基于運動特性的視頻顯著區的提取方法和裝置制造方法及圖紙

本發明專利技術提供了一種基于運動特性的視頻顯著區的提取方法和裝置，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對該目標圖像顯著區進行運動特性運算，以算出該目標圖像顯著區的運動特性因子，根據相鄰的兩個目標圖像顯著區的運動特性因子，計算該相鄰的兩個目標圖像顯著區的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到該待提取圖像的圖像顯著區，將該待提取圖像的圖像顯著區進行疊加，得到該目標視頻的視頻顯著區。在提取視頻顯著區時，加入了反映運動連貫性的運動特性因子，使提取的視頻顯著區更加準確。同時，減少了計算量，節省了計算時間和運算資源，提高了運算效率。

Method and device for extracting video salient area based on motion characteristic

The present invention provides a method and device for extracting the motion characteristics of the video was based on the image is extracted from the target, to acquire the video, from the extraction of multiple images significant area image saliency map, and the target motion characteristics of computing image salient region, in order to calculate the motion factor the target image salient region, according to the motion characteristics of the two factors significant area adjacent to the target image, target image similarity calculation of two significant areas of the adjacent, and merge the two significant areas adjacent to the image similarity is greater than the preset similarity, the extracted image significant area image, will be the a significant area image extraction of image overlay, the target video salient region. In the salient region of the extracted video, the motion characteristic factor reflecting the motion coherence is added to make the extracted video salient area more accurate. At the same time, the amount of calculation is reduced, the computing time and computing resources are saved, and the operation efficiency is improved.

【技術實現步驟摘要】
基于運動特性的視頻顯著區的提取方法和裝置
本專利技術屬于視頻領域，尤其涉及一種基于運動特性的視頻顯著區的提取方法和裝置。
技術介紹
視頻顯著區為某段視頻中，具有顯著性的區域。通常，通過視頻顯著區可以準確的對視頻中的各種信息進行分析，如視頻語音分析、目標識別以及視頻編碼。現有技術中，通常利用視覺注意模型(VisualAttentionModel，VAM)提取視頻中單幀圖像的顯著區，即提取視頻中單幀圖像的亮度、顏色或方向，并以提取的亮度、顏色或方向作為視頻顯著區。然而，現有的視頻顯著區的提取方法僅僅將視頻中單幀圖像的亮度、顏色或方向作為該視頻的圖像顯著區，忽略了視頻中各幀圖像之間的運動的連貫性，從而導致提取到的視頻顯著區不準確。
技術實現思路
本專利技術提供一種基于運動特性的視頻顯著區的提取方法和裝置，旨在解決提取的視頻顯著區不準確的問題。本專利技術提供一種基于運動特性的視頻顯著區的提取方法，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對該目標圖像顯著區進行運動特性運算，以算出該目標圖像顯著區的運動特性因子，根據相鄰的兩個目標圖像顯著區的運動特性因子，計算該相鄰的兩個目標圖像顯著區的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到該待提取圖像的圖像顯著區，將該待提取圖像的圖像顯著區進行疊加，得到該目標視頻的視頻顯著區。本專利技術提供一種基于運動特性的視頻顯著區的提取裝置，該裝置包括獲取模塊、提取模塊、運算模塊和疊加模塊；獲取模塊用于從目標視頻中獲取待提取圖像，提取模塊用于從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區，運算模塊用于對該目標圖像顯著區進行運動特性運算，以算出該目標圖像顯著區的運動特性因子，以及，根據相鄰的兩個目標圖像顯著區的運動特性因子，計算該相鄰的兩個目標圖像顯著區的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到該待提取圖像的圖像顯著區，疊加模塊用于將該待提取圖像的圖像顯著區進行疊加，得到該目標視頻的視頻顯著區。本專利技術提供了一種基于運動特性的視頻顯著區的提取方法和裝置，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對該目標圖像顯著區進行運動特性運算，以算出該目標圖像顯著區的運動特性因子，根據相鄰的兩個目標圖像顯著區的運動特性因子，計算該相鄰的兩個目標圖像顯著區的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到該待提取圖像的圖像顯著區，將該待提取圖像的圖像顯著區進行疊加，得到該目標視頻的視頻顯著區。本專利技術與現有技術相比，有益效果在于：在提取視頻顯著區時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區更加準確。同時，只需計算目標圖像顯著區的運動特性因子，大大減少了計算量，節省了計算時間和運算資源，提高了運算效率。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例。圖1是本專利技術第一實施例提供的一種基于運動特性的視頻顯著區的提取方法的實現流程示意圖；圖2是本專利技術第二實施例提供的一種基于運動特性的視頻顯著區的提取方法的實現流程示意圖；圖3是本專利技術第二實施例提供的一種待提取圖像的空域顯著圖；圖4是本專利技術第二實施例提供的空域顯著圖中的圖像顯著區經二值化處理后的圖像；圖5是本專利技術第三實施例提供的一種基于運動特性的視頻顯著區的提取裝置的結構示意圖；圖6是本專利技術第四實施例提供的一種基于運動特性的視頻顯著區的提取裝置的結構示意圖。具體實施方式為使得本專利技術的專利技術目的、特征、優點能夠更加的明顯和易懂，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分實施例，而非全部實施例。基于本專利技術中的實施例，本領域技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。本專利技術實施例提供的基于運動特性的視頻顯著區的提取方法可以應用于各種終端設備，如電腦、手機、平板電腦等終端以及其它終端。請參閱圖1，圖1為本專利技術第一實施例提供的一種基于運動特性的視頻顯著區的提取方法的實現流程示意圖，圖1所示的基于運動特性的視頻顯著區的提取方法主要包括以下步驟：S101、從目標視頻中獲取待提取圖像。該目標視頻為視頻中包含同一場景的多幀圖像組成的視頻。該目標視頻可以為視頻的一部分，也可以為視頻的全部。S102、從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對該目標圖像顯著區進行運動特性運算，以算出該目標圖像顯著區的運動特性因子。該目標圖像顯著區為該待提取圖像具有顯著性的區域。該運動特性因子用于表示該目標圖像顯著區的運動連貫性。S103、根據相鄰的兩個目標圖像顯著區的運動特性因子，計算該相鄰的兩個目標圖像顯著區的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到該待提取圖像的圖像顯著區。該相似度用于表示兩個圖像顯著區的運動特性因子的相似性。S104、將該待提取圖像的圖像顯著區進行疊加，得到該目標視頻的視頻顯著區。本專利技術實施例中，從目標視頻中獲取待提取圖像，從該待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對該目標圖像顯著區進行運動特性運算，以算出該目標圖像顯著區的運動特性因子，根據相鄰的兩個目標圖像顯著區的運動特性因子，計算該相鄰的兩個目標圖像顯著區的相似度，并將該相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到該待提取圖像的圖像顯著區，將該待提取圖像的圖像顯著區進行疊加，得到該目標視頻的視頻顯著區。這樣，在提取視頻顯著區時，加入了能反映運動連貫性的運動特性因子，可以使提取的視頻顯著區更加準確。同時，只需計算目標顯著區的運動特性因子，大大減少了計算量，節省了計算時間和運算資源，提高了運算效率。請參閱圖2，圖2為本專利技術第二實施例提供的一種基于運動特性的視頻顯著區的提取方法的實現流程示意圖，可應用于所有具有顯示功能的顯示圖像裝置中，圖1所示的基于運動特性的視頻顯著區的提取方法主要包括以下步驟：S201、從目標視頻中獲取待提取圖像。該目標視頻為視頻中包含同一場景的多幀圖像組成的視頻。該目標視頻可以為視頻的一部分或全部。該待提取圖像為該目標視頻中的圖像。S202、對該待提取圖像進行冗余運算，得到該待提取圖像的空域顯著圖。進一步地，對該待提取圖像進行冗余運算，得到該待提取圖像的空域顯著圖，具體包括：對該待提取圖像進行頻譜冗余運算，得到該待提取圖像的頻譜冗余。設該待提取圖像為第i幀，該待提取圖像的頻譜冗余為R(i)，則，R(i)＝A(i)-I(i)；其中，I(i)＝A(i)×hn(i),A(i)為對數振幅譜，hn(i)為n×n的均值濾波器，為頻域對數譜，g(i)為高斯濾波函數。對該待提取圖像的頻譜冗余和該待提取圖像的相位譜進行譜冗余運算，得到該待提取圖像的空域顯著圖。設SS(i)為該待提取圖像的空域顯著圖，則，其中，為傅立葉反變換，P(i)為該待提取圖像的相位譜。如圖3所示，圖3示出了本專利技術實施例中該待提取圖像的空域顯著圖，其中，灰度值越大的區域，顯著性越高。S2本文檔來自技高網...

【技術保護點】
一種基于運動特性的視頻顯著區的提取方法，其特征在于，所述方法包括：從目標視頻中獲取待提取圖像；從所述待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對所述目標圖像顯著區進行運動特性運算，以算出所述目標圖像顯著區的運動特性因子；根據相鄰的兩個目標圖像顯著區的運動特性因子，計算所述相鄰的兩個目標圖像顯著區的相似度，并將所述相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到所述待提取圖像的圖像顯著區；將所述待提取圖像的圖像顯著區進行疊加，得到所述目標視頻的視頻顯著區。

【技術特征摘要】
1.一種基于運動特性的視頻顯著區的提取方法，其特征在于，所述方法包括：從目標視頻中獲取待提取圖像；從所述待提取圖像的空域顯著圖中提取多個目標圖像顯著區，并對所述目標圖像顯著區進行運動特性運算，以算出所述目標圖像顯著區的運動特性因子；根據相鄰的兩個目標圖像顯著區的運動特性因子，計算所述相鄰的兩個目標圖像顯著區的相似度，并將所述相似度大于預置相似度的兩個相鄰的圖像顯著區進行合并，得到所述待提取圖像的圖像顯著區；將所述待提取圖像的圖像顯著區進行疊加，得到所述目標視頻的視頻顯著區。2.根據權利要求1所述的方法，其特征在于，所述從所述待提取圖像的空域顯著圖中提取多個目標圖像顯著區，具體包括：對所述待提取圖像進行冗余運算，得到所述待提取圖像的空域顯著圖；將所述空域顯著圖中灰度值大于預置灰度值的像素點組成的區域確定為所述目標圖像顯著區。3.根據權利要求2所述的方法，其特征在于，所述對所述待提取圖像進行冗余運算，得到所述待提取圖像的空域顯著圖，具體包括：對所述待提取圖像進行頻譜冗余運算，得到所述待提取圖像的頻譜冗余；對所述待提取圖像的頻譜冗余和所述待提取圖像的相位譜進行譜冗余運算，得到所述待提取圖像的空域顯著圖。4.如權利要求1所述的方法，其特征在于，所述對所述目標圖像顯著區進行運動特性運算，以算出所述目標圖像顯著區的運動特性因子，具體包括:在所述目標圖像顯著區中提取運動目標，并分別對所述運動目標的相對運動矢量和背景運動矢量進行二范數運算，得到所述目標圖像顯著區的相對運動矢量強度和背景運動矢量強度；對所述相對運動矢量強度和所述背景運動矢量強度進行加權運算，得到所述目標圖像顯著區的運動因子；將所述目標圖像顯著區的運動因子與所述目標視頻中的目標圖像顯著區的運動因子的最大值進行除法運算，并對算出的參數進行對數運算，以得到所述目標圖像顯著區的運動特性因子。5.如權利要求1所述的方法，其特征在于，所述根據相鄰的兩個目標圖像顯著區的運動特性因子，計算所述相鄰的兩個目標圖像顯著區的相似度，具體包括：在所述多個目標圖像顯著區中，選取相鄰的兩個目標圖像顯著區；將所述兩個目標圖像顯著區的運動特性因子的最大值與所述兩個目標圖像顯著區的運動特性因子的差值的絕對值進行減法運算，得到目標值；將所述目標值與所述兩個目標圖像顯著區的運動特性因子的最大值進行除法運算，并將算出的商作為所述相鄰兩個目標圖像顯著區的...

【專利技術屬性】
技術研發人員：周鶯，龍玥，梁永生，趙立霞，
申請(專利權)人：深圳信息職業技術學院，
類型：發明
國別省市：廣東,44