一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)及方法
【專利摘要】本發(fā)明公開了一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)及方法，所述系統(tǒng)包括：特征值提取單元，用于分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值；運(yùn)動(dòng)判斷單元，與所述特征值提取單元連接，用于比較兩幀連續(xù)圖像中位置相同的N×N相鄰分塊內(nèi)的平均Sobel特征值，如果存在比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)。根據(jù)本發(fā)明的方案，通過比較兩幀連續(xù)圖像中位置相同的N×N相鄰分塊內(nèi)的平均Sobel特征值，來判斷連續(xù)圖像中是否存在運(yùn)動(dòng)，進(jìn)而實(shí)現(xiàn)快速準(zhǔn)確地估計(jì)出拍照前兩幀預(yù)覽圖像是否運(yùn)動(dòng)，以便拍照時(shí)做必要的參數(shù)調(diào)整以拍攝出清晰的照片。
【專利說明】
一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像檢測(cè)技術(shù)領(lǐng)域，特別涉及一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)及方法。
【背景技術(shù)】
[0002] 在用相機(jī)/手機(jī)拍攝有物體運(yùn)動(dòng)的場(chǎng)景時(shí)，比如"小孩玩耍"、"籃球比賽"等等，由 于被拍攝的主體在較快地運(yùn)動(dòng)，因此很容易拍出局部模糊或者有殘影的照片。倘若此時(shí)，如 果能快速準(zhǔn)確的利用預(yù)覽圖像判斷出這類場(chǎng)景，并在用戶按下快門時(shí)相應(yīng)提高拍照的快門 速度，就可以很好的避免出現(xiàn)這類問題。當(dāng)前檢測(cè)圖像是否存在運(yùn)動(dòng)的算法有幀差、背景減 除、光流等等，其中運(yùn)算量最小的是幀差法，但是，對(duì)于手持相機(jī)/手機(jī)，拍照時(shí)相機(jī)/手機(jī)本 身就存在不同程度的晃動(dòng)，因此即使是被拍照的物體不運(yùn)動(dòng)，連續(xù)的預(yù)覽圖像幀之間也是 存在不同程度的差異的，如果使用幀差法檢測(cè)圖像是否存在運(yùn)動(dòng)，就要考慮做圖像對(duì)齊，否 則會(huì)導(dǎo)致檢測(cè)的準(zhǔn)確率較低，而且做圖像對(duì)齊又是比較耗時(shí)的操作。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)及方法，以解決拍照前連續(xù)兩幀預(yù)覽圖像是 否運(yùn)動(dòng)的判斷較為復(fù)雜的技術(shù)問題。
[0004] 根據(jù)本發(fā)明的一個(gè)方面，提供一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)，所述系統(tǒng)包括：
[0005] 特征值提取單元，用于分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值；
[0006] 運(yùn)動(dòng)判斷單元，與所述特征值提取單元連接，用于比較兩幀連續(xù)圖像中位置相同 的NXN相鄰分塊內(nèi)的平均Sobel特征值，如果存在比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中 存在運(yùn)動(dòng)。
[0007] 其中，在上述的發(fā)明中，所述運(yùn)動(dòng)判斷單元包括：
[0008] 計(jì)算模塊，用于分別計(jì)算兩幀連續(xù)圖像中N X N相鄰分塊內(nèi)的平均Sobe 1特征值；
[0009] 比較模塊，與所述計(jì)算模塊連接，用于比較位置相同的NXN相鄰分塊內(nèi)的平均 Sobel特征值，生成多個(gè)比較值；
[0010]判斷模塊，與所述比較模塊連接，用于在最小的比較值小于預(yù)設(shè)閾值時(shí)判斷連續(xù) 圖像中存在運(yùn)動(dòng)。
[0011] 其中，在上述的發(fā)明中，所述特征值提取單元包括：
[0012] 灰度模塊，用于將兩幀連續(xù)圖像變?yōu)榛叶葓D像h(x)和I2(x);
[0013]分塊劃分模塊，用于將圖像h(x)和I2(x)平均劃分為數(shù)量相等的分塊圖像B(x);
[0014] 分塊特征值計(jì)算模塊，用于計(jì)算每塊圖像B (x)的Sobe 1特征值F。
[0015] 其中，在上述的發(fā)明中，所述分塊特征值計(jì)算模塊采用Sobel算子做平面卷積運(yùn)算 得Sobel特征值F;
[0016] 該特征值F滿足:F = S_預(yù)設(shè)值；
[0017]其中
，預(yù)設(shè)值為試驗(yàn)所得經(jīng)驗(yàn)值，
[0019] 其中，在上述的發(fā)明中，所述灰度模塊是利用YUV數(shù)據(jù)得到灰度圖像，并將灰度圖 像縮放到640x480的尺寸。
[0020] 根據(jù)本發(fā)明的另一個(gè)方面，提供一種運(yùn)動(dòng)圖像的檢測(cè)方法，所述方法包括：
[0021] 分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值；
[0022] 比較兩幀連續(xù)圖像中位置相同的NXN相鄰分塊內(nèi)的平均Sobel特征值，如果存在 比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)。
[0023] 其中，在上述的發(fā)明中，所述比較兩幀連續(xù)圖像中位置相同的NXN相鄰分塊內(nèi)的 平均Sobel特征值，如果存在比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)，包括：
[0024] 分別計(jì)算兩幀連續(xù)圖像中NXN相鄰分塊內(nèi)的平均Sobel特征值；
[0025] 比較位置相同的NXN相鄰分塊內(nèi)的平均Sobel特征值，生成多個(gè)比較值；
[0026] 在最小的比較值小于預(yù)設(shè)閾值時(shí)，判斷連續(xù)圖像中存在運(yùn)動(dòng)。
[0027] 其中，在上述的發(fā)明中，所述分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值 包括：
[0028] 將兩幀連續(xù)圖像變?yōu)榛叶葓D像IKx)和I2(x);
[0029] 將圖像IKx)和I2(x)平均劃分為數(shù)量相等的分塊圖像B(x);
[0030] 計(jì)算每塊圖像B(x)的Sobel特征值F。
[0031 ]其中，在上述的發(fā)明中，所述計(jì)算每塊圖像B(x)的Sobel特征值F中采用Sobel算子 做平面卷積運(yùn)算得Sobel特征值F;
[0032]該特征值F滿足:F = S_預(yù)設(shè)值；
[0033]其中S ，預(yù)設(shè)值為試驗(yàn)所得經(jīng)驗(yàn)值，
[0035] 其中，在上述的發(fā)明中，所述將兩幀連續(xù)圖像變?yōu)榛叶葓D像IKx)和I2(x)中利用 YUV數(shù)據(jù)得到灰度圖像，并將灰度圖像縮放到640x480的尺寸。
[0036] 本發(fā)明的運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)及方法，通過比較兩幀連續(xù)圖像中位置相同的NXN 相鄰分塊內(nèi)的平均Sobel特征值，來判斷連續(xù)圖像中是否存在運(yùn)動(dòng)，進(jìn)而實(shí)現(xiàn)快速準(zhǔn)確地估 計(jì)出拍照前兩幀預(yù)覽圖像是否運(yùn)動(dòng)，以便拍照時(shí)做必要的參數(shù)調(diào)整以拍攝出清晰的照片。
【附圖說明】
[0037]圖1顯示了本發(fā)明運(yùn)動(dòng)圖像的檢測(cè)工作原理圖；
[0038] 圖2顯示了本發(fā)明【具體實(shí)施方式】中提供的運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖；
[0039] 圖3顯示了本發(fā)明【具體實(shí)施方式】中提供的運(yùn)動(dòng)圖像的檢測(cè)方法的流程圖；
[0040]圖4顯示了圖3中步驟S1的方法流程圖；
[00411圖5顯示了圖3中步驟S3的方法流程圖。
【具體實(shí)施方式】
[0042] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明了，下面結(jié)合【具體實(shí)施方式】并參 照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā) 明的范圍。此外，在以下說明中，省略了對(duì)公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本 發(fā)明的概念。
[0043] 本發(fā)明利用相機(jī)/手機(jī)拍照前的連續(xù)兩幀預(yù)覽圖像數(shù)據(jù)計(jì)算每幀圖像的Sobel特 征點(diǎn)分布，比較特征點(diǎn)分布的差異，如果差異到達(dá)經(jīng)驗(yàn)閾值，則判定圖像存在運(yùn)動(dòng)，以便拍 照時(shí)做必要的參數(shù)調(diào)整以拍攝出清晰的照片。具體來說，如圖1所示，本發(fā)明分別遍歷兩幀 圖像里所有NXN例如2X2相鄰分塊，計(jì)算它們的差異，找出差異最小的2X2相鄰分塊，并記 它們的差異為d，將d和預(yù)設(shè)閾值即給定經(jīng)驗(yàn)閥值t比較，來判定圖像內(nèi)容是否有運(yùn)動(dòng)，當(dāng)d多 t時(shí)表明圖像內(nèi)容有運(yùn)動(dòng)，反之當(dāng)d〈t時(shí)表明圖像內(nèi)容無運(yùn)動(dòng)。
[0044] 圖2顯示了本發(fā)明【具體實(shí)施方式】中提供的運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖。
[0045] 下面結(jié)合圖2所述的結(jié)構(gòu)示意圖，具體說明本實(shí)施例的運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)。
[0046] 本實(shí)施例的運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)至少包括:特征值提取單元10和運(yùn)動(dòng)判斷單元 20 〇
[0047] 特征值提取單元10用于分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值。具 體來說，特征值提取單元10包括:灰度模塊11、分塊劃分模塊12和分塊特征值計(jì)算模塊13。 其中灰度模塊11用于將兩幀連續(xù)圖像變?yōu)榛叶葓D像11 (x)和I2 (x )，該灰度模塊11是利用YUV 數(shù)據(jù)得到灰度圖像，并將灰度圖像（即YUV圖像的Y通道)縮放到640X480的尺寸以提高性 能。分塊劃分模塊12用于將圖像Ii(x)和I 2(x)平均劃分為數(shù)量相等的分塊圖像B(x)，例如劃 分成5X5-共25塊。分塊特征值計(jì)算模塊13用于計(jì)算每塊圖像B(x)的Sobel特征值F。
[0048] 本實(shí)施中，分塊特征值計(jì)算模塊13采用Sobel算子做平面卷積運(yùn)算得Sobel特征值 F，特征值F滿足:F = S-預(yù)設(shè)值；
[0049] 其中S = ^S；+S； 1預(yù)設(shè)值為試驗(yàn)所得經(jīng)驗(yàn)值，一般取200。
[0051]即記一個(gè)圖像分塊內(nèi)S值大于220(實(shí)驗(yàn)得到的經(jīng)驗(yàn)值）的像素點(diǎn)的數(shù)量為該圖像 分塊的Sobe 1特征值。
[0052] 運(yùn)動(dòng)判斷單元20與特征值提取單元10連接，該運(yùn)動(dòng)判斷單元20用于比較兩幀連續(xù) 圖像中位置相同的NXN優(yōu)選2X2相鄰分塊內(nèi)的平均Sobel特征值，如果存在比較值大于預(yù) 設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)。具體來說，運(yùn)動(dòng)判斷單元20包括:計(jì)算模塊21、比較模 塊22和判斷模塊23。其中計(jì)算模塊21用于分別計(jì)算兩幀連續(xù)圖像中NXN相鄰分塊內(nèi)的平均 Sobel特征值，即計(jì)算兩幀連續(xù)圖像中2 X 2相鄰分塊內(nèi)的平均Sobel特征值。比較模塊22與 計(jì)算模塊21連接，該比較模塊22用于比較位置相同的NXN相鄰分塊內(nèi)的平均Sobel特征值， 生成多個(gè)比較值。判斷模塊23與比較模塊22連接，在最小的比較值大于預(yù)設(shè)閾值時(shí)，判斷模 塊23判斷連續(xù)圖像中存在運(yùn)動(dòng)，在最小的比較值小于或等于預(yù)設(shè)閾值時(shí)，判斷模塊23判斷 連續(xù)圖像中不存在運(yùn)動(dòng)。
[0053]本實(shí)施例中，預(yù)設(shè)閾值t為20,特征值提取單元10分別遍歷兩幀圖像里所有2X2相 鄰分塊，計(jì)算它們的差異，找出差異最小的2X2相鄰分塊，并記它們的差異為d，將d和預(yù)設(shè) 閾值即給定經(jīng)驗(yàn)閥值t比較，來判定圖像內(nèi)容是否有運(yùn)動(dòng)，當(dāng)d多t時(shí)表明圖像內(nèi)容有運(yùn)動(dòng)， 反之當(dāng)d〈t時(shí)表明圖像內(nèi)容無運(yùn)動(dòng)。
[0054]如上所述，本發(fā)明的運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)，通過比較兩幀連續(xù)圖像中位置相同的N XN相鄰分塊內(nèi)的平均Sobel特征值，來判斷連續(xù)圖像中是否存在運(yùn)動(dòng)，進(jìn)而實(shí)現(xiàn)快速準(zhǔn)確 地估計(jì)出拍照前兩幀預(yù)覽圖像是否運(yùn)動(dòng)，以便拍照時(shí)做必要的參數(shù)調(diào)整以拍攝出清晰的照 片。
[0055] 圖3顯示了本發(fā)明【具體實(shí)施方式】中提供的運(yùn)動(dòng)圖像的檢測(cè)方法的流程圖。
[0056] 下面結(jié)合圖3所示的流程圖，具體說明本實(shí)施例的運(yùn)動(dòng)圖像的檢測(cè)方法。
[0057]本實(shí)施例的運(yùn)動(dòng)圖像的檢測(cè)方法包括：
[0058]步驟S1，分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值。
[0059] 具體來說，參見圖4所示的方法流程圖，本步驟S1包括：
[0060] 步驟S11，將兩幀連續(xù)圖像變?yōu)榛叶葓D像h(x)和I2(x)。步驟S11中，利用YUV數(shù)據(jù)得 到灰度圖像，并將灰度圖像(即YUV圖像的Y通道)縮放到640X480的尺寸以提高性能。
[0061] 步驟S12,將圖像IKx)和I2(x)平均劃分為數(shù)量相等的分塊圖像B(x)，例如劃分成5 X 5-共25塊。
[0062] 步驟S13,計(jì)算每塊圖像B(x)的Sobel特征值F。步驟S13中，采用Sobel算子做平面 卷積運(yùn)算得Sobe 1特征值F，特征值F滿足:F = S-預(yù)設(shè)值；
[0063] 其中$ = yjS；+S；，預(yù)設(shè)值為試驗(yàn)所得經(jīng)驗(yàn)值，一般取200。
[0065] 即記一個(gè)圖像分塊內(nèi)S值大于220(實(shí)驗(yàn)得到的經(jīng)驗(yàn)值）的像素點(diǎn)的數(shù)量為該圖像 分塊的Sobe 1特征值。
[0066] 步驟S2，比較兩幀連續(xù)圖像中位置相同的N XN優(yōu)選2 X 2相鄰分塊內(nèi)的平均Sobel 特征值，如果存在比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)。
[0067] 具體來說，參見圖5所示的方法流程圖，本步驟S2包括：
[0068] 步驟S21，分別計(jì)算兩幀連續(xù)圖像中NX N相鄰分塊內(nèi)的平均Sobel特征值。即計(jì)算 兩幀連續(xù)圖像中2 X 2相鄰分塊內(nèi)的平均Sobel特征值。
[0069] 步驟S22,比較位置相同的NXN相鄰分塊內(nèi)的平均Sobel特征值，生成多個(gè)比較值。 即比較位置相同的2X2相鄰分塊內(nèi)的平均Sobel特征值，生成多個(gè)比較值。
[0070] 步驟S23,在最小的比較值大于預(yù)設(shè)閾值時(shí)，判斷連續(xù)圖像中存在運(yùn)動(dòng);在最小的 比較值小于或等于預(yù)設(shè)閾值時(shí)，判斷連續(xù)圖像中不存在運(yùn)動(dòng)。
[0071] 綜上所述，通過上述流程，先將灰度圖像（即YUV圖像的Y通道)縮放到640X480的 尺寸以提高性能，記縮放后的圖像為I(x);接著計(jì)算灰度圖像的Sobel特征:把灰度圖像I (x)平均分為5 X 5-共25塊，對(duì)每一塊分別計(jì)算其Sobel特征，計(jì)算方法如下：
[0072] 記每一個(gè)圖像分塊為B(x)，對(duì)其每一像素 X，運(yùn)用Sobel算子做平面卷積運(yùn)算得：

[0073] 其中，水平方向：
[0074] 其中，豎直方向：
[0075] 這里，記一個(gè)圖像分塊內(nèi)S值大于220(實(shí)驗(yàn)得到的經(jīng)驗(yàn)值）的像素點(diǎn)的數(shù)量為F，F(xiàn) 即為該圖像分塊的Sobel特征值;記Ii(x)和l2(x)的Sobel特征為Fi(x)和F2(x)。
[0076] 對(duì)?: (x)和F2 (x)計(jì)算所有2 X 2相鄰分塊內(nèi)的平均Sobel特征值差值的絕對(duì)值，記為 A〇
[0077]例如FKx)的數(shù)據(jù)如下：
[0078] 12345
[0079] 6 7 8 9 10
[0080] 11 12 13 14 15
[0081] 16 17 18 19 20
[0082] 21 22 23 24 25
[0083]例如F2(x)的數(shù)據(jù)如下：
[0084] 92 94 3 4 5
[0085] 96 98 8 9 10
[0086] 11 12 13 14 15
[0087] 16 17 18 19 20
[0088] 21 22 23 24 25
[0089] 則對(duì)1、2、6、7分塊有(abs為取絕對(duì)值）：
[0090] A = abs ((1+2+6+7) /4_ (92+94+96+98) /4 )= 91 [0091]同理，對(duì) 19、20、24、25分塊有：
[0092] A = abs( (19+20+24+25)/4- (19+20+24+25)/4) =0
[0093] 依次算出A的最小值記為Amin，如果Amin大于等于預(yù)設(shè)閾值t，則圖像內(nèi)容有運(yùn)動(dòng)， 如果Amin小于或等于預(yù)設(shè)閾值t，則圖像內(nèi)容沒有運(yùn)動(dòng)。本實(shí)施例中，t為20。
[0094] 應(yīng)當(dāng)理解的是，本發(fā)明的上述【具體實(shí)施方式】?jī)H僅用于示例性說明或解釋本發(fā)明的 原理，而不構(gòu)成對(duì)本發(fā)明的限制，例如也可以使用如canny等其它做圖像邊緣檢測(cè)的算子來 代替sobel算子。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任何修改、等同替換、 改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。此外，本發(fā)明所附權(quán)利要求旨在涵蓋落入所附 權(quán)利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和修改例。
【主權(quán)項(xiàng)】
1. 一種運(yùn)動(dòng)圖像的檢測(cè)系統(tǒng)，其中，所述系統(tǒng)包括： 特征值提取單元(10)，用于分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值； 運(yùn)動(dòng)判斷單元(20)，與所述特征值提取單元（10)連接，用于比較兩幀連續(xù)圖像中位置 相同的NXN相鄰分塊內(nèi)的平均Sobel特征值，如果存在比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖 像中存在運(yùn)動(dòng)。2. 如權(quán)利要求1所述的系統(tǒng)，其中，所述運(yùn)動(dòng)判斷單元(20)包括： 計(jì)算模塊(21)，用于分別計(jì)算兩幀連續(xù)圖像中NXN相鄰分塊內(nèi)的平均Sobel特征值； 比較模塊(22)，與所述計(jì)算模塊(21)連接，用于比較位置相同的NXN相鄰分塊內(nèi)的平 均Sobel特征值，生成多個(gè)比較值； 判斷模塊(23)，與所述比較模塊(22)連接，用于在最小的比較值小于預(yù)設(shè)閾值時(shí)判斷 連續(xù)圖像中存在運(yùn)動(dòng)。3. 如權(quán)利要求1所述的系統(tǒng)，其中，所述特征值提取單元(10)包括： 灰度模塊(11)，用于將兩幀連續(xù)圖像變?yōu)榛叶葓D像Ii(x)和I2(x); 分塊劃分模塊(12)，用于將圖像Ii(x)和I2(x)平均劃分為數(shù)量相等的分塊圖像B(x); 分塊特征值計(jì)算模塊(13)，用于計(jì)算每塊圖像B(X)的Sobe 1特征值F。4. 如權(quán)利要求3所述的系統(tǒng)，其中，所述分塊特征值計(jì)算模塊（13)采用Sobel算子做平 面卷積運(yùn)算得Sobel特征值F; 該特征值F滿足:F = S-預(yù)設(shè)值； 其畔，預(yù)設(shè)值為試驗(yàn)所得經(jīng)驗(yàn)值，5. 如權(quán)利要求3所述的系統(tǒng)，其中，所述灰度模塊（11)是利用YUV數(shù)據(jù)得到灰度圖像，并 將灰度圖像縮放到640x480的尺寸。6. -種運(yùn)動(dòng)圖像的檢測(cè)方法，其中，所述方法包括： 分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel特征值； 比較兩幀連續(xù)圖像中位置相同的NXN相鄰分塊內(nèi)的平均Sobel特征值，如果存在比較 值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)。7. 如權(quán)利要求6所述的方法，其中，所述比較兩幀連續(xù)圖像中位置相同的NXN相鄰分塊 內(nèi)的平均Sobel特征值，如果存在比較值大于預(yù)設(shè)閾值，則判斷連續(xù)圖像中存在運(yùn)動(dòng)，包括： 分別計(jì)算兩幀連續(xù)圖像中N X N相鄰分塊內(nèi)的平均Sobe 1特征值； 比較位置相同的N X N相鄰分塊內(nèi)的平均Sobel特征值，生成多個(gè)比較值； 在最小的比較值小于預(yù)設(shè)閾值時(shí)，判斷連續(xù)圖像中存在運(yùn)動(dòng)。8. 如權(quán)利要求6所述的方法，其中，所述分別提取兩幀連續(xù)圖像中每分塊圖像的Sobel 特征值包括： 將兩幀連續(xù)圖像變?yōu)榛叶葓D像Ii(x)和I2(x); 將圖像Ii(x)和I2(x)平均劃分為數(shù)量相等的分塊圖像B(x); 計(jì)算每塊圖像B (x)的Sobe 1特征值F。9. 如權(quán)利要求8所述的方法，其中，所述計(jì)算每塊圖像B(x)的Sobel特征值F中采用 Sobel算子做平面卷積運(yùn)算得Sobel特征值F; 該特征值F滿足:F = S-預(yù)設(shè)值；其中 預(yù)設(shè)值為試驗(yàn)所得經(jīng)驗(yàn)值， V - j 510. 如權(quán)利要求8所述的方法，其中，所述將兩幀連續(xù)圖像變?yōu)榛叶葓D像Ii(x)和I2(x)中 利用YUV數(shù)據(jù)得到灰度圖像，并將灰度圖像縮放到640x480的尺寸。
【文檔編號(hào)】H04N5/232GK105959531SQ201610267095
【公開日】2016年9月21日
【申請(qǐng)日】2016年4月26日
【發(fā)明人】劉思翔
【申請(qǐng)人】樂視控股（北京）有限公司, 樂視移動(dòng)智能信息技術(shù)（北京）有限公司