计算视频中每个像素点的复合纹理特征值,包括:使用原始LBP算子计算视频第t帧内像素点(i,j)的LBP纹理值,作为视频第t帧内像素点(i,j)的第一纹理特征值W1(i,j)|t;

使用圆形LBP算子计算视频第t帧内像素点(i,j)的LBP纹理值,作为视频第t帧内像素点(i,j)的第二纹理特征值W2(i,j)|t;

根据预定第一加权系数和第二加权系数,计算所述视频第t帧内像素点(i,j)的第一纹理特征值W1(i,j)|t与第二纹理特征值W2(i,j)|t的加权平均值,得到视频第t帧内像素点(i,j)的复合纹理特征值W(i,j)|t;

对视频第t帧内所有像素点的复合纹理特征值进行归一化,得到视频第t帧内各像素点的归一化的复合纹理特征值。

4.一种面向无彩色长视频的高效视场区域分割装置,其特征在于,包括:复合纹理特征值计算模块,用于计算视频中每个像素点的复合纹理特征值;

综合轮廓特征值计算模块,用于计算视频中每个像素点的综合轮廓特征值,包括:第一轮廓特征值计算单元,用于使用Hough变换计算视频第t帧内的图像轮廓,进而求出视频第t帧内每个像素点的第一轮廓特征值;其中,第t帧内像素点(i,j)的第一轮廓特征值shough(i,j)|t的计算公式如下:第二轮廓特征值计算单元,用于使用Canny算子计算视频第t帧内的图像轮廓,进而求出视频第t帧内每个像素点的第二轮廓特征值;其中,第t帧内像素点(i,j)的第二轮廓特征值scanny(i,j)|t的计算公式如下:第三轮廓特征值计算单元,用于使用Isotropic Sobel算子计算视频第t帧内的图像轮廓,进而求出视频第t帧内每个像素点的第三轮廓特征值;其中,第t帧内像素点(i,j)的第三轮廓特征值ssobel(i,j)|t的计算公式如下:第一类综合轮廓特征值生成单元,用于通过对所述视频第t帧内每个像素点的第一轮廓特征值、第二轮廓特征值、第三轮廓特征值求交集,生成视频第t帧内每个像素点的第一类综合轮廓特征值;其中,第t帧内每个像素点的第一类综合轮廓特征值S1(i,j)|t的计算公式如下:第二类综合轮廓特征值生成单元,用于通过对所述视频第t帧内每个像素点的第一轮廓特征值、第二轮廓特征值、第三轮廓特征值求并集,生成视频第t帧内每个像素点的第二类综合轮廓特征值;其中,第t帧内每个像素点的第二类综合轮廓特征值S2(i,j)|t的计算公式如下:近期动态性特征值计算模块,用于计算视频中每个像素点的近期动态性特征值,包括:构建单元,用于对视频中的每一个像素点构建混合高斯背景模型;

统计单元,用于统计视频中每一个像素点上发生的显著性强度值变化的次数;显著性强度值变化定义为:像素点的强度值变化幅度超出该像素点上背景模型所设定的像素强度值正常变化范围;

近期动态性计算单元,用于计算视频中每一个像素点的近期动态性,所述像素点的近期动态性计算公式为:量化单元,用于根据预定量化规则对计算得到的像素点的近期动态性进行量化,得到像素点的近期动态性特征值;

其中, 代表视频从第k帧到第t帧的一段时间内像素点(i,j)上发生的显著性强度值变化的次数;D(i,j)|t代表视频从第k帧到第t帧的一段时间内像素点(i,j)上发生的显著性强度值变化的频率,即像素点(i,j)的近期动态性,100≤t‑k≤20000;所述量化规则中量化后的像素点的近期动态性的值域为[0,1];

融合模块,用于将视频中每个像素点的亮度特征值、复合纹理特征值、两类综合轮廓特征值和近期动态性特征值融合,得到该像素点的综合视觉特征向量;

分割模块,用于对每幅视频帧中所有像素点的综合视觉特征向量进行聚类分析,将同类像素点归入同一区域,完成视场区域分割。

5.如权利要求4所述的面向无彩色长视频的高效视场区域分割装置,其特征在于,所述复合纹理特征值计算模块计算得到的视频中每个像素点的复合纹理特征值的维度均为1且值域在预定范围内;

所述综合轮廓特征值计算模块计算得到的视频中每个像素点的综合轮廓特征值的维度均为1且值域在所述预定范围内;

所述近期动态性特征值计算模块计算得到的视频中每个像素点的近期动态性特征值的维度均为1且值域在所述预定范围内。

6.如权利要求4或5所述的面向无彩色长视频的高效视场区域分割装置,其特征在于,所述复合纹理特征值计算模块,包括:第一纹理特征值计算单元,用于使用原始LBP算子计算视频第t帧内像素点(i,j)的LBP纹理值,作为视频第t帧内像素点(i,j)的第一纹理特征值W1(i,j)|t;

第二纹理特征值计算单元,用于使用圆形LBP算子计算视频第t帧内像素点(i,j)的LBP纹理值,作为视频第t帧内像素点(i,j)的第二纹理特征值W2(i,j)|t;

复合纹理特征值计算单元,用于根据预定第一加权系数和第二加权系数,计算所述视频第t帧内像素点(i,j)的第一纹理特征值W1(i,j)|t与第二纹理特征值W2(i,j)|t的加权平均值,得到视频第t帧内像素点(i,j)的复合纹理特征值W(i,j)|t;

归一化单元,用于对视频第t帧内所有像素点的复合纹理特征值进行归一化,得到视频第t帧内各像素点的归一化的复合纹理特征值。