基于模糊概念格的视频运动特征提取方法

摘要

本发明公开了一种基于模糊概念格的视频运动特征提取方法，主要解决现有方法存在背景干扰和运动重影问题。其实现步骤是：首先，将视频镜头分割，利用模糊概念格生成所有镜头的运动特征关联规则，再根据关联规则提取感兴趣镜头；其次，利用模糊概念格生成感兴趣镜头中所有目标帧的运动特征关联规则，再根据关联规则提取感兴趣目标帧；最后，根据感兴趣目标帧中所有图像块的模糊概念格，提取感兴趣目标帧的运动特征。本发明能够快速准确提取视频运动特征，可用于目标跟踪和视频监控等需要处理海量视频数据的场合。

主权项

1.一种基于模糊概念格的视频运动特征提取方法，包括如下步骤： (1)对原始视频组中的每个视频进行镜头分割，得到镜头分割后结果s_i，i∈[1，M₁]，其中，M₁为原始视频组v′中的镜头总数，M₀是原始视频组v′中的视频总数，不同的视频分割得到的镜头数目不同；(2)计算原始视频组v′中每个镜头的运动活动性参数，即运动强度、运动方向、运动空间分布和运动时间分布等参数； (3)将原始视频组v′的所有镜头s_i，i∈[1，M₁]作为对象集，将所有镜头的运动活动性参数作为属性集，构成模糊形式背景F₁； (4)根据模糊形式背景F₁，构建原始视频组v′所有镜头的模糊概念格； (5)根据原始视频组v′中所有镜头s_i，i∈[1，M₁]的模糊概念格，生成所有镜头的运动特征关联规则R_h，h∈[1，M₂]，其中，M₂是所有镜头的关联规则总数； (6)根据原始视频组v′中所有镜头的运动特征关联规则，提取原始视频组v′中的一系列感兴趣镜头s′_j，j∈[1，N₂]，其中，感兴趣镜头是指运动强度参数为[0，0，1，0，0]或[0，0，0，1，0]或[0，0，0，0，1]且运动方向参数不为[0，0，0，0，0，0，0，0]的镜头(意指运动强度大于等于3且具有运动主方向的镜头)，N₂是原始视频组v′中感兴趣镜头总数； (7)针对第j个感兴趣镜头s′_j，计算所有目标帧g₁∈[1，N₃]中的运动活动性参数，即运动强度、运动方向和运动空间分布参数，其中，N₃表示感兴趣镜头s′_j中的目标帧总数；(8)将感兴趣镜头s′_j的所有目标帧g₁∈[1，N₃]作为对象集，将所有目标帧的运动活动性参数作为属性集，构成模糊形式背景F₂；(9)根据模糊形式背景F₂，构建感兴趣镜头s′_j中所有目标帧的模糊概念格； (10)根据感兴趣镜头s′_j中所有目标帧的模糊概念格，生成感兴趣镜头s′_j中所有目标帧的运动特征关联规则R_q，q∈[1，M₃]，其中，M₃是感兴趣镜头s′_j中所有目标帧的关联规则总数； (11)根据感兴趣镜头s′_j中的所有目标帧运动特征关联规则，提取感兴趣镜头s′_j中的一系列感兴趣目标帧f′_p，p∈[1，N₄]，其中，感兴趣目标帧是指运动强度参数为[0，0，1，0，0]或[0，0，0，1，0]或[0，0，0，0，1]，且运动方向参数与镜头s′_j运动方 向参数相一致，N₄为感兴趣镜头s′_j中的感兴趣目标帧总数； (12)针对感兴趣目标帧f′_p，根据块匹配方法计算感兴趣目标帧f′_p中每个图像块b_m，m∈[1，N₅]的运动向量，其中，N₅表示感兴趣目标帧f′_p中8×8大小的图像块总数； (13)计算感兴趣目标帧f′_p中每个图像块运动向量的模值，将该模值作为图像块的运动强度，计算每个图像块的运动方向，该方向隶属于以下8个方向中的某一个，即：(([0，22.5)||[337.5，360))，[22.5，67.5)，[67.5，112.5)，…，[292.5，337.5))，每个方向依次对应着8个运动方向参数，即：[1，0，0，0，0，0，0，0]、[0，1，0，0，0，0，0，0]…[0，0，0，0，0，0，0，1]，其中，||表示对两集合取并集； (14)找出感兴趣目标帧f′_p中图像块运动向量模值的最大值max，将每个图像块的运动强度值四舍五入，再映射到以下个运动强度区间中的一个，即：其中，表示对参数取上整；(15)将感兴趣目标帧f′_p中图像块的个运动强度区间依次对应个运动强度参数，即：(16)将感兴趣目标帧f′_p的所有图像块b_m，m∈[1，N₅]作为对象集，将所有图像块的运动强度参数和运动方向参数作为属性集，构成模糊形式背景F₃； (17)根据模糊形式背景F₃，构建感兴趣目标帧f′_p中所有图像块的模糊概念格； (18)根据感兴趣目标帧f′_p中所有图像块的模糊概念格，提取感兴趣目标帧f′_p的运动强度参数为或且运动方向参数与f′_p的运动方向参数相一致的感兴趣图像块集合，再取该感兴趣图像块集合的并集，得到感兴趣目标帧f′_p的运动特征初步提取结果；(19)根据运动剧烈图像块之间的强相关性，利用八连通方法滤除初步提取结果的孤立噪声点，得到感兴趣目标帧f′_p的运动特征最终提取结果。