一种自动提取背景运动信息的方法

技术领域

本发明涉及图像处理分析领域，尤其涉及应用于中大视场下运动场景的一种提取背景运动信息的方法。

背景技术

运动场景下的视频图像中，不仅包括前景物体的运动，也包括背景的运动，背景的运动主要是由于图像采集单元载体的运动或抖动带来的。在得知背景运动信息后，即可对前景目标进行更多分析本；现有背景运动信息提取方法都采用了人工选取几个特征点，在对几个特征点进行分析，不能自动求解。

发明内容

本发明为中大视场下的一种提取背景运动信息的方法，在有较多固定背景信息应用环境中，能较好的应用此方法；本方法是使用了自动计算方法来确定矩阵，不需要进行人为选取某些特征点进行标定计算来求得矩阵，在适用的场景中更自动高效。

具体的，一种提取背景运动信息的方法，包括如下步骤：

提取特征点的运动信息；

筛选出背景的特征点；

通过背景特征点的运动信息确定变换矩阵；

通过透视变换矩阵对背景运动信息进行提取。

因为，背景运动包括平移、旋转、缩放、角度变化，是图像处理中透视变换的表现，可通过透视变换矩阵进行信息描述。而在得到此变换矩阵过程中，可通过提取特征点的运动信息，并从这些带有运动信息的特征点中筛选出背景的特征点，然后通过这些背景特征点的运动信息，确定变换矩阵。

其中特征点的提取采用角点检测算法，运动信息评估方法采用光流法，透视变换矩阵求解采用透视变换求解算法。

本发明具有如下有益效果：

本发明能够从中大视场下运动场景中提取背景运动信息，通过提取特征点的运动信息，筛选出背景的特征点，通过背景特征点的运动信息确定变换矩阵，通过透视变换矩阵对背景运动信息进行提取；在得知背景运动信息后，即可对图像进行更多分析；如可以实现提取前景运动目标的相关信息；消除相机抖动带来的图像抖动；判断图像抖动特征；对于前后帧图像细微差异等。

附图说明

图1-图4是辅助本发明表达提取特征点的示意图；

图5是无人机拍摄背景运动场景的图片；

图6是前一帧图像经过H矩阵变换后与当前帧图像进行融合；

图7是本发明公开的提取背景运动信息的方法流程示意图。

具体实施方式

下面将结合附图1-图7对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种应用于中大视场下运动场景的背景运动信息提取的方法，具体是，首先对特征点的提取和约束，再透视变换矩阵求解与确定。

1、特征点的提取及约束说明如下：

令前一帧图像I

2、特征点运动信息提取方法如下：

当M≥M

3、特征点筛选方法如下：

对于当前帧，根据组合公式：

其中计算方法如下：

SETP1、计算两两向量之间距离的总和为最小时，保证A、B、C、D四个点的方向组成为四边形；保证图1不会产生图3中的O点，图2运用最小距离综合也不会产生交叉。

SETP2、计算四个首尾相连的四个向量间两两向量的夹角总和为2π时，图4情况即可被排除；

SETP3、计算两两向量夹角时，进行角度约束

即可排除三点或四点在一条直线的情况。同时β

通过上述方法确定第n次组合四个坐标：

SETP4、变换矩阵求解如下：

将

可列出到8个方程，求解8个未知数，解出透视变换矩阵H；

SETP 5、求最小损失值方法如下：

通过矩阵映射：

SETP 6、确定背景运动描述矩阵如下：

此时得到与之对应的变换矩阵，即为我们需要的背景运动信息描述矩阵。

本发明在实施时，如图5为无人机拍摄图片，是典型的背景运动场景。图中所展示为前一帧与当前帧图像的融合，其中红色特征点即为自动筛选的特征点。

图6所示，为前一帧图像经过H矩阵变换后与当前帧图像进行融合，可以看出背景几乎重叠

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。