主权项 |
1.一种摄像机运动参数估计方法,提供用于考虑被细分为块的连续图像帧的一个序列并且处理该序列,其中所说的处理操作包括连续的步骤:-从所说的图像序列提取对应于两个连续帧之间运动的运动矢量,所说的运动矢量形成摄像机速度场;-预处理所述摄像机速度场,以便降低数据量和所说提取的运动矢量的多相性;-对于每一对帧,从所说的预处理场估计在两个考虑帧之间的摄像机特征;-根据所说的估计实施一个长期运动分析,以便获得对应于该估算摄像机运动参数的运动描述符;所述估计步骤本身包括如下连续的操作:针对每个运动矢量计算置信掩码Cij;执行并行化处理,根据该处理,每次在计算价值函数或合成矢量过程中考虑运动矢量时,该运动矢量被其置信掩码加权,下面的方程式计算出一个其中全部矢量平行的剩余场的Rx、Ry、Rz、Rzoom和焦距f的最佳值:<img file="C998061290002C1.GIF" wi="968" he="90" /><maths num="001"><![CDATA[ <math><mrow><mi>P</mi><mrow><mo>(</mo><mover><mi>R</mi><mo>→</mo></mover><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mi>i</mi></munder><munder><mi>Σ</mi><mi>j</mi></munder><msup><mrow><mo>|</mo><mo>|</mo><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mrow><mo>(</mo><mover><mi>R</mi><mo>→</mo></mover><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>·</mo><msub><mi>θ</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>·</mo><msub><mi>C</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow></math>]]></maths>其中,具有<maths num="002"><![CDATA[ <math><mrow><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mrow><mo>(</mo><mover><mi>R</mi><mo>→</mo></mover><mo>)</mo></mrow><mo>=</mo><msub><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>-</mo><mfenced open='[' close=']'><mtable><mtr><mtd><msubsup><mi>u</mi><mi>x</mi><mi>rot</mi></msubsup><mrow><mo>(</mo><mover><mi>R</mi><mo>→</mo></mover><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msubsup><mi>u</mi><mi>y</mi><mi>rot</mi></msubsup><mrow><mo>(</mo><mover><mi>R</mi><mo>→</mo></mover><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>以及<maths num="003"><![CDATA[ <math><mrow><msub><mi>θ</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>=</mo><mi>angle</mi><mrow><mo>(</mo><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mo>,</mo><msup><mover><mi>V</mi><mo>→</mo></mover><mi>residual</mi></msup><mo>)</mo></mrow></mrow></math>]]></maths><maths num="004"><![CDATA[ <math><mrow><msup><mover><mi>V</mi><mo>→</mo></mover><mi>residual</mi></msup><mo>=</mo><mfrac><mrow><munder><mi>Σ</mi><mi>i</mi></munder><munder><mi>Σ</mi><mi>j</mi></munder><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mo>·</mo><msub><mi>C</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow><mrow><munder><mi>Σ</mi><mi>i</mi></munder><munder><mi>Σ</mi><mi>j</mi></munder><msub><mi>C</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow></mfrac></mrow></math>]]></maths>所述剩余场的并行化由以下方程式给出:<maths num="005"><![CDATA[ <math><mrow><mi>β</mi><mo>=</mo><mfrac><mrow><mo>|</mo><mo>|</mo><mi>Σ</mi><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mrow><mo>(</mo><msup><mover><mi>R</mi><mo>→</mo></mover><mi>estim</mi></msup><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mrow><mi>Σ</mi><mo>|</mo><mo>|</mo><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mrow><mo>(</mo><msup><mover><mi>R</mi><mo>→</mo></mover><mi>estim</mi></msup><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow></mfrac></mrow></math>]]></maths>它是剩余流矢量的生成幅值对剩余流矢量的幅值和的比率,β=1意味着该剩余矢量被完全对准,而β=0意味着被剩余矢量彼此相互随机取向,通过计算下面的比率α来比较该剩余流场的强度与原始流场的强度:<maths num="006"><![CDATA[ <math><mrow><mi>α</mi><mo>=</mo><mfrac><mrow><msup><mi>mean</mi><mrow><mo>(</mo><mo>*</mo><mo>)</mo></mrow></msup><mrow><mo>(</mo><mo>|</mo><mo>|</mo><msubsup><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mi>residual</mi></msubsup><mrow><mo>(</mo><msup><mover><mi>R</mi><mo>→</mo></mover><mi>estim</mi></msup><mo>)</mo></mrow><mo>|</mo><mo>|</mo><mo>)</mo></mrow></mrow><mrow><mi>mea</mi><msup><mi>n</mi><mrow><mo>(</mo><mo>*</mo><mo>)</mo></mrow></msup><mrow><mo>(</mo><mo>|</mo><mo>|</mo><msub><mover><mi>v</mi><mo>→</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow></mrow></mfrac></mrow></math>]]></maths>这两个比率使得能够如下所示地检测跟踪分量的存在以及总量:A)如果β~0,没有跟踪运动;B)如果β~1:则,如果α~0,可忽略的跟踪运动;如果α~1,显著的跟踪运动;<maths num="007"><![CDATA[ <math><mrow><msub><mover><mi>T</mi><mo>^</mo></mover><mi>x</mi></msub><mo>=</mo><mo>-</mo><msubsup><mi>V</mi><mi>x</mi><mi>residual</mi></msubsup></mrow></math>]]></maths><maths num="008"><![CDATA[ <math><mrow><msub><mover><mi>T</mi><mo>^</mo></mover><mi>y</mi></msub><mo>=</mo><mo>-</mo><msubsup><mi>V</mi><mi>y</mi><mi>residual</mi></msubsup></mrow></math>]]></maths>其中,<img file="C998061290003C5.GIF" wi="64" he="52" />和<img file="C998061290003C6.GIF" wi="66" he="62" />不表示第一模式的确切分量,而是表示在f.Tx/z和f.Ty/z的整个图像内的一个加权平均值。 |