CN116366976B 一种基于自适应卡尔曼滤波的实时视频稳像方法 （浙江大学）

一种基于自适应卡尔曼滤波的实时视频稳本发明公开了一种基于自适应卡尔曼滤波机运动路径更加平滑的同时又有效减少了在不同拍摄场景下固定参数的卡尔曼滤波器所产生2S2：对原始视频帧序列进行Shi_Tomasi特征点检测S4：计算相机的运动参数及原始相机路径，由S5：采用传统卡尔曼滤波对旋转角度以及缩放比例两个运动参数进行固定参数的滤S6：由原始相机路径与平滑路径间的关系对原始视频帧步骤S5中，采用自适应卡尔曼滤波对水平位移与垂直2.根据权利要求1所述的一种基于自适应卡尔曼滤波的实时视频稳像方法，其特征在3.根据权利要求1所述的一种基于自适应卡尔曼滤波的实时视频稳像方法，其特征在视频序列中第k帧y方向上滤波结果与步骤S4获得的原始运动状态之间的偏4.根据权利要求1所述的一种基于自适应卡尔曼滤波的实时视频稳像方法，其特征在得到稳像后的视频序列。3估计旨在计算摄像机的全局运动，其计算结果将影响后续的运动滤波和运动补偿等步骤；运动滤波即为分离摄像机的扫描运动和抖动分量，消除或减轻视频帧序列中的随机抖动，4[0011]步骤5：采用传统卡尔曼滤波对旋转角度以及缩放比例两个运动参数进行固定参灰度差的平方和(SSD)作为特征匹配的相似度准则。[0015]进一步地，所述步骤S4中，采用随机抽样一致(RandomSampleConsensus，[0017](2)本发明针对传统卡尔曼滤波自适应性差的问题，自适应卡尔曼滤波器引入了[0018](3)本发明采用原始相机路径与平滑后的路径间的差异，求得相邻每帧的运动补[0021]图3为本发明实施例中自适应卡尔曼滤波算法与传统卡尔曼滤波算法追拍场景对[0022]图4为本发明实施例中自适应卡尔曼滤波算法与传统卡尔曼滤波算法抖动场景对5频帧序列；动窗口从而计算出窗口内灰度的变化。如果存在任意方向上的滑动都有着较大的灰度变[0038]假设一个包含特征纹理信息的特征窗口W，设t时刻对应的视频帧用I(x,y,t)表(Δx,Δy)求得。6使用仿射变换作为相邻帧间的全局运动，利用随机抽样一致(RandomSampleConsensus，[0050]步骤5：采用传统卡尔曼滤波对旋转角度以及缩放比例两个运动参数进行固定参7差Pi|i-1可以求出第i帧的更新协方应卡尔曼滤波方式达到平滑并与原始运动轨迹保持运动趋势令抖动矢量代表视频序列中第i帧x方向上滤波结果(即通过前述卡尔曼滤波获得的水平位移值)与原始运动状态(观测值，即通过前述步骤4中全局运动估计获得的水平位移值)之间的偏离程度，同理抖动矢量代表视频序列中第i帧y方向上滤波结果(即通过前述卡尔曼滤波获得的垂直位移值)与原始运动状态(观测值，即通过前述步骤4中全局运[0065]抖动参数可以在衡量出相机运动情况的基础上较好地反映运动滤波结果的偏离8转为跟踪效果。根据获取到的原始相机路径与理想运动路径，求解函数关系即通过上述拟定的函数关系进行卡尔曼滤波获得的运动预测值应当[0069]图3为追拍场景下，对视频水平运动采用自适应卡尔曼滤波算法与固定参数卡尔平滑路径，且相比固定参数下的卡尔曼滤波算法更为准