[发明专利]一种基于运动检测与特征提取的综合性视频处理方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种基于运动检测与特征提取的综合性视频处理方法。

背景技术

数字视频编码系统通常由：视频采集、视频前处理、视频编码、码流传输四部分构成。其中视频采集、视频前处理、视频编码都会对视频质量产生重大影响。

在视频系统中，还可以集成视频智能分析模块。该模块分析输入的视频信号，再输出可被人所识别和接受的信息。常用的智能视频分析应用有移动侦测、车牌识别、人脸识别、周界检测等。

模拟视频信号由于采用了隔行扫描技术，会造成图像的运动部分出现边缘锯齿，严重影响图像质量，可通过运动补偿等方式去除隔行效应。通常的做法是静止部分保持不动，对运动部分进行帧内或帧间插值，从而可以有效保持静止部分的图像细节，同时去除运动部分的边缘锯齿。

噪声也会对图像质量产生严重影响，因此需要进行去噪以便为编码器提供良好的视频源。对噪声可以采用帧内或帧间的方式进行去除。帧内去噪仅使用同一帧内的数据，通过去高频等方式去除噪声。帧间去噪则将相邻的一系列帧结合起来处理，从而可以取得更好的去噪效果。实际操作时，可将两种方式相结合，即对图像的运动部分做帧内去噪，静止部分做帧间去噪。

在视频编码环节，编码器通过运动搜索和运动补偿产生参考图像，将参考图像与当前采集图像做差分后产生残差图像，再对残差编码。而运动搜索及补偿环节通常会占用大量的处理器资源，可达到编码总消耗的50%以上。

在当前的视频处理系统中，还可集成智能分析模块。常用的智能分析应用有：移动侦测、车牌定位与识别、人脸检测、流量检测等。智能分析可广泛应用于智能交通、商铺看家、库房安全、监狱等领域。

在以往的视频处理系统中，以上各个部分通常是独立的，将各个模块串联构成一个大的处理系统。但由于视频处理系统中数据量很大，计算量也很大，这样的一个系统会消耗大量的处理器资源，影响实时性，并导致系统变得更复杂。

发明内容

为了克服现有技术的上述缺点，本发明提供了一种基于运动检测与特征提取的综合性视频处理方法，将特征提取与运动检测模块作为公用模块，提取出图像的纹理、颜色、梯度、统计等特征，并结合运动检测，将运动检测与特征提取结果应用于去隔行、去噪、视频编码、智能分析中，从而可以有效减少运算量，提高系统实时性，并降低系统复杂性和硬件成本。

本发明解决其技术问题所采用的技术方案是：一种基于运动检测与特征提取的综合性视频处理方法，包括如下步骤：

第一步、读取当前视频帧的一个块；

第二步、提取常用的图像特征，并根据后续应用的需要记录一项或多项特征，这些特征供各个后续模块公用；

第三步、通过对第二步得到的一项或多项特征的选取与比较，判断当前块是否为运动块，并将判断结果作为输入提供给后续模块公用；

第四步、去隔行：如果当前块为静止块，则当前块保持不动；如果当前块为运动块，则通过帧内插值去除隔行效应；

第五步、去噪：如果当前块为静止块，则将去隔行后的块与参考块做帧间去噪；如果当前块为运动块，则做帧内去噪；

第六步、编码：在编码器侧，如果当前块为静止块，则取运动矢量为0，然后取残差进行编码；如果当前块为运动块，则根据运动量大小或其他常用特征进行处理；

第七步、智能分析； 

第八步、重复第一步，直至处理完当前视频帧。

与现有技术相比，本发明的积极效果是：通过一个公共的特征提取模块，将提取到的图像特征信息应用到后续的多个模块中，从而可以有效改善图像质量，降低处理器资源占用，提高运算的实时性，降低硬件成本和系统复杂性，有利于在同一个处理器上实现综合的一体式处理业务。

具体实施方式

本发明专利涉及到在视频采集、编码、智能分析的过程中，对数字视频信号进行去隔行、去噪、编码、智能分析等多种处理与应用。

一种基于运动检测与特征提取的综合性视频处理方法，包括如下步骤：

第一步、读取当前视频帧的一块数据，块大小没有严格要求，对标清及以下图像的块取4x4或8x8；对高清图像的块取4x4或8x8或16x16；

第二步、对常用特征进行提取：