CN107968916A - 一种适用于非固定场景的快速视频稳像方法 - Google Patents

一种适用于非固定场景的快速视频稳像方法 Download PDF

Info

Publication number
CN107968916A
CN107968916A CN201711262343.5A CN201711262343A CN107968916A CN 107968916 A CN107968916 A CN 107968916A CN 201711262343 A CN201711262343 A CN 201711262343A CN 107968916 A CN107968916 A CN 107968916A
Authority
CN
China
Prior art keywords
point
method suitable
fixed scene
fast
characteristic point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711262343.5A
Other languages
English (en)
Inventor
李振宇
郭锐
张峰
卢士彬
白万建
许玮
慕世友
李超英
傅孟潮
李建祥
赵金龙
王万国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Shandong Luneng Intelligence Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Shandong Luneng Intelligence Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, Shandong Luneng Intelligence Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711262343.5A priority Critical patent/CN107968916A/zh
Publication of CN107968916A publication Critical patent/CN107968916A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
    • H04N23/681—Motion detection
    • H04N23/6811—Motion detection based on the image signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
    • H04N23/681—Motion detection
    • H04N23/6815—Motion detection by distinguishing pan or tilt from motion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
    • H04N23/682—Vibration or motion blur correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种适用于非固定场景的快速视频稳像方法，针对视频序列中存在的旋转和平移运动，通过快速特征提取以及特征匹配筛选结果，求解出图像间的相似变换模型，得到全局运动估计参数；通过对运动估计参数进行滤波，去除摄像机随机抖动，保留正常的扫描运动，根据滤波结果，利用适用于非固定场景的帧间补偿法，实现视频稳像的目的。本发明的视频序列稳像方法可以自动地、实时地消除非固定场景下视频序列的抖动，包括平移和旋转运动。

Description

一种适用于非固定场景的快速视频稳像方法
技术领域
本发明属于数字图像处理技术领域，涉及一种适用于非固定场景的快速视频稳像方法。
背景技术
随着科技的发展，数字摄像机等摄像设备在日常生产、生活已经得到广泛应用。但是在使用数字摄像机时，由于载体设备的抖动会造成拍摄的视频序列出现旋转、偏移以及缩放等情况，观察人员在查看该类视频序列时，很容易产生视觉疲劳，有必要去除不必要的抖动，因此衍生出了稳像技术。
稳像措施分为机械稳像和数字稳像。机械稳像是通过传感器件检测摄像平台的抖动，然后经过伺服系统的调整达到稳定图像的目的，但此类措施，设备造价普遍较高，精度难以满足要求；数字稳像是根据视频序列信息进行运动估计，然后对每一帧图像进行运动滤波和运动补偿得到稳定的图像，此类方法关键在于图像算法的研究，在实际应用中有更大的适用性。在数字稳像中多提取sift特征进行图像匹配作为视频稳像的基础，但sift特征提取与匹配速度较慢，难以满足图像实时性处理要求，另外多是针对固定摄像机场景，当摄像机搭载在运动平台上，在场景不固定时，缺乏有效的处理方法。
在非固定场景中，数字摄像机通常安装在运动平台上，采集的视频信息，会由于运动平台在运动过程以及大风等天气情况影响下会产生晃动，导致拍摄的视频序列包含抖动噪声，本发明针对此类场景，提出数字稳像方法。
发明内容
本发明为了解决上述问题，提出了一种适用于非固定场景的快速视频稳像方法，本发明能够实现自动、快速地消除视频序列的抖动。
为了实现上述目的，本发明采用如下技术方案：
一种适用于非固定场景的快速视频稳像方法，针对视频序列中存在的旋转和平移运动，通过快速特征提取以及特征匹配筛选结果，求解出图像间的相似变换模型，得到全局运动估计参数；通过对运动估计参数进行滤波，去除摄像机随机抖动，保留正常的扫描运动，根据滤波结果，利用适用于非固定场景的帧间补偿法，实现视频稳像的目的。
进一步的，具体包括：提取当前帧图像与参考帧图像的特征点，对特征点进一步优化，利用添加尺度不变性的BRIEF算子对特征进行描述，通过计算特征描述子的汉明距离匹配特征点，剔除错误的匹配点，利用筛选后匹配的特征点对，通过最小二乘法求解两幅图像之间的相似变换参数，进行运动轨迹的滤波，将滤波后的运动参数利用帧间补偿实现视频序列稳像的目的。
进一步的，特征提取的具体过程包括：依据原始图像构建尺度图像高斯金字塔，即对原始图像用高斯内核卷积，对经过高斯模糊处理后的图像去除所有偶数行与偶数列像素，形成分辨率更小的图像，通过多次迭代构造出包含多个层级的图像高斯金字塔，在每一层高斯金字塔图像上提取FAST特征点，来实现尺度不变性，FAST特征检测过程是通过在以一定半径的圆上，比较中心像素值与圆上像素的大小，如果连续一定圆上像素数目比中心像素大或者小则判定中心像素为角点。
进一步的，根据Harris角点响应值对检测出的FAST特征点进行排序，选取响应值在前一定比例的点作为提取的特征点。
进一步的，利用灰度质心法为FAST特征添加一个方向，通过矩来计算在以一定半径范围内特征点的质心，特征点坐标到质心形成的向量方向为特征点的方向。
进一步的，采用BRIEF算子作为特征描述子，在特征点的周围以一定模式选取n个点对，把这n个点对的比较结果组合起来作为该特征点的描述子，根据特征点方向提取旋转不变描述子，以克服BRIEF算子对方向的敏感性。
进一步的，通过汉明距离来匹配特征点，当两个特征点的汉明距离小于设定的阈值时，则判定特征点匹配成功。
进一步的，使用RANSAC算法进行特征点误匹配初步筛选，通过随机抽样验证，在含有噪声的观测数据中得到有效数据，图像匹配特征点之间的距离与斜率会在所有匹配点平均距离与平均斜率附近波动，如果波动超过阈值，则判定为误匹配点，予以剔除。
进一步的，基于筛选后的匹配特征点对，通过最小二乘法估计旋转角度、水平方向位移以及垂直方向位移，采用相似变换模型作为图像之间的变换模型。
进一步的，通过kalman滤波算法对运动轨迹进行滤波，然后通过B样条拟合来平滑滤波轨迹，从而估算出视频序列每一帧图像的运动补偿参数，通过对图像进行反向补偿达到稳像的目的。
进一步的，采用帧间补偿的方法，选取当前帧图像的前一帧图像作为参考图像，通过当前帧图像与参考帧图像特征匹配，经运动滤波后估算出运动参数。
与现有技术相比，本发明的有益效果为：
本发明的数字视频稳像方法采用了更快的特征提取与匹配算法，并优化了特征点误匹配删除与运动滤波方法，可以自动地、实时地消除非固定场景下视频序列的抖动，包括平移和旋转运动。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明具体实施方式的流程图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。
本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。
正如背景技术所介绍的，现有技术中存在在非固定场景中，数字摄像机通常安装在运动平台上，采集的视频信息，会由于运动平台在运动过程以及大风等天气情况影响下会产生晃动，导致拍摄的视频序列包含抖动噪声的不足，为了解决如上的技术问题，本申请提出了一种适用于非固定场景的快速视频稳像方法，实现自动、快速地消除视频序列的抖动。
本发明的视频稳像方法是针对非固定场景、存在平移和旋转变化的视频序列抖动，而设计的一种基于快速特征点匹配和相似变换模型来确定两幅图像之间的全局运动参数，并通过对抖动图像进行运动补偿实现稳像的方法，该方法的具体实施过程如下：
1、特征提取方法
具体采用如下步骤实现：
(1)特征点提取
首先依据原始图像构建尺度图像高斯金字塔，即对原始图像用高斯内核卷积，对经过高斯模糊处理后的图像去除所有偶数行与偶数列像素，形成分辨率更小的图像，通过多次迭代构造出包含多个层级的图像高斯金字塔；在每一层高斯金字塔图像上提取FAST(Features from Accelerated Segment Test)特征点，来实现尺度不变性，FAST特征检测过程是通过在以一定半径的圆上，比较中心像素值与圆上像素的大小，如果连续一定圆上像素数目比中心像素大或者小则判定中心像素为角点；然后本发明根据Harris角点响应值对检测出的FAST特征点进行排序，选取响应值在前70％的点(若总共检测出100个FAST特征点，则提取Harris角点响应值排序靠前的70个点)作为提取的特征点。
由于FAST特征不具备方向性，利用灰度质心法为FAST特征添加一个方向，具体是通过矩来计算在以r为半径范围内特征点的质心，特征点坐标到质心形成的向量方向为特征点的方向。矩定义如下：
其中，I(x,y)为图像像素点(x,y)的像素值。该矩的质心为：
图像特征点与质心之间形成一个方向向量，于是可以用方向向量的角度来表征特征点的方向，计算公式如下：
(2)特征点描述
本发明采用BRIEF(Binary Robust IndependentElementary Features)算子作为特征描述子。BRIEF算法的核心思想是在特征点的周围以一定模式选取n个点对，把这n个点对的比较结果组合起来作为该特征点的描述子。本发明通过在以特征点为中心的半径为17的圆上，利用高斯概率分布随机选取128个点对，通过对应位置点对比较大小，以点对(m,n)为例，如果I(m)>I(n)则用1表示这个点对，否则用0表示，依次形成128维的二进制向量来代表描述符。
由于BRIEF描述符缺乏旋转不变性，所以抵抗图像平面旋转的能力较差，需要添加旋转不变性，增强抵抗噪声的能力。对于一个特征点来说，BRIEF描述子是通过n个点对的比较结果构成的，将n个点对(2n个点)组合到一起形成一个矩阵B，矩阵B形式如下：
然后利用特征点的方向构造旋转矩阵，旋转矩阵形式如下：
通过旋转矩阵对矩阵B进行校正，使其具有旋转不变性，校正公式如下：
Sθ＝RθS
根据特征点方向提取旋转不变描述子，克服了BRIEF算子对方向的敏感性。
(3)特征点匹配
经过BRIEF算子提取得到的特征点描述符是一个二进制的字符串。本发明通过汉明距离来匹配特征点，当两个特征点A、B的汉明距离小于设定的阈值时，则判定特征点匹配成功。
2、特征点筛选
本发明使用二进制串作为特征描述，容易造成特征点误匹配情况的发生。针对此类情况，本发明首先通过RANSAC算法进行特征点误匹配初步筛选，RANSAC算法的核心思想是通过随机抽样验证，在含有噪声的观测数据中得到有效数据。
Ransac算法在区域特征相似的情况下，不能很好地剔除误匹配点，针对视频序列之间缩放不明显，存在是水平与垂直方向上的偏移以及小范围内的旋转的情况，本发明提出了运动一致性抑制方法与斜率一致性抑制方法。在上述情况下，图像匹配特征点之间的距离与斜率会在所有匹配点平均距离与平均斜率附近波动，如果波动过大，则判定为误匹配点，予以剔除。
假设经过Ransac特征匹配筛选后，得到参考帧图像与当前帧图像对应的n个匹配点对，若将两幅图像左右对齐成一幅图像，在对齐图像中，参考帧中的特征点用p1,p2,...,pn表示，当前帧中的相对应的匹配特征点用q1,q2,...,qn表示，各个匹配点对的相对距离用d1,d2,...,dn表示，各个匹配点对连线斜率用k1,k2,...,kn表示，则所有匹配点对的平均距离与平均斜率可表示为：
对于两个匹配点(p1,q1)，若并且则判定两个匹配点匹配成功，否则判定为是误匹配点，其他匹配点依次类似判断。
3、全局运动参数估计
本发明针对抖动图像之间存在旋转与偏移的情况，基于筛选后的匹配特征点对，通过最小二乘法估计旋转角度、水平方向位移以及垂直方向位移。本发明采用相似变换模型作为图像之间的变换模型，相似变换模型如下：
式中，(x1,y1)与(x1',y1')代表视频序列中2帧图像上的匹配点，Δθ为旋转角度，Δx、Δy分别为水平方向和垂直方向上的位移量。
本发明在旋转角度很小(Δθ≤5°)的场景中，将cosΔθ近似为1，将sinΔθ近似为0，从而简化运动参数求解过程。
4、运动滤波
采集视频的摄像机是安装在运动平台上的，所以摄像机正常的扫描运动与随机抖动是同时存在的。摄像机正常的扫描运动在一定时间内方向和幅值具有一致性，属于低频运动，而随机抖动是无规律的突变运动，属于高频运动，所以本发明将全局运动参数中低频成分认定为由摄像机正常的扫描运动引起，而将高频成分认定为由摄像机随机抖动引起。本发明采用轨迹滤波的方法，首先通过kalman滤波算法对运动轨迹进行滤波，然后通过B样条拟合来平滑滤波轨迹，从而估算出视频序列每一帧图像的运动补偿参数，通过对图像进行反向补偿达到稳像的目的。
5、视频稳像
本发明在视频稳像过程中，采用帧间补偿的方法，选取当前帧图像的前一帧图像作为参考图像，通过当前帧图像与参考帧图像特征匹配，经运动滤波后估算出运动参数。具体步骤是：首先以第一帧图像作为参考帧，第二帧图像以参考帧为基准做运动补偿，然后补偿后的第二帧再作为第三帧图像的参考帧，以此类推。相比于固定帧补偿方法，本发明方法更适用于非固定视频抖动场景。
综上所述，本发明的视频稳像方法，可以自动地、快速地消除视频图像序列的抖动，实现非固定场景中视频稳像的目的。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种适用于非固定场景的快速视频稳像方法，其特征是：针对视频序列中存在的旋转和平移运动，通过快速特征提取以及特征匹配筛选结果，求解出图像间的相似变换模型，得到全局运动估计参数；通过对运动估计参数进行滤波，去除摄像机随机抖动，保留正常的扫描运动，根据滤波结果，利用适用于非固定场景的帧间补偿法，实现视频稳像的目的。
2.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：具体包括：提取当前帧图像与参考帧图像的特征点，对特征点进一步优化，利用添加尺度不变性的BRIEF算子对特征进行描述，通过计算特征描述子的汉明距离匹配特征点，剔除错误的匹配点，利用筛选后匹配的特征点对，通过最小二乘法求解两幅图像之间的相似变换参数，进行运动轨迹的滤波，将滤波后的运动参数利用帧间补偿实现视频序列稳像的目的。
3.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：特征提取的具体过程包括：依据原始图像构建尺度图像高斯金字塔，即对原始图像用高斯内核卷积，对经过高斯模糊处理后的图像去除所有偶数行与偶数列像素，形成分辨率更小的图像，通过多次迭代构造出包含多个层级的图像高斯金字塔，在每一层高斯金字塔图像上提取FAST特征点，来实现尺度不变性，FAST特征检测过程是通过在以一定半径的圆上，比较中心像素值与圆上像素的大小，如果连续一定圆上像素数目比中心像素大或者小则判定中心像素为角点。
4.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：根据Harris角点响应值对检测出的FAST特征点进行排序，选取响应值在前一定比例的点作为提取的特征点。
5.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：利用灰度质心法为FAST特征添加一个方向，通过矩来计算在以一定半径范围内特征点的质心，特征点坐标到质心形成的向量方向为特征点的方向。
6.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：采用BRIEF算子作为特征描述子，在特征点的周围以一定模式选取n个点对，把这n个点对的比较结果组合起来作为该特征点的描述子，根据特征点方向提取旋转不变描述子，以克服BRIEF算子对方向的敏感性。
7.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：通过汉明距离来匹配特征点，当两个特征点的汉明距离小于设定的阈值时，则判定特征点匹配成功。
8.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：使用RANSAC算法进行特征点误匹配初步筛选，通过随机抽样验证，在含有噪声的观测数据中得到有效数据，图像匹配特征点之间的距离与斜率会在所有匹配点平均距离与平均斜率附近波动，如果波动超过阈值，则判定为误匹配点，予以剔除。
9.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：基于筛选后的匹配特征点对，通过最小二乘法估计旋转角度、水平方向位移以及垂直方向位移，采用相似变换模型作为图像之间的变换模型。
10.如权利要求1所述的一种适用于非固定场景的快速视频稳像方法，其特征是：通过kalman滤波算法对运动轨迹进行滤波，然后通过B样条拟合来平滑滤波轨迹，从而估算出视频序列每一帧图像的运动补偿参数，采用帧间补偿的方法，选取当前帧图像的前一帧图像作为参考图像，通过对图像进行反向补偿达到稳像的目的。
CN201711262343.5A 2017-12-04 2017-12-04 一种适用于非固定场景的快速视频稳像方法 Pending CN107968916A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711262343.5A CN107968916A (zh) 2017-12-04 2017-12-04 一种适用于非固定场景的快速视频稳像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711262343.5A CN107968916A (zh) 2017-12-04 2017-12-04 一种适用于非固定场景的快速视频稳像方法

Publications (1)

Publication Number Publication Date
CN107968916A true CN107968916A (zh) 2018-04-27

Family

ID=61999436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711262343.5A Pending CN107968916A (zh) 2017-12-04 2017-12-04 一种适用于非固定场景的快速视频稳像方法

Country Status (1)

Country Link
CN (1) CN107968916A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003245A (zh) * 2018-08-21 2018-12-14 厦门美图之家科技有限公司 坐标处理方法、装置及电子设备
CN110120023A (zh) * 2019-05-14 2019-08-13 浙江工大盈码科技发展有限公司 一种图像反馈矫正方法
CN110321858A (zh) * 2019-07-08 2019-10-11 北京字节跳动网络技术有限公司 视频相似度确定方法、装置、电子设备及存储介质
CN110572534A (zh) * 2019-09-19 2019-12-13 浙江大搜车软件技术有限公司 全景图像的数字视频稳像方法、装置、设备及存储介质
CN111291609A (zh) * 2019-12-09 2020-06-16 南京理工大学 一种机场围界巡检机器人动态背景目标检测方法
CN112164043A (zh) * 2020-09-23 2021-01-01 苏州大学 一种用于多眼底图像拼接的方法及系统
CN112702528A (zh) * 2020-12-28 2021-04-23 维沃移动通信有限公司 视频防抖方法、装置及电子设备
CN113034383A (zh) * 2021-02-24 2021-06-25 大连海事大学 一种基于改进网格运动统计获取视频图像的方法
WO2021164615A1 (en) * 2020-02-19 2021-08-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Motion blur robust image feature matching

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101316368A (zh) * 2008-07-18 2008-12-03 西安电子科技大学 基于全局特征点迭代的全景稳像方法
CN102903085A (zh) * 2012-09-25 2013-01-30 福州大学 基于角点匹配的快速图像拼接方法
CN103839265A (zh) * 2014-02-26 2014-06-04 西安电子科技大学 基于sift和归一化互信息的sar图像配准方法
CN104144282A (zh) * 2014-07-17 2014-11-12 西北工业大学 一种适用于空间机器人视觉系统的快速数字稳像方法
CN104167003A (zh) * 2014-08-29 2014-11-26 福州大学 一种遥感影像的快速配准方法
CN104809731A (zh) * 2015-05-05 2015-07-29 北京工业大学 一种基于梯度二值化的旋转尺度不变场景匹配方法
CN105844663A (zh) * 2016-03-21 2016-08-10 中国地质大学（武汉） 一种自适应orb目标跟踪方法
CN106210447A (zh) * 2016-09-09 2016-12-07 长春大学 基于背景特征点匹配的视频稳像方法
CN106372598A (zh) * 2016-08-31 2017-02-01 广州精点计算机科技有限公司 一种基于图像特征检测的消除视频旋转和抖动的稳像方法
CN107343145A (zh) * 2017-07-12 2017-11-10 中国科学院上海技术物理研究所 一种基于鲁棒性特征点的视频相机电子稳像方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101316368A (zh) * 2008-07-18 2008-12-03 西安电子科技大学 基于全局特征点迭代的全景稳像方法
CN102903085A (zh) * 2012-09-25 2013-01-30 福州大学 基于角点匹配的快速图像拼接方法
CN103839265A (zh) * 2014-02-26 2014-06-04 西安电子科技大学 基于sift和归一化互信息的sar图像配准方法
CN104144282A (zh) * 2014-07-17 2014-11-12 西北工业大学 一种适用于空间机器人视觉系统的快速数字稳像方法
CN104167003A (zh) * 2014-08-29 2014-11-26 福州大学 一种遥感影像的快速配准方法
CN104809731A (zh) * 2015-05-05 2015-07-29 北京工业大学 一种基于梯度二值化的旋转尺度不变场景匹配方法
CN105844663A (zh) * 2016-03-21 2016-08-10 中国地质大学（武汉） 一种自适应orb目标跟踪方法
CN106372598A (zh) * 2016-08-31 2017-02-01 广州精点计算机科技有限公司 一种基于图像特征检测的消除视频旋转和抖动的稳像方法
CN106210447A (zh) * 2016-09-09 2016-12-07 长春大学 基于背景特征点匹配的视频稳像方法
CN107343145A (zh) * 2017-07-12 2017-11-10 中国科学院上海技术物理研究所 一种基于鲁棒性特征点的视频相机电子稳像方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003245A (zh) * 2018-08-21 2018-12-14 厦门美图之家科技有限公司 坐标处理方法、装置及电子设备
CN109003245B (zh) * 2018-08-21 2021-06-04 厦门美图之家科技有限公司 坐标处理方法、装置及电子设备
CN110120023A (zh) * 2019-05-14 2019-08-13 浙江工大盈码科技发展有限公司 一种图像反馈矫正方法
CN110321858A (zh) * 2019-07-08 2019-10-11 北京字节跳动网络技术有限公司 视频相似度确定方法、装置、电子设备及存储介质
CN110572534A (zh) * 2019-09-19 2019-12-13 浙江大搜车软件技术有限公司 全景图像的数字视频稳像方法、装置、设备及存储介质
CN111291609A (zh) * 2019-12-09 2020-06-16 南京理工大学 一种机场围界巡检机器人动态背景目标检测方法
WO2021164615A1 (en) * 2020-02-19 2021-08-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Motion blur robust image feature matching
CN112164043A (zh) * 2020-09-23 2021-01-01 苏州大学 一种用于多眼底图像拼接的方法及系统
CN112702528A (zh) * 2020-12-28 2021-04-23 维沃移动通信有限公司 视频防抖方法、装置及电子设备
CN113034383A (zh) * 2021-02-24 2021-06-25 大连海事大学 一种基于改进网格运动统计获取视频图像的方法
CN113034383B (zh) * 2021-02-24 2024-06-28 大连海事大学 一种基于改进网格运动统计获取视频图像的方法

Similar Documents

Publication Publication Date Title
CN107968916A (zh) 一种适用于非固定场景的快速视频稳像方法
CN106651942B (zh) 基于特征点的三维旋转运动检测与旋转轴定位方法
US11967089B2 (en) Object tracking method, tracking processing method, corresponding apparatus, and electronic device
CN108717531B (zh) 基于Faster R-CNN的人体姿态估计方法
CN101520849B (zh) 基于图像特征点提取与随机树分类的增强现实方法及系统
CN105427333B (zh) 视频序列图像的实时配准方法、系统及拍摄终端
CN107945111A (zh) 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法
CN104809731B (zh) 一种基于梯度二值化的旋转尺度不变场景匹配方法
CN108573231B (zh) 基于运动历史点云生成的深度运动图的人体行为识别方法
CN110930411B (zh) 一种基于深度相机的人体分割方法及系统
CN104217459B (zh) 一种球面特征提取方法
CN106991396A (zh) 一种基于智慧路灯伴侣的目标接力跟踪算法
CN110414571A (zh) 一种基于特征融合的网站报错截图分类方法
CN106408597A (zh) 基于邻域熵和一致性检测的sar图像配准方法
CN111126412A (zh) 基于特征金字塔网络的图像关键点检测方法
CN112702481B (zh) 一种基于深度学习的乒乓球轨迹跟踪装置及方法
CN110032983A (zh) 一种基于orb特征提取和flann快速匹配的轨迹识别方法
CN111091111A (zh) 一种车底危险目标识别方法
Zhu et al. A fast image stitching algorithm based on improved SURF
CN103336964B (zh) 一种基于模值差镜像不变性的sift图像匹配方法
CN112614167A (zh) 一种结合单偏光与正交偏光图像的岩石薄片图像对齐方法
CN104978583B (zh) 人物动作的识别方法及装置
CN105678307B (zh) 基于fast-surf的移动端实时特征检测匹配方法
Cai et al. Feature detection and matching with linear adjustment and adaptive thresholding
Wang et al. Deep learning-based human activity analysis for aerial images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Ji'nan City, Shandong Province Wang Yue Road 250003 No. 2000

Applicant after: Electric Power Research Institute of State Grid Shandong Electric Power Company

Applicant after: National Network Intelligent Technology Co., Ltd.

Applicant after: State Grid Corporation of China

Address before: Ji'nan City, Shandong Province Wang Yue Road 250003 No. 2000

Applicant before: Electric Power Research Institute of State Grid Shandong Electric Power Company

Applicant before: Shandong Luneng Intelligent Technology Co., Ltd.

Applicant before: State Grid Corporation of China

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20180427

RJ01 Rejection of invention patent application after publication