CN104270580A - 一种视频特效快速实现方法 - Google Patents

Abstract

本发明公开了一种视频特效快速实现方法，首先对当前帧进行高斯滤波，并利用当前帧之前的n帧图像建立背景的高斯混合模型，然后利用该模型获得运动目标区域，之后利用数学形态学方法消除杂散的噪声干扰；接着利用逐行扫描的办法计算出所获得的运动目标区域的最小外接矩形，并对该最小外接矩形内的图像进行特效处理；最后利用目标区域内外像素灰度值的区别来实现，从而快速实现目标区域的特效处理。本发明的有益效果是：在极大提高视频中隐私信息的保护速度的同时又避免造成处理过度，对于复杂的目标区域可以实现快速的特效以达到较好信息保护；同时避免了复杂区域内的计算比较，因而获得了较快的速度。该方案速度快，效果好，且易于实现。

Description

一种视频特效快速实现方法

技术领域

本发明涉及一种视频特效快速实现方法。 

背景技术

随着社会发展，摄像头逐渐遍布了我们生活的各个角落，视频也变得越来越普通。因为有了视频监控的保护，使得人身、财产安全得到了很好的维护。视频在提供给人们安全和娱乐的同时，也可能暴露许多与个人隐私相关的信息；因此，在视频中合理恰当地保护个人隐私显得越来越重要。 

目前，视频中对隐私信息的保护普遍采用特效处理方式，例如马赛克、模糊等。一般情况下，具体的实现方式是对于目标区域首先选择一个包含目标区域的较大的矩形区域，然后对这个矩形区域进行特效处理，进而起到视频中隐私保护的目的。这种方式对于将要保护的区域占据图像比例较小且目标区域比较集中时是有效的，如果将要保护的目标区域不规则并且所占图像的比例较小而其外接矩形较大，此时按照常规的特效保护方式就会造成隐私的过度保护现象，即许多非目标的区域也“被”特效了，如何只对目标所占据的区域进行特效处理，而对目标没有占据的区域不进行特效处理，是一个值得探索的问题。 

传统的方法是逐个判断某个像素是否在目标区域之内，如果在，则参与特效运算，如果不在，则不参与特效运算；这种方法比较耗时。 

发明内容

为解决以上技术上的不足，本发明提供了一种速度快，效果好，且易于实现的视频特效快速实现方法。 

本发明是通过以下措施实现的： 

本发明的一种视频特效快速实现方法，包括以下步骤： 

步骤1，保存原始视频并复制两份视频Ⅰ和视频Ⅱ，然后对视频Ⅰ中的当前帧图像进行高斯滤波，并利用当前帧图像之前的n帧图像建立背景的高斯混合模型； 

步骤2，利用背景差分思想和步骤1中建立的高斯混合模型获得经步骤1处理后的视频Ⅰ中的运动目标区域，将视频Ⅰ中运动目标区域和背景分别用白色和黑色像素来表示，并采用数学形态学方法消除杂散的噪声干扰； 

步骤3，利用逐行扫描的办法计算出视频Ⅰ中运动目标区域的最小外接矩形，并将视频Ⅱ中与该最小外接矩形区域所对应的图像进行特效处理； 

步骤4，在视频Ⅰ中，白色像素均在运动目标区域内，以此为对照，对原始视频进行最终处理，即选定原始视频中与视频Ⅰ中运动目标所在的白色像素对应位置的原始像素，将其替换为视频Ⅱ中与视频Ⅰ中白色像素对应位置的经过特效处理的像素。 

本发明的有益效果是：可以快速实现目标区域的特效处理，极大提高视频中隐私信息的保护速度的同时又避免造成处理过度，对于复杂的目标区域可以实现快速的特效以达到较好信息保护；同时避免了复杂区域内计算比较，因而获得了较快的速度。该方案速度快，效果好，且易于实现。 

具体实施方式

为了满足视频中隐私信息保护时的处理速度要求和避免造成过度处理现象，本发明首先对当前帧进行高斯滤波，并利用当前帧之前的n帧图像建立背景的高斯混合模型，然后利用背景差分法和该高斯混合模型获得运动目标区域，之后利用数学形态学方法消除杂散的噪声干扰；然后利用逐行扫描的办法计算出差分后所获得的目标区域的最小外接矩形，接着将该 最小外接矩形内的图像进行马赛克、模糊、雕塑、反色、素描、边缘检测、灰度拉伸特效处理；然后利用了目标区域内外像素灰度值的区别来实现运动目标的快速特效，该方法绕开了隐式曲线的计算难题，极大提高了特效实现的效率。 

本发明的特效快速实现方法，包括以下步骤： 

步骤1，保存原始视频并两份视频Ⅰ和视频Ⅱ，然后对视频Ⅰ当前帧进行高斯滤波，并利用当前帧之前的n帧图像建立背景的高斯混合模型；高斯滤波是一种信号滤波器，其用途为用于信号的平滑处理。在图像处理过程中噪声是最大的问题，因为误差会累计传递等原因，大多图像处理过程都会选择对获得的图像进行滤波，用于得到信噪比SNR较高的图像。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。下面分别是3×3和5×5两个高斯滤波模板。 

$\frac{1}{16}\×\left[\begin{array}{ccc}1& 2& 1\\ 2& 4.& 2\\ 1& 2& 1\end{array}\right]$

高斯混合模型(Gaussian Mixture Model,GMM)是指用多个高斯分布来共同描述一个像素点的像素值分布，通常使用K表示高斯分布的数量，一般情况下K∈{3,4,5}。在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点，否则为前景点。 

一般情况下，高斯混合模型具有如下形式： 

$p\left(x_i\right)={\mathrm{\Σ}}_{j=1}^M{a}_j{N}_j(x_i;{\mathrm{\μ}}_j,{\mathrm{\Σ}}_j)$

N_j(x_i；μ_j,Σ_j)表示第j个单高斯模型的概率密度分布。 

步骤2，利用背景差分思想和步骤1中建立的高斯混合模型获得经步骤1处理后的视频Ⅰ中的运动目标区域，将视频Ⅰ中运动目标区域和背景分别用白色和黑色像素来表示，并采用数学形态学方法消除杂散的噪声干扰； 

利用背景差分法获得运动目标区域，即将当前帧各个像素与背景各个对应像素的高斯混合模型进行比较，如果当前像素值与对应像素的高斯混合模型中某个模型的均值的差小于规定阈值，即认为当前像素为背景，否则即为目标像素。 

数学形态学方法主要是指腐蚀与膨胀。 

腐蚀： $S=X\⊗B=\left\{(x,y)\right|B(x,y)\⊆X\}$

其中，S表示腐蚀后的二值图像集合，B(x,y)表示用来进行腐蚀的结构元素，X表示原图像经过二值化后的像素集合。 

膨胀：

其中，S表示膨胀后的二值图像集合，B(x,y)表示用来进行膨胀的结构元素，X表示原图像经过二值化后的像素集合，表示空集。 

步骤3，利用逐行扫描的办法计算出视频Ⅰ中运动目标区域的最小外接矩形，并将视频Ⅱ中与该最小外接矩形区域所对应的图像进行特效处理。 

实现多种特效的基本方法是： 

马赛克：用某一区域内的像素平均值代替该区域内所有像素。 

模糊：指的是高斯模糊，即根据二维正态分布公式生成一个高斯矩阵,求新图像中每个像素值时，将高斯矩阵的中心对准原始图像的该像素,并将 高斯矩阵所涉及的像素加权平均作为新图像该像素的值。 

雕塑：分为两种，浮雕和雕刻。浮雕效果是指图像的前景前向凸出背景，即将图像上一个像素和它左上方的像素之间进行差值，为了使图像保持一定的亮度并呈现灰色，在处理过程中给这个差值加一个数值为128的常量。雕刻是将一个像素和它右下方的像素之间进行差值并加上一个常数128，经过这样处理，就可以得到"雕刻"图像，此时图像的前景凹陷进背景之中。 

反色：用255减去图像中每个像素的像素值，并用此值取代此处原来的像素值。 

素描：主要利用边缘检测算子，例如Sobel、Laplacian和Canny算子等。其中一种简单的实现方法是：首先利用高斯滤波对于原始图像进行降噪，然后利用边缘检测算子对于图像进行边缘检测，再对于边缘检测的图像进行反色，最后再利用高斯滤波进行模糊处理。 

灰度拉伸：有选择的拉伸某段灰度区间以改善输出图像，可以利用简单的分段线性变换函数，其主要思想是改变灰度级的动态范围。 

步骤4，在视频Ⅰ中，白色像素均在运动目标区域内，以此为对照，对原始视频进行最终处理，即选定原始视频中与视频Ⅰ中运动目标所在的白色像素对应位置的原始像素，将其替换为视频Ⅱ中与视频Ⅰ中白色像素对应位置的经过特效处理的像素。 

以上所述仅是本专利的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本专利的保护范围。 

Claims (1)

1.一种视频特效快速实现方法，其特征在于，包括以下步骤：

步骤1，保存原始视频并复制两份视频Ⅰ和视频Ⅱ，然后对视频Ⅰ中的当前帧图像进行高斯滤波，并利用当前帧图像之前的n帧图像建立背景的高斯混合模型；

步骤2，利用背景差分思想和步骤1中建立的高斯混合模型获得经步骤1处理后的视频Ⅰ中的运动目标区域，将视频Ⅰ中运动目标区域和背景分别用白色和黑色像素来表示，并采用数学形态学方法消除杂散的噪声干扰；

步骤3，利用逐行扫描的办法计算出视频Ⅰ中运动目标区域的最小外接矩形，并将视频Ⅱ中与该最小外接矩形区域所对应的图像进行特效处理；

步骤4，在视频Ⅰ中，白色像素均在运动目标区域内，以此为对照，对原始视频进行最终处理，即选定原始视频中与视频Ⅰ中运动目标所在的白色像素对应位置的原始像素，将其替换为视频Ⅱ中与视频Ⅰ中白色像素对应位置的经过特效处理的像素。