武漢理工大學(xué) 張 宇

1.感知哈希算法

1.1 原理

隨著數(shù)據(jù)增長(zhǎng)，尤其是圖像數(shù)據(jù)的快速增長(zhǎng)，人們對(duì)于圖像集的快速查重校對(duì)的需求越來(lái)越大，感知哈希算法應(yīng)運(yùn)而生。它屬于哈希算法的一種，可以將圖片提取成一個(gè)哈希指紋。每一個(gè)指紋都是一個(gè)哈希矩陣。通過(guò)比較兩張不同的圖片的指紋相似度，我們得出它們的內(nèi)容相似度。常見(jiàn)的感知哈希算法分為兩種，均值哈希算法和增強(qiáng)哈希算法。前者更快速，而后者更加精確。它們兩者都依賴(lài)于一個(gè)前提，即圖像的信息大多隱藏在低頻信息中，通過(guò)濾除掉圖像的邊緣，角點(diǎn)等高頻信號(hào)可以更好的體現(xiàn)一張圖片的特征。

1.2 算法步驟

1.2.1 均值哈希算法

首先將圖片灰度化并縮小為8*8的圖片，該方法認(rèn)為低頻信息在任何分辨率下都被完好的保存下來(lái)。

計(jì)算8*8矩陣的平均值。

比較矩陣中每個(gè)像素和平均值的大小關(guān)系，大于為1，小于為0。

得到的矩陣即為哈希指紋。

1.2.2 增強(qiáng)哈希算法

改進(jìn)后的算法利用了離散余弦變換，將圖像的低頻信息更精確的提取了出來(lái)，再取得最低頻的一部分進(jìn)行計(jì)算。

首先將圖片圖片灰度化，并縮小為32*32大小。

將得到的矩陣進(jìn)行離散余弦變換，得到等大的矩陣。

取得左上角頻率最低的8*8的信息矩陣。

計(jì)算8*8矩陣的平均值。

比較矩陣中每個(gè)像素和平均值的大小關(guān)系，大于為1，小于則為0。

即得到哈希指紋。

1.3 相似度比較

當(dāng)需要比較兩個(gè)不同圖像的相似度時(shí)，我們首先通過(guò)上面兩種方法得到他們的哈希指紋，然后計(jì)算兩個(gè)矩陣之間的漢明距離，即相同位置的像素同為1或0，漢明距離不增加，不同則漢明距離加1。當(dāng)漢明距離大于等于10，則認(rèn)為不相似，小于10，認(rèn)為相似。

2.跟蹤系統(tǒng)設(shè)計(jì)

應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤，通常分為三個(gè)步驟，首先進(jìn)行運(yùn)動(dòng)檢測(cè)，再進(jìn)行后處理，比如形態(tài)學(xué)開(kāi)閉運(yùn)算，最后是跟蹤環(huán)節(jié)。

2.1 跟蹤預(yù)處理

運(yùn)動(dòng)檢測(cè)環(huán)節(jié)應(yīng)用成熟的混合高斯模型，這里以交通應(yīng)用場(chǎng)景為例，檢測(cè)環(huán)節(jié)將得到的結(jié)果是運(yùn)動(dòng)車(chē)輛的前景部分，如圖2-1所示。之后需要進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算，將微小的噪點(diǎn)濾除掉，因?yàn)楦欇喞枰紫鹊玫綔?zhǔn)確的輪廓外框矩形，即車(chē)輛準(zhǔn)確位置。

2.2 跟蹤方法

上述步驟將視頻中的每一幀的前景輪廓找出，接下來(lái)應(yīng)用感知哈希算法跟蹤。具體思路是，首先用外接矩形圈出每一個(gè)車(chē)輛，將每一個(gè)矩形提取出來(lái)作為圖像保存，跟蹤就是將每?jī)蓭g的相同車(chē)輛進(jìn)行匹配，具體到這個(gè)算法就是計(jì)算每一幀所有車(chē)輛矩形圖像的哈希指紋，計(jì)算它們與上一幀的所有指紋的相似度，若漢明距離小于10，則認(rèn)為非常相似，是同一輛車(chē)，將它們標(biāo)注同一個(gè)標(biāo)號(hào)，在圖像中標(biāo)出，若沒(méi)有匹配成功，則作為新進(jìn)入視野的車(chē)輛，標(biāo)注新的編號(hào)，上幀的車(chē)輛沒(méi)有匹配的視為退出視野范圍。跟蹤的總體思路如圖2-2。

圖2-1 預(yù)處理前景

圖2-2 跟蹤思路

3.實(shí)驗(yàn)結(jié)果與結(jié)論

根據(jù)如上方法對(duì)交通視頻進(jìn)行處理，得到了不錯(cuò)的實(shí)驗(yàn)結(jié)果，如下圖分別為相隔5幀的兩張圖像，以及它們的增強(qiáng)型哈希指紋圖。本文的算法準(zhǔn)確的將它們標(biāo)為統(tǒng)一編號(hào)，它們的哈希指紋，漢明距離很小，達(dá)到了相似匹配的目的，足以證明跟蹤算法的可靠性，可見(jiàn)感知哈希算法在跟蹤領(lǐng)域的應(yīng)用是可行的。作為一個(gè)高效率算法，有著極好的應(yīng)用前景。

圖3-1 跟蹤標(biāo)號(hào)圖

圖3-2 兩個(gè)矩形圖像的哈希指紋，漢明距離為3

[1]Thierry Bouwmans. Traditional and Recent Approaches in Background Modeling for Foreground Detection：An Overview[J].2014,s 11-12：31-66

[2]Andrews Sobral. A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos[J].2014,122(May 2014)：4-21

[3]Bhattacharjee, S.and Kutter,M.：Compression tolerant image authentication.In Proceedings of the International Conference on Image Processing(ICIP),vol.1,pp.435{439.IEEE,Oct.1998.