一种基于运动对象与图像分析的视频帧复杂度测度方法

摘要

本发明公开了一种基于运动对象与图像分析的视频帧复杂度测度方法，属于图像处理技术领域。本发明基于视频帧的运动目标特征点的运动矢量信息计算各视频帧的运动复杂度，再计算视频图像的灰度图的边缘比率、灰度一致性以及运动目标特征点的特征点集中度，由该三者的加权求和得到视频帧的图像复杂度，最后对运动复杂度和图像复杂度进行加权求和，得到视频帧复杂度。本发明用于视频的复杂度测度处理，能够有效地定量确定视频复杂度值，反映视频的特性，有利于视频分析等进一步操作。

主权项

一种基于运动对象与图像分析的视频帧复杂度测度方法，其特征在于，包括下列步骤：步骤一：分别计算视频帧的运动复杂度C_m和图像复杂度C_g：运动复杂度C_m：提取视频帧的运动目标特征点，并提取运动目标特征点的运动矢量，基于所述运动矢量提取运动目标特征点的速度特征和方向特征，基于速度特征、方向特征的预设等级划分分别统计每个等级所对应的出现概率；根据公式计算运动复杂度C_m，其中N_ri表示速度特征的预设等级数，N_dj表示方向特征的预设等级数，P_ri表示速度特征的每个等级的出现概率，P_dj表示方向特征的每个等级的出现概率，α_ri、α_dj表示权值，且α_ri+α_dj＝1；图像复杂度C_g：将视频帧转换为灰度图后分别计算边缘比率R、灰度一致性U和特征点集中度J：确定视频帧的目标边缘，并根据公式R＝P_e/(M×N)统计视频帧的边缘比率R，其中，M和N分别表示视频帧的行数和列数，P_e表示视频帧的目标边缘的像素点个数；根据公式计算视频图像的灰度一致性U，其中f(i,j)表示在像素点(i,j)处的灰度值，f'(i,j)表示以像素点(i,j)为中心的预设邻域范围的灰度均值；对视频帧的运动目标特征点的位置特征进行聚类处理，并根据公式计算特征点集中度J，其中N_c表示预设聚类数，n_i表示每类运动目标特征点个数，N_f表示运动目标特征点总数，V_ix和V_iy分别表示每类运动目标特征点的位置特征在水平和竖直方向的方差；对边缘比率R、灰度一致性U和特征点集中度J进行加权求和得到视频图像的图像复杂度C_g；步骤二：对运动复杂度C_m和图像复杂度C_g进行加权求和，输出视频复杂度。