专利名称：一种基于视频中物体运动特征的视觉显著性算法的制作方法
技术领域：
本发明涉及的是一种基于视频中物体运动特征的视觉显著性算法，属于计算机视觉、图像处理技术领域。
背景技术：
随着信息技术的发展，生活中人们接触到的视频信息量越来越庞大，如何高效提取视频中显著物体引起了越来越多研究者的关注，视觉显著性在视频信号处理方面有着广泛的应用，比如视频检索、视频压缩、视频监控、视频跟踪等领域。视频检索方面，由于视频数据量非常大，因此提取出视频中的显著性物体，并将其作为视频的特征可以有效的提高检索的准确性。视频压缩方面，由于现在视频分辨率越来越高，因此高效的视频压缩算法也是研究的热点之一。同时结合人眼视觉模型的视频压缩算法是下一代视频编解码的关键技术之一，因此视觉显著性作为人眼视觉模型的一个重要方面也就显得尤为重要。视频监控方面，视觉显著性可以有效的提高视频监控的智能程度，因此视觉显著性研究就有非常重要的意义。视频跟踪方面，通常人们主要跟踪显著性物体的运动，通过视觉显著性算法可以有效的提高视频跟踪的准确率。视觉显著性在视频信号处理方面有着广泛的应用，因此对视觉显著性研究有非常重要的意义，视觉显著性主要根据视觉特性，提取出图像视频中的显著区域。目前视觉显著性的研究主要针对图像显著性进行研究，图像显著性算法主要利用图像的颜色、亮度等特征计算图像的显著性，但是图像的显著性算法没有利用视频的运动特征，因此将图像显著性算法直接应用视频显著性检测时效果不好。然而对视频显著性算法研究较少，并且存在算法复杂度较高的缺点。通常视频中物体的运动主要由两个方面构成的一个方面是由于摄像机的运动造成的全局运动，另一方面是由于视频中物体的相对运动造成的局部运动。 视频中物体的局部运动与全局运动相比，视频中物体的局部运动显著性更高，而视频中物体的全局运动显著性更低，若不预先降低视频中物体的全局运动的对视觉显著性的影响， 将降低显著性算法的准确度。上述视频中物体相对运动和全局运动可以通过块匹配的运动估计算法获取。例如，题为“一种新钻石搜索快速快匹配运动估计算法”(该文作者是shan zhu，发表于2000 年出版的“电子电器工程师协会图像处理会刊”，2000，9 O):观7-四0)的出版物报道，该文介绍了块匹配的运动估计算法，其算法是将当前块与前一帧中对应的块相比较，计算两块的误差，将误差最小的块作为最佳匹配块，两块间的运动的位移为运动矢量。为了得到与当前帧大小一致的运动矢量可以采用双线性插值算法(K. R. Castleman著，朱志刚译，数字图像处理，电子工业出版社，2006:96-97)，该插值算法是将所需求解的像素值由其周围四个最近点的像素值加权平均得到。
发明内容
本发明的目的在于针对现有技术存在的问题，提出一种基于视频中物体运动特征的视觉显著性算法。该算法通过检测出视频中物体的运动，降低视频中物体的全局运动对视觉显著性的影响，能有效提高视觉显著性算法的准确度。为达到上述目的，本发明采用了以下方案
一种基于视频中物体运动特征的视觉显著性算法，其具体步骤如下
(1)、采用基于块匹配的运动估计算法计算出当前帧亮度分量的运动矢量；
(2)、获取去除均值后的运动矢量；
(3)、对去除均值后的运动矢量进行高斯滤波；
G)、分别计算运动矢量的水平方向分量和垂直方向分量的平方，得到水平方向和垂直方向的视觉显著(5)、获取最终的视觉显著图。上述步骤(1)中所述的采用基于块匹配的运动估计算法计算当前帧亮度分量的运动矢量，具体步骤如下
(11)、提取需要进行视觉显著性检测的视频流的当前帧原图像和及其前一帧原图像；
(12)、分别提取上述相邻两帧的亮度分量；
(13)、将视频流的当前帧亮度分量按照16X16像素块大小进行分块；
(14)、采用基于块匹配的运动估计算法计算出当前帧亮度分量中的每个像素块的运动
矢量；
(15)、采用双线性插值算法将运动矢量放大，得到与当前帧大小一致的运动矢量厂⑴。上述步骤O)中所述的获取去除均值后的运动矢量，具体步骤如下
(21)、对当前帧亮度分量中的每个像素块的运动矢量求均值，得到运动矢量的均值
W ；
(22)、将步骤(15)计算出的运动矢量减去运动矢量的均值Km( )得到去除均值后的运动矢量；
上述步骤(3)中所述的对去除均值后的运动矢量进行高斯滤波，其具体步骤如下
(31)、采用高斯滤波器对去除均值后的运动矢量滤波，得到滤波后的运动矢量；
(32)、将滤波后的运动矢量的边界置为0，得到最终的滤波后的运动矢量VfU)。上述步骤中所述的分别计算运动矢量的水平方向分量和垂直方向分量的平方，得到水平方向和垂直方向的视觉显著图，具体步骤如下
(41)、将滤波后的运动矢量的水平分量Kfx⑴平方，得到水平方向的视觉显著图 ⑴；
(42)、将滤波后的运动矢量的垂直分量Kfy⑴平方，得到垂直方向的视觉显著图 ⑴。上述步骤(5)中所述的获取最终的视觉显著图，其具体是
将水平方向和垂直方向的视觉显著图相加并将其映射到(Γ255，得到最终的视觉显著图S(i)，视觉显著图的计算表达式为
权利要求
1.一种基于视频中物体运动特征的视觉显著性算法，其具体步骤如下(1)、采用基于块匹配的运动估计算法计算出当前帧亮度分量的运动矢量；(2)、获取去除均值后的运动矢量；(3)、对去除均值后的运动矢量进行高斯滤波；G)、分别计算运动矢量的水平方向分量和垂直方向分量的平方，得到水平方向和垂直方向的视觉显著图；(5)、获取最终的视觉显著图。
2.根据权利要求1所述的一种基于视频中物体运动特征的视觉显著性算法，其特征在于，上述步骤(1)中所述的采用基于块匹配的运动估计算法计算当前帧亮度分量的运动矢量，具体步骤如下(11)、提取需要进行视觉显著性检测的视频流的当前帧原图像和及其前一帧原图像；(12)、分别提取上述相邻两帧的亮度分量；(13)、将视频流的当前帧亮度分量按照16X16像素块大小进行分块；(14)、采用基于块匹配的运动估计算法计算出当前帧亮度分量中的每个像素块的运动矢量；(15)、采用双线性插值算法将运动矢量放大，得到与当前帧大小一致的运动矢量厂⑴。
3.根据权利要求1所述的一种基于视频中物体运动特征的视觉显著性算法，其特征在于，上述步骤O)中所述的获取去除均值后的运动矢量，具体步骤如下(21)、对当前帧亮度分量中的每个像素块的运动矢量求均值，得到运动矢量均值W ；(22)、将步骤(15)计算出的运动矢量减去运动矢量的均值Km( )得到去除均值后的运动矢量。
4.根据权利要求1所述的一种基于视频中物体运动特征的视觉显著性算法，其特征在于，上述步骤(3)中所述的对去除均值后的运动矢量进行高斯滤波，其具体步骤如下(31)、采用高斯滤波器对去除均值后的运动矢量滤波，得到滤波后的运动矢量；(32)、将滤波后的运动矢量的边界置为0，得到最终的滤波后的运动矢量VfU)。
5.根据权利要求1所述的一种基于视频中物体运动特征的视觉显著性算法，其特征在于，上述步骤中所述的分别计算运动矢量的水平方向分量和垂直方向分量的平方，得到水平方向和垂直方向的视觉显著图，具体步骤如下(41)、将滤波后的运动矢量的水平分量Kfx⑴平方，得到水平方向的视觉显著图 ⑴；(42)、将滤波后的运动矢量的垂直分量Kfy⑴平方，得到垂直方向的视觉显著图 ⑴。
6.根据权利要求1所述的一种基于视频中物体运动特征的视觉显著性算法，其特征在于，上述步骤(5)中所述的获取最终的视觉显著图，其具体是将水平方向和垂直方向的视觉显著图相加并将其映射到(Γ255，得到最终的视觉显著图S(i)，视觉显著图的计算表达式为
全文摘要
本发明公开了一种基于视频中物体运动特征的视觉显著性算法，其具体步骤如下(1)采用基于块匹配的运动估计算法计算出当前帧亮度分量的运动矢量；(2)获取去除均值后的运动矢量；(3)对去除均值后的运动矢量进行高斯滤波；(4)分别计算运动矢量的水平方向分量和垂直方向分量的平方，得到水平方向和垂直方向的视觉显著图；(5)获取最终的视觉显著图。该方法在考虑视频中物体运动因素时，通过降低视频中物体的全局运动的对视觉显著性的影响，依据视频中显著性物体的局部运动矢量特征提取出运动显著性，能有效提高视觉显著性算法的准确度，而且本发明的算法复杂度低。
文档编号G06T7/20GK102568006SQ201210006930
公开日2012年7月11日 申请日期2012年1月11日 优先权日2011年3月2日
发明者沈慧, 王杜瑶, 王铎成, 谭刚, 黄素娟 申请人:上海大学