一种运动图像的检测系统及方法
【专利摘要】本发明公开了一种运动图像的检测系统及方法，所述系统包括：特征值提取单元，用于分别提取两帧连续图像中每分块图像的Sobel特征值；运动判断单元，与所述特征值提取单元连接，用于比较两帧连续图像中位置相同的N×N相邻分块内的平均Sobel特征值，如果存在比较值大于预设阈值，则判断连续图像中存在运动。根据本发明的方案，通过比较两帧连续图像中位置相同的N×N相邻分块内的平均Sobel特征值，来判断连续图像中是否存在运动，进而实现快速准确地估计出拍照前两帧预览图像是否运动，以便拍照时做必要的参数调整以拍摄出清晰的照片。
【专利说明】
一种运动图像的检测系统及方法
技术领域
[0001] 本发明涉及图像检测技术领域，特别涉及一种运动图像的检测系统及方法。
【背景技术】
[0002] 在用相机/手机拍摄有物体运动的场景时，比如"小孩玩耍"、"篮球比赛"等等，由 于被拍摄的主体在较快地运动，因此很容易拍出局部模糊或者有残影的照片。倘若此时，如 果能快速准确的利用预览图像判断出这类场景，并在用户按下快门时相应提高拍照的快门 速度，就可以很好的避免出现这类问题。当前检测图像是否存在运动的算法有帧差、背景减 除、光流等等，其中运算量最小的是帧差法，但是，对于手持相机/手机，拍照时相机/手机本 身就存在不同程度的晃动，因此即使是被拍照的物体不运动，连续的预览图像帧之间也是 存在不同程度的差异的，如果使用帧差法检测图像是否存在运动，就要考虑做图像对齐，否 则会导致检测的准确率较低，而且做图像对齐又是比较耗时的操作。
【发明内容】
[0003] 本发明提供一种运动图像的检测系统及方法，以解决拍照前连续两帧预览图像是 否运动的判断较为复杂的技术问题。
[0004] 根据本发明的一个方面，提供一种运动图像的检测系统，所述系统包括：
[0005] 特征值提取单元，用于分别提取两帧连续图像中每分块图像的Sobel特征值；
[0006] 运动判断单元，与所述特征值提取单元连接，用于比较两帧连续图像中位置相同 的NXN相邻分块内的平均Sobel特征值，如果存在比较值大于预设阈值，则判断连续图像中 存在运动。
[0007] 其中，在上述的发明中，所述运动判断单元包括：
[0008] 计算模块，用于分别计算两帧连续图像中N X N相邻分块内的平均Sobe 1特征值；
[0009] 比较模块，与所述计算模块连接，用于比较位置相同的NXN相邻分块内的平均 Sobel特征值，生成多个比较值；
[0010]判断模块，与所述比较模块连接，用于在最小的比较值小于预设阈值时判断连续 图像中存在运动。
[0011] 其中，在上述的发明中，所述特征值提取单元包括：
[0012] 灰度模块，用于将两帧连续图像变为灰度图像h(x)和I2(x);
[0013]分块划分模块，用于将图像h(x)和I2(x)平均划分为数量相等的分块图像B(x);
[0014] 分块特征值计算模块，用于计算每块图像B (x)的Sobe 1特征值F。
[0015] 其中，在上述的发明中，所述分块特征值计算模块采用Sobel算子做平面卷积运算 得Sobel特征值F;
[0016] 该特征值F满足:F = S_预设值；
[0017]其中
，预设值为试验所得经验值，
[0019] 其中，在上述的发明中，所述灰度模块是利用YUV数据得到灰度图像，并将灰度图 像缩放到640x480的尺寸。
[0020] 根据本发明的另一个方面，提供一种运动图像的检测方法，所述方法包括：
[0021] 分别提取两帧连续图像中每分块图像的Sobel特征值；
[0022] 比较两帧连续图像中位置相同的NXN相邻分块内的平均Sobel特征值，如果存在 比较值大于预设阈值，则判断连续图像中存在运动。
[0023] 其中，在上述的发明中，所述比较两帧连续图像中位置相同的NXN相邻分块内的 平均Sobel特征值，如果存在比较值大于预设阈值，则判断连续图像中存在运动，包括：
[0024] 分别计算两帧连续图像中NXN相邻分块内的平均Sobel特征值；
[0025] 比较位置相同的NXN相邻分块内的平均Sobel特征值，生成多个比较值；
[0026] 在最小的比较值小于预设阈值时，判断连续图像中存在运动。
[0027] 其中，在上述的发明中，所述分别提取两帧连续图像中每分块图像的Sobel特征值 包括：
[0028] 将两帧连续图像变为灰度图像IKx)和I2(x);
[0029] 将图像IKx)和I2(x)平均划分为数量相等的分块图像B(x);
[0030] 计算每块图像B(x)的Sobel特征值F。
[0031 ]其中，在上述的发明中，所述计算每块图像B(x)的Sobel特征值F中采用Sobel算子 做平面卷积运算得Sobel特征值F;
[0032]该特征值F满足:F = S_预设值；
[0033]其中S ，预设值为试验所得经验值，
[0035] 其中，在上述的发明中，所述将两帧连续图像变为灰度图像IKx)和I2(x)中利用 YUV数据得到灰度图像，并将灰度图像缩放到640x480的尺寸。
[0036] 本发明的运动图像的检测系统及方法，通过比较两帧连续图像中位置相同的NXN 相邻分块内的平均Sobel特征值，来判断连续图像中是否存在运动，进而实现快速准确地估 计出拍照前两帧预览图像是否运动，以便拍照时做必要的参数调整以拍摄出清晰的照片。
【附图说明】
[0037]图1显示了本发明运动图像的检测工作原理图；
[0038] 图2显示了本发明【具体实施方式】中提供的运动图像的检测系统的结构示意图；
[0039] 图3显示了本发明【具体实施方式】中提供的运动图像的检测方法的流程图；
[0040]图4显示了图3中步骤S1的方法流程图；
[00411图5显示了图3中步骤S3的方法流程图。
【具体实施方式】
[0042] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参 照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发 明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本 发明的概念。
[0043] 本发明利用相机/手机拍照前的连续两帧预览图像数据计算每帧图像的Sobel特 征点分布，比较特征点分布的差异，如果差异到达经验阈值，则判定图像存在运动，以便拍 照时做必要的参数调整以拍摄出清晰的照片。具体来说，如图1所示，本发明分别遍历两帧 图像里所有NXN例如2X2相邻分块，计算它们的差异，找出差异最小的2X2相邻分块，并记 它们的差异为d，将d和预设阈值即给定经验阀值t比较，来判定图像内容是否有运动，当d多 t时表明图像内容有运动，反之当d〈t时表明图像内容无运动。
[0044] 图2显示了本发明【具体实施方式】中提供的运动图像的检测系统的结构示意图。
[0045] 下面结合图2所述的结构示意图，具体说明本实施例的运动图像的检测系统。
[0046] 本实施例的运动图像的检测系统至少包括:特征值提取单元10和运动判断单元 20 〇
[0047] 特征值提取单元10用于分别提取两帧连续图像中每分块图像的Sobel特征值。具 体来说，特征值提取单元10包括:灰度模块11、分块划分模块12和分块特征值计算模块13。 其中灰度模块11用于将两帧连续图像变为灰度图像11 (x)和I2 (x )，该灰度模块11是利用YUV 数据得到灰度图像，并将灰度图像（即YUV图像的Y通道)缩放到640X480的尺寸以提高性 能。分块划分模块12用于将图像Ii(x)和I 2(x)平均划分为数量相等的分块图像B(x)，例如划 分成5X5-共25块。分块特征值计算模块13用于计算每块图像B(x)的Sobel特征值F。
[0048] 本实施中，分块特征值计算模块13采用Sobel算子做平面卷积运算得Sobel特征值 F，特征值F满足:F = S-预设值；
[0049] 其中S = ^S；+S； 1预设值为试验所得经验值，一般取200。
[0051]即记一个图像分块内S值大于220(实验得到的经验值）的像素点的数量为该图像 分块的Sobe 1特征值。
[0052] 运动判断单元20与特征值提取单元10连接，该运动判断单元20用于比较两帧连续 图像中位置相同的NXN优选2X2相邻分块内的平均Sobel特征值，如果存在比较值大于预 设阈值，则判断连续图像中存在运动。具体来说，运动判断单元20包括:计算模块21、比较模 块22和判断模块23。其中计算模块21用于分别计算两帧连续图像中NXN相邻分块内的平均 Sobel特征值，即计算两帧连续图像中2 X 2相邻分块内的平均Sobel特征值。比较模块22与 计算模块21连接，该比较模块22用于比较位置相同的NXN相邻分块内的平均Sobel特征值， 生成多个比较值。判断模块23与比较模块22连接，在最小的比较值大于预设阈值时，判断模 块23判断连续图像中存在运动，在最小的比较值小于或等于预设阈值时，判断模块23判断 连续图像中不存在运动。
[0053]本实施例中，预设阈值t为20,特征值提取单元10分别遍历两帧图像里所有2X2相 邻分块，计算它们的差异，找出差异最小的2X2相邻分块，并记它们的差异为d，将d和预设 阈值即给定经验阀值t比较，来判定图像内容是否有运动，当d多t时表明图像内容有运动， 反之当d〈t时表明图像内容无运动。
[0054]如上所述，本发明的运动图像的检测系统，通过比较两帧连续图像中位置相同的N XN相邻分块内的平均Sobel特征值，来判断连续图像中是否存在运动，进而实现快速准确 地估计出拍照前两帧预览图像是否运动，以便拍照时做必要的参数调整以拍摄出清晰的照 片。
[0055] 图3显示了本发明【具体实施方式】中提供的运动图像的检测方法的流程图。
[0056] 下面结合图3所示的流程图，具体说明本实施例的运动图像的检测方法。
[0057]本实施例的运动图像的检测方法包括：
[0058]步骤S1，分别提取两帧连续图像中每分块图像的Sobel特征值。
[0059] 具体来说，参见图4所示的方法流程图，本步骤S1包括：
[0060] 步骤S11，将两帧连续图像变为灰度图像h(x)和I2(x)。步骤S11中，利用YUV数据得 到灰度图像，并将灰度图像(即YUV图像的Y通道)缩放到640X480的尺寸以提高性能。
[0061] 步骤S12,将图像IKx)和I2(x)平均划分为数量相等的分块图像B(x)，例如划分成5 X 5-共25块。
[0062] 步骤S13,计算每块图像B(x)的Sobel特征值F。步骤S13中，采用Sobel算子做平面 卷积运算得Sobe 1特征值F，特征值F满足:F = S-预设值；
[0063] 其中$ = yjS；+S；，预设值为试验所得经验值，一般取200。
[0065] 即记一个图像分块内S值大于220(实验得到的经验值）的像素点的数量为该图像 分块的Sobe 1特征值。
[0066] 步骤S2，比较两帧连续图像中位置相同的N XN优选2 X 2相邻分块内的平均Sobel 特征值，如果存在比较值大于预设阈值，则判断连续图像中存在运动。
[0067] 具体来说，参见图5所示的方法流程图，本步骤S2包括：
[0068] 步骤S21，分别计算两帧连续图像中NX N相邻分块内的平均Sobel特征值。即计算 两帧连续图像中2 X 2相邻分块内的平均Sobel特征值。
[0069] 步骤S22,比较位置相同的NXN相邻分块内的平均Sobel特征值，生成多个比较值。 即比较位置相同的2X2相邻分块内的平均Sobel特征值，生成多个比较值。
[0070] 步骤S23,在最小的比较值大于预设阈值时，判断连续图像中存在运动;在最小的 比较值小于或等于预设阈值时，判断连续图像中不存在运动。
[0071] 综上所述，通过上述流程，先将灰度图像（即YUV图像的Y通道)缩放到640X480的 尺寸以提高性能，记缩放后的图像为I(x);接着计算灰度图像的Sobel特征:把灰度图像I (x)平均分为5 X 5-共25块，对每一块分别计算其Sobel特征，计算方法如下：
[0072] 记每一个图像分块为B(x)，对其每一像素 X，运用Sobel算子做平面卷积运算得：
[0073] 其中，水平方向：
[0074] 其中，竖直方向：
[0075] 这里，记一个图像分块内S值大于220(实验得到的经验值）的像素点的数量为F，F 即为该图像分块的Sobel特征值;记Ii(x)和l2(x)的Sobel特征为Fi(x)和F2(x)。
[0076] 对?: (x)和F2 (x)计算所有2 X 2相邻分块内的平均Sobel特征值差值的绝对值，记为 A〇
[0077]例如FKx)的数据如下：
[0078] 12345
[0079] 6 7 8 9 10
[0080] 11 12 13 14 15
[0081] 16 17 18 19 20
[0082] 21 22 23 24 25
[0083]例如F2(x)的数据如下：
[0084] 92 94 3 4 5
[0085] 96 98 8 9 10
[0086] 11 12 13 14 15
[0087] 16 17 18 19 20
[0088] 21 22 23 24 25
[0089] 则对1、2、6、7分块有(abs为取绝对值）：
[0090] A = abs ((1+2+6+7) /4_ (92+94+96+98) /4 )= 91 [0091]同理，对 19、20、24、25分块有：
[0092] A = abs( (19+20+24+25)/4- (19+20+24+25)/4) =0
[0093] 依次算出A的最小值记为Amin，如果Amin大于等于预设阈值t，则图像内容有运动， 如果Amin小于或等于预设阈值t，则图像内容没有运动。本实施例中，t为20。
[0094] 应当理解的是，本发明的上述【具体实施方式】仅仅用于示例性说明或解释本发明的 原理，而不构成对本发明的限制，例如也可以使用如canny等其它做图像边缘检测的算子来 代替sobel算子。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、 改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附 权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
【主权项】
1. 一种运动图像的检测系统，其中，所述系统包括： 特征值提取单元(10)，用于分别提取两帧连续图像中每分块图像的Sobel特征值； 运动判断单元(20)，与所述特征值提取单元（10)连接，用于比较两帧连续图像中位置 相同的NXN相邻分块内的平均Sobel特征值，如果存在比较值大于预设阈值，则判断连续图 像中存在运动。2. 如权利要求1所述的系统，其中，所述运动判断单元(20)包括： 计算模块(21)，用于分别计算两帧连续图像中NXN相邻分块内的平均Sobel特征值； 比较模块(22)，与所述计算模块(21)连接，用于比较位置相同的NXN相邻分块内的平 均Sobel特征值，生成多个比较值； 判断模块(23)，与所述比较模块(22)连接，用于在最小的比较值小于预设阈值时判断 连续图像中存在运动。3. 如权利要求1所述的系统，其中，所述特征值提取单元(10)包括： 灰度模块(11)，用于将两帧连续图像变为灰度图像Ii(x)和I2(x); 分块划分模块(12)，用于将图像Ii(x)和I2(x)平均划分为数量相等的分块图像B(x); 分块特征值计算模块(13)，用于计算每块图像B(X)的Sobe 1特征值F。4. 如权利要求3所述的系统，其中，所述分块特征值计算模块（13)采用Sobel算子做平 面卷积运算得Sobel特征值F; 该特征值F满足:F = S-预设值； 其畔，预设值为试验所得经验值，5. 如权利要求3所述的系统，其中，所述灰度模块（11)是利用YUV数据得到灰度图像，并 将灰度图像缩放到640x480的尺寸。6. -种运动图像的检测方法，其中，所述方法包括： 分别提取两帧连续图像中每分块图像的Sobel特征值； 比较两帧连续图像中位置相同的NXN相邻分块内的平均Sobel特征值，如果存在比较 值大于预设阈值，则判断连续图像中存在运动。7. 如权利要求6所述的方法，其中，所述比较两帧连续图像中位置相同的NXN相邻分块 内的平均Sobel特征值，如果存在比较值大于预设阈值，则判断连续图像中存在运动，包括： 分别计算两帧连续图像中N X N相邻分块内的平均Sobe 1特征值； 比较位置相同的N X N相邻分块内的平均Sobel特征值，生成多个比较值； 在最小的比较值小于预设阈值时，判断连续图像中存在运动。8. 如权利要求6所述的方法，其中，所述分别提取两帧连续图像中每分块图像的Sobel 特征值包括： 将两帧连续图像变为灰度图像Ii(x)和I2(x); 将图像Ii(x)和I2(x)平均划分为数量相等的分块图像B(x); 计算每块图像B (x)的Sobe 1特征值F。9. 如权利要求8所述的方法，其中，所述计算每块图像B(x)的Sobel特征值F中采用 Sobel算子做平面卷积运算得Sobel特征值F; 该特征值F满足:F = S-预设值；其中 预设值为试验所得经验值， V - j 510. 如权利要求8所述的方法，其中，所述将两帧连续图像变为灰度图像Ii(x)和I2(x)中 利用YUV数据得到灰度图像，并将灰度图像缩放到640x480的尺寸。
【文档编号】H04N5/232GK105959531SQ201610267095
【公开日】2016年9月21日
【申请日】2016年4月26日
【发明人】刘思翔
【申请人】乐视控股（北京）有限公司, 乐视移动智能信息技术（北京）有限公司