[发明专利]用于场景变化检测的随机子采样分区表决算法

说明书

相关申请的交叉参考

本申请根据35U.S.C.§119(e)要求申请日为2005年12月15日、发明名称为″RANDOMLY SUB-SAMPLED PARTITION VOTING(RSPV)ULTRA LOW COST SCENE CHANGE DETECTION ALGORITHM″的美国临时申请第60/750,658号的优先权，所述美国临时申请的全部内容通过引用结合于此。

技术领域

本发明一般地涉及数字视频处理和分析，具体地涉及利用随机子采样分区表决算法进行场景变化检测的方法。

背景技术

实现视频压缩或者解压缩的数字视频编解码器技术是电信、娱乐和广播业不可缺少的方面。已经开发出许多高级视频压缩标准用来传送高质量和低比特率的视频流，所述标准例如ISO/IEC MPEG-1、MPEG-2、MPEG-4、CCITT H.261、ITU-T H.263、ITU-T H.264和微软WMV9/VC-1。

在视频压缩中，使用两类帧对视频序列进行编码：内帧和预测帧。内帧仅使用它们的内部信息，而预测帧则利用视频序列的时间冗余。因此，选择一帧作为参考，根据该参考帧来预测后续帧。当邻近的帧具有高的相关性时，预测帧的压缩比远高于内帧的压缩比。为了实现高压缩比，在视频序列内预测帧的百分比通常为90％或者更高。然而，当一帧与先前帧的相关性很小时，则内帧可比预测帧更有效地对该帧进行编码。另外，内帧被插入在预测帧的序列中以避免在基于先前的预测帧对预测帧进行编码时所积累的错误的传播。

视频序列可被划分成不同的镜头。两个镜头之间的过渡为场景变化。在场景变化之后的第一帧应当被编码为内帧，因为它与先前帧(如果存在)的相关性很低。需要场景变化检测算法来识别视频序列的场景内容的变化并且对何时在一连串帧中插入内帧(由此将视频分割成镜头)进行判断。

现有的低成本场景变化检测算法可分为基于空间相关性的算法和基于直方图的算法。基于空间相关性的算法对运动非常敏感，而基于直方图的算法则会在它们的决策过程中丢失多数空间信息。除了这些缺点之外，这两类算法的计算复杂度通常很高。因此，它们并不完全适合于满足实时嵌入式视频编码器的要求，即低存储器存取带宽、低计算复杂度和低延时。

发明内容

鉴于以上所述，本发明的实施例提供了利用随机子采样分区表决(RSPV)算法进行可靠的低成本场景变化检测的方法。所述RSPV算法利用了基于空间相关性的算法和基于直方图的算法的优点。

根据本发明的实施例，将当前帧划分为多个分区。然后对每个分区进行随机子采样，以及构建像素强度值的直方图以确定当前分区是否不同于参考帧中的对应分区。计算在当前帧中的分区与参考帧中相同位置的分区之间的逐柄直方图绝对差值。然后将该直方图差值与自适应阈值进行比较。如果大多数被检查的分区具有显著改变，则认为检测到场景变化。此外，也可使用各种其它阈值来判断是否可将分区报告为具有明显变化。

利用直方图计算使所述RSPV算法与运动无关，同时进行分割利用了充分的空间信息。由于计算针对子采样帧的直方图，所以该算法的特征在于存储器存取和计算的成本显著减少。

相应地，与多个示例实施例一起提供了本发明的多个方面，所述示例性实施例并非旨在进行限制。

一个这样的方面是提供一种用于视频序列中场景变化检测的方法，该方法包括：a)将当前帧划分为多个分区，每个分区包含多个像素；b)对所述多个分区中各分区内的所述多个像素进行随机子采样；c)针对所述多个分区中的每个当前分区，生成多个像素值范围中的各像素值范围内像素数目的直方图，该直方图包括多个柄；d)确定在当前分区与参考帧的相应分区之前的逐柄直方图绝对差值；e)如果逐柄直方图绝对差值大于第一预定阈值，则将所述当前分区标记为有变化；f)对当前帧中的多个分区中的各分区，重复步骤b)至e)；以及g)如果当前帧中标记为有变化的分区的数目大于第二预定阈值，则报告当前分区中的场景变化。