基于图像特征匹配的船舶远程监控视频高效传输方法与流程

本发明涉及监控视频压缩传输领域，具体涉及一种基于图像特征匹配的船舶远程监控视频高效传输方法。

背景技术：

1、船舶远程监控系统可以实时监测船舶航行过程中附近海域的海面情况，并向岸侧监控调度中心传输监控视频，及时发现其他船舶或礁石等潜在的安全隐患，更快做出反应并采取相应措施，因此对船舶远程监控视频的高效传输，对保障船舶航行安全至关重要。

2、在利用连通图分裂聚类算法对船舶远程监控视频帧图像进行分析处理，可以有效分析出临近海域船舶或礁石等感兴趣区域的形态特征，以确定压缩策略，从而实现对监控视频的传输，但由于海面浪花的频繁出现，导致现有技术会将浪花区域误识为感兴趣区域，在通过压缩降低视频空间的同时，无法保证视频中关键信息的精度，导致船舶远程监控视频的传输效果较差。

技术实现思路

1、为了解决现有技术会将浪花区域误识为感兴趣区域，在通过压缩降低视频空间的同时，无法保证视频中关键信息的精度，导致船舶远程监控视频的传输效果较差的技术问题，本发明的目的在于提供一种基于图像特征匹配的船舶远程监控视频高效传输方法，所采用的技术方案具体如下：

2、本发明提出了一种基于图像特征匹配的船舶远程监控视频高效传输方法，所述方法包括：

3、获取船舶用于监控海面状况的视频中每一帧的灰度图像，对每帧灰度图像进行局部检测，获得每帧灰度图像中的关键点以及关键点的特征描述子；

4、根据所述特征描述子对所有灰度图像中的关键点进行匹配，获得不同的匹配点序列和灰度图像中的特征点；在任意一帧灰度图像中任选一个特征点作为目标特征点，在目标特征点的预设领域范围内，根据目标特征点与其他特征点之间的距离以及所述特征描述子的差异，获得目标特征点的邻域分布指标；根据目标特征点所在的匹配点序列中相邻特征点之间所述邻域分布指标的差异，获得目标特征点的稳定度；

5、根据目标特征点与预设邻域范围内其他特征点之间所述稳定度的差异，获得目标特征点的变化相似度；根据目标特征点与预设邻域范围内其他特征点之间所述变化相似度的差异，以及目标特征点与其他特征点之间的连线与水平线形成的夹角，获得目标特征点的邻域变化程度；基于所述邻域变化程度对每帧灰度图像中的特征点进行聚类，获得每帧灰度图像的感兴趣区域；

6、对每帧灰度图像的感兴趣区域和非感兴趣区域进行不同方式的压缩，获得每帧的压缩图像，并对所有压缩图像进行传输。

7、进一步地，所述在目标特征点的预设领域范围内，根据目标特征点与其他特征点之间的距离以及所述特征描述子的差异，获得目标特征点的邻域分布指标包括：

8、在预设邻域范围内，将每个其他特征点与目标特征点之间的距离，作为每个其他特征点的距离参数；将所述距离参数按照从小到大的顺序，对其他特征点进行排序，获得邻域特征点序列；

9、将所述邻域特征点序列中两两相邻的特征点的组合作为第一特征点组；

10、将每个所述第一特征点组中两个特征点的距离参数的差值的绝对值，作为每个第一特征点组的距离差异；将每个所述第一特征点组中两个特征点的特征描述子的余弦相似度，作为每个第一特征点组的特征相似度；

11、将所述距离差异和所述特征相似度的乘积值，作为每个第一特征点组的分布参数；

12、将所有第一特征点组的所述分布参数的平均值，作为目标特征点的邻域分布指标。

13、进一步地，所述根据目标特征点所在的匹配点序列中相邻特征点之间所述邻域分布指标的差异，获得目标特征点的稳定度包括：

14、将目标特征点所在的匹配点序列中两两相邻的特征点的组合，作为第二特征点组；

15、将每个第二特征点组中两个特征点的邻域分布指标的差值的绝对值，作为每个第二特征点组的指标差异；

16、将所有第二特征点组的所述指标差异的平均值进行负相关的归一化，获得目标特征点的稳定度。

17、进一步地，所述根据目标特征点与预设邻域范围内其他特征点之间所述稳定度的差异，获得目标特征点的变化相似度包括：

18、将目标特征点所在的灰度图像中所有特征点的稳定度输入至最大类间方差算法中进行计算，获得稳定度分割阈值；

19、将目标特征点的稳定度和所述稳定度分割阈值之间的差值作为第一系数，将预设邻域范围内每个其他特征点的稳定度和所述稳定度分割阈值之间的差值作为第二系数，将所述第一系数和所述第二系数的比值作为判定参数；对所述判定参数进行负相关映射，获得目标特征点与每个其他特征点之间的调整参数；

20、将目标特征点的稳定度与预设邻域范围内每个其他特征点的稳定度之间差值的绝对值，作为目标特征点与每个其他特征点之间的初始差异度；

21、将所述调整参数与所述初始差异度的乘积值，作为目标特征点与每个其他特征点之间的调整差异度；

22、将所述调整差异度进行负相关的归一化，获得目标特征点与每个其他特征点之间的相似度参数；

23、将目标特征点与所有其他特征点之间的所述相似度参数的平均值，作为目标特征点的变化相似度。

24、进一步地，所述根据目标特征点与预设邻域范围内其他特征点之间所述变化相似度的差异，以及目标特征点与其他特征点之间的连线与水平线形成的夹角，获得目标特征点的邻域变化程度包括：

25、将预设邻域范围内每个其他特征点的变化相似度与目标特征点的变化相似度的差值的绝对值，作为预设邻域范围内每个其他特征点的变化差异参数；

26、将预设邻域范围内每个其他特征点与目标特征点之间的连线与水平线的夹角，作为预设邻域范围内每个其他特征点的角度参数；

27、将预设邻域范围内除目标特征点之外的任意两个其他特征点的组合，作为第三特征点组；

28、将每个第三特征点组中两个特征点的变化差异参数的差值的绝对值，作为每个第三特征点组的第一变化参数；

29、将每个第三特征点组中两个特征点的角度参数的差值的绝对值，获得每个第三特征点组的第二变化参数；

30、获取每个第三特征点组的初始变化参数，所述初始变化参数与所述第一变化参数呈正相关，所述初始变化参数与所述第二变化参数呈负相关；

31、将所有第三特征点组的所述初始变化参数的平均值，作为目标特征点的邻域变化程度。

32、进一步地，所述基于所述邻域变化程度对每帧灰度图像中的特征点进行聚类，获得每帧灰度图像的感兴趣区域包括：

33、基于连通图分裂聚类算法，对每帧灰度图像中所有特征点构建出连通图，并获取连通图中每条边的分裂阈值，将所述连通图中每条边的两端的两个特征点的邻域变化程度的平均值，作为每条边的分裂权重系数；

34、将所述分裂权重系数与所述分裂阈值的乘积值，作为每条边的最优分裂阈值；

35、基于连通图分裂聚类算法，根据连通图和连通图中每条边的最优分裂阈值，对每帧灰度图像的所有特征点进行聚类，获得不同的聚类簇；

36、将每个聚类簇中所有特征点的变化相似度的平均值，作为每个聚类簇的聚类中心；

37、将所述聚类中心大于预设阈值的聚类簇作为感兴趣聚类簇，将所述感兴趣聚类簇中所有特征点的最小外接矩形所围成的区域，作为每帧灰度图像的感兴趣区域。

38、进一步地，所述对每帧灰度图像的感兴趣区域和非感兴趣区域进行不同方式的压缩，获得每帧的压缩图像包括：

39、对每帧灰度图像中的感兴趣区域进行无损压缩，对非感兴趣区域进行有损压缩，获得每帧的压缩图像。

40、进一步地，所述对所有压缩图像进行传输包括：

41、将监控视频的所有压缩图像的数据进行封装，生成视频码流；

42、将所述视频码流通过传输网络进行传输。

43、进一步地，所述对每帧灰度图像进行局部检测，获得每帧灰度图像中的关键点以及关键点的特征描述子包括：

44、基于尺度不变特征转换算法对每帧灰度图像进行局部检测，获得每帧灰度图像中的关键点以及每个关键点的特征描述子。

45、进一步地，所述根据所述特征描述子对所有灰度图像中的关键点进行匹配，获得不同的匹配点序列和灰度图像中的特征点包括：

46、基于尺度不变特征转换算法，根据关键点的特征描述子，对所有灰度图像中的关键点进行匹配，获得不同的匹配点序列；

47、在每帧灰度图像中，将属于所述匹配点序列中的关键点，作为对应灰度图像中的特征点。

48、本发明具有如下有益效果：

49、本发明考虑到现有技术会将浪花区域误识为感兴趣区域，在通过压缩降低视频空间的同时，无法保证视频中关键信息的精度，降低对监控视频的传输效果，因此本发明首先获取船舶监控视频每帧的灰度图像，考虑到其他船舶或礁石等影响航行的感兴趣区域和背景区域的浪花在灰度图像中有比较明显的特征，同时浪花的形态在监控视频中一直处于动态变化中，因此可首先提取出灰度图像中的特征点和多个匹配点序列，便于后续提取出准确的感兴趣区域，并通过获取的邻域分布指标反映目标特征点周围其他特征点分布结构的状况，相对于浪花区域，在随时间推移的过程中，感兴趣区域中的特征点的结构变化较为稳定，因此可通过稳定度反映目标特征点属于感兴趣区域的可能性，进而通过变化相似度反映目标特征点所在预设邻域范围属于感兴趣区域的可能性，考虑到属于感兴趣区域的特征点的变化相似度存在朝向感兴趣区域内部的方向性聚集特征，因此可通过获取的邻域变化程度对特征点进行聚类，从而准确提取出感兴趣区域，并对灰度图像不同区域进行不同方式的压缩，降低视频体积的同时保留了关键信息的精度，提高了监控视频的传输效果。