CN119206193B 一种基于超高清8k视频的智能roi检测方法及其系统 （四川国创新视超高清视频科技有限公司）

一种基于超高清8k视频的智能roi检测方法本发明提供一种基于超高清8k视频的智能包括从超高清8K视频的图片帧序列中获取当前结合特征匹配及相似度评估对当前待处理帧中的前景区域与前序跟踪图片帧的跟踪结果进行当前待处理帧为跟踪图片帧时，利用待跟踪roi及其运动向量进行跟踪，确定当前待处理帧的roi并更新状态，实现了对超高清8K视频中运动2从超高清8K视频的图片帧序列中获取当前待使用背景减除法从所述当前待处理帧及其前后帧中提计算当前待处理帧中的前景区域与前后帧中的前景区域基于所述运动向量，并结合特征匹配及相似度评估对所述当前待处表示在当前待处理帧前已经处理过且其roi已被跟若所述当前待处理帧中的前景区域与前序跟踪图片帧的任一roi的特征匹配得分高于若当前待处理帧中的前景区域与前序跟踪图片帧的各roi的特征匹配得分均低于相似若前序跟踪图片帧的roi与当前待处理帧中的各前景区域的特征匹配得分均低于相似在所述roi匹配结果确定所述当前待处理帧为跟踪图片帧时，利用2.根据权利要求1所述的一种基于超高清8对所述当前待处理帧进行预处理，其中所述预处理包括色彩校正3.根据权利要求2所述的一种基于超高清构建背景模型，其中所述背景模型是基于所述超高清8将所述当前待处理帧及其前后帧分别与所述背景模型进行比对，通4.根据权利要求3所述的一种基于超高清8k视频的智能roi对当前待处理帧及其前后帧中的前景区域进行边界采用光流算法计算边界分割后的当前待处理帧中每个前景区域与其在前后帧中对应从所述光流场中，提取每个前景区域的运动向量，其中所述运动向量表35.根据权利要求4所述的一种基于超高清6.根据权利要求5所述的一种基于超高清8k视频的智能提取所述当前待处理帧中每个前景区域的特征描述符，以及所述前序跟计算所述当前待处理帧中的前景区域的特征描述符与所述前序跟踪图片帧的跟踪结根据所述特征匹配得分、预设的相似度阈值，以及前景区域的运动7.根据权利要求6所述的一种基于超高清8k视频利用已有的待跟踪roi及其对应的运动向量，采用卡尔曼滤波跟踪算法对所述当前待8.一种基于超高清8k视频的智能roi检测系统，用于执行如权利要求1至7任意一项所前景提取模块，用于使用背景减除法从所述当前待处理帧及其前后帧中提取前景区光流计算模块，用于计算当前待处理帧中的前景区域与前后帧中的前述前序跟踪图片帧表示在当前待处理帧前已经处理过且其roi已被跟踪的帧4[0001]本发明涉及图像处理技术领域，尤其涉及一种基于超高清8k视频的智能roi检测[0002]随着超高清视频技术的飞速发展，8K视频分辨率已成为当前视频技术的顶尖水[0004]因此，有必要提供一种基于超高清8k视频的智能roi检测方法及其系统解决上述[0005]为解决上述技术问题，本发明提供一种基于超高清8k视频的智能roi检测方法及[0006]本发明提供了一种基于超高清8k视频的智能roi检测方法，所述检测方法包括以片帧表示在当前待处理帧前已经处理过且其roi已[0016]优选的，所述使用背景减除法从所述当前待处理帧及其5[0019]优选的，所述计算当前待处理帧中的前景区域与前后帧中的前景区域之间的光[0021]采用光流算法计算边界分割后的当前待处理帧中每个前景区域与其在前后帧中域从前一帧到当前帧或从当前帧到后一帧的位移方[0026]计算所述当前待处理帧中的前景区域的特征描述符与所述前序跟踪图片帧的跟踪结果中的roi的特征描述符之间的特征匹配[0029]若所述当前待处理帧中的前景区域与前序跟踪图片帧的任一roi的特征匹配得分[0030]若当前待处理帧中的前景区域与前序跟踪图片帧的各roi的特征匹配得分均低于[0031]若前序跟踪图片帧的roi与当前待处理帧中的各前景区域的特征匹配得分均低于[0033]利用已有的待跟踪roi及其对应的运动向量，采用卡尔曼滤波跟踪算法对所述当[0035]本发明还提供了一种基于超高清8k视频的智能roi检测系统，用于执行所述的一6中所述前序跟踪图片帧表示在当前待处理帧前已经处理过且其roi已被跟踪[0040]跟踪与更新模块，用于在所述roi匹配结果确定所述当前待处理帧为跟踪图片帧[0041]与相关技术相比较，本发明提供的一种基于超高清8k视频的智能roi检测方法及[0044]图2为本发明提供的一种基于超高清8k视频的智能roi检测系统的模块结构示意7以显著提升最终ROI检测的效果，确保即使在复杂的视频环境中也能准确地识别和跟踪目[0062]在本实施例中，背景模型的构建是为了区分视频中的静态背景和动态前景对在实际应用中，背景模型通常是在视频开始阶段通过对一系列连续帧的统计分析来建立8[0070]在本实施例中，这一步骤是通过逐像素比较当前帧与背景模型之间的差异实现9[0085]S32：采用光流算法计算边界分割后的当前待处理帧中每个前景区域与其在前后[0089]对于每个像素点(x,y)，计算当前帧l1(x,y)与前一帧IO(x,y)和后一帧I2(x,y)之间的亮度变化I:(x,y)。lI:(x,y)=l1(x,y)-lo(x,y)lI:(x,y)=l2(x,y)-l1(x,y)uk(x,y)和vk(x,y)分别表示在第k次迭代时，像素点(x,y向和垂直方向上的光流分量；uk+1(x,y)和vk+1(x,y)分别表示在第像素点(x,y)在水平方向和垂直方向上的光流分量；分别表示图像在像素点(x,y)处的完成后，需要从光流场中提取出每个前景区域的运动向量，以便用于后续的ROI匹配和跟[0103]对于每个前景区域的边界像素，从光流场中提取其对应[0106]运动向量它能够提供前景区域的精确运动信息，这对于后续的ROI匹配和跟踪非在当前待处理帧前已经处理过且其roi已[0115]S42：计算当前待处理帧中的前景区域的特征描述符与前序跟踪图片帧的跟踪结[0118]使用特征匹配算法将当前待处理帧中的特征描述符与前序跟踪图片帧中的特征最接近的两个匹配点，如果最接近的匹配点与次接近的匹配点的距离比值小于某个阈值[0120]根据匹配结果，计算当前待处理帧中的前景区域与前序跟踪图片帧中的ROI之间[0123]若当前待处理帧中的前景区域与前序跟踪图片帧的任一roi的特征匹配得分高于[0124]若当前待处理帧中的前景区域与前序跟踪图片帧的各roi的特征匹配得分均低于[0125]若前序跟踪图片帧的roi与当前待处理帧中的各前景区域的特征匹配得分均低于刻的状态估计当前时刻的状态，更新步骤则利用当前时刻的观测数据对预测状态进行校[0146]本发明还提供了一种基于超高清8k视频的智能roi检测系统，用于执行的一种基[0148]前景提取模块200，用于使用背景减除法从当前待处理帧及其前后帧中提取前景[0149]光流计算模块300，用于计算当前待处理帧中的前景区域与前后帧中的前景区域序跟踪图片帧表示在当前待处理帧前已经处理过且其roi已被跟踪的帧在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指[0153]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存timeProgrammableRead