CN101299269A - 静止场景的标定方法及装置 - Google Patents

Abstract

本发明实施例提供一种静止场景的标定方法，包括：比对检测帧图像与参考帧图像，得出表现的场景待定为静止场景的静止区域候选图像；将所述静止区域候选图像与预设的静止区域参考图像进行匹配处理，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件，则标定该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像。本发明实施例还提供一种静止场景的标定装置。本发明实施例提供的技术方案可自动标定静止区域图像，帮助视频监视者快速准确地发现被监控场景下的静止物。

Description

静止场景的标定方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种静止场景的标定方法及装置。

背景技术

实际生活中，一些环境下，视频监视者可能会监视固定的视频摄像头拍摄到的场景，以及时了解被监视场景中发生的事情。如治安管理人员等通常会借助于视频监控设备，监控所管理的辖区，以及时排除安全隐患，保障辖区的安全。

现有技术中，虽然基于视频监控设备，视频监视者能够实时监控被监视场景，但一些情况下，视频监视者可能难以做到时刻监视视频，或者，视频监视者在需要监视众多视频的情况下，难以实时兼顾到每个视频，则可能会错过一些已发生的事件。如不法分子在视频摄像头能拍摄到的某处悄悄放置了静止不动的危险品如定时爆炸物，但因治安管理人员未能及时发现并制止不法分子的非法行为，将导致灾难事件的发生，从而使人民群众或集体蒙受损失。

发明内容

本发明的目的在于提供一种静止场景的标定方法及装置，监控视频，找出其中的静止物。

一种静止场景的标定方法，包括：

比对检测帧图像与参考帧图像，得出表现的场景待定为静止场景的静止区域候选图像；

将所述静止区域候选图像与预设的静止区域参考图像进行匹配处理，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件，则标定该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像。

优选地，比对检测帧图像与参考帧图像包括：

计算所述检测帧上每个像素点的特征参量值，与所述参考帧图像上相同位置处像素点的特征参量值之间的差值，得出所述检测帧与所述参考帧图像之间的差分图像。

优选地，得出所述检测帧与所述参考帧图像之间的差分图像后，该方法进一步包括：

将所述差分图像上各像素点的特征值与预设的突变阈值进行比较，根据比较结果区分出所述差分图像上特征值发生突变的运动像素点，以及所述差分图像上特征值未发生突变的静止像素点。

优选地，所述参考帧图像为所述检测帧图像之前的前N帧图像；所述差分图像为第一差分图像；或，

所述参考帧图像为所述检测帧图像之前一帧图像；所述差分图像为第二差分图像；

得出体现的场景待定为静止场景的静止区域候选图像包括：

将由所述静止像素点形成的区域用作所述静止区域候选图像。

优选地，所述参考帧图像包括所述检测帧图像之前的前N帧图像，和所述检测帧图像之前一帧图像；所述检测帧图像与所述前N帧图像之间的差分图像为第一差分图像；所述检测帧图像与所述前一帧图像之间的差分图像为第二差分图像；

得出体现的场景待定为静止场景的静止区域候选图像包括：

找出所述第一差分图像上的静止像素点覆盖的区域与第二差分图像上静止像素点覆盖的区域的并集，将所述并集覆盖的区域用作所述静止区域候选图像。

优选地，得出体现的场景可能是静止场景的静止区域候选图像后，该方法进一步包括：

所述前N帧图像被预存，用所述检测帧图像替换所述前N帧图像中的一帧图像；

将包括所述检测帧的N帧图像用作所述检测帧之后一帧图像的参考帧。

优选地，用所述检测帧图像替换所述前N帧图像中的一帧图像包括：

用所述检测帧图像中的静止像素点替换所述前N帧图像中的一帧图像中相同位置处的像素点；

所述前N帧图像中的一帧图像为所述前N帧图像中最早出现的一帧图像。

优选地，所述静止区域参考图像存在一个或多个，将所述静止区域候选图像与预设的静止区域参考图像进行匹配处理包括：

计算所述静止区域候选图像的特征值与每个所述静止区域参考图像的特征值之间的差值；

根据所述差值得出所述静止区域候选图像与每个静止区域参考图像之间的相似性度量值。

优选地，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件包括：

所述相似性度量值在预设范围内；

标定该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像包括：

根据所述相似性度量值，选出与所述静止区域候选图像最相似的静止区域参考图像，用作所述静止区域图像。

本发明提供一种静止场景的标定装置，包括：检测模块、数据库模块、信息匹配模块、标定模块；其中，

所述检测模块，用于比对检测帧图像与参考帧图像，得出表现的场景待定为静止场景的静止区域候选图像；

所述数据库模块，用于存储预设的静止区域参考图像；

所述信息匹配模块，用于将所述检测模块检测出的静止区域候选图像与所述数据库模块内存储的静止区域参考图像进行匹配处理，，得到匹配结果；得出与所述静止区域候选图像之间的相似性满足预设的相似条件的静止区域参考图像；

所述标定模块，用于根据所述信息匹配模块的匹配结果，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件，则将该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像。

优选地，所述检测模块包括：计算单元、阈值化计算单元和结果处理单元，其中，

所述计算单元，用于计算所述检测帧上每个像素点的参量值，与所述参考帧图像上相同位置处像素点的参量值之间的差值，得出所述检测帧与所述参考帧图像之间的差分图像；

所述阈值化计算单元，用于将所述计算单元得出的差分图像上各像素点的特征值与预设的突变阈值进行比较，区分出所述差分图像上特征值发生突变的运动像素点，以及所述差分图像上特征值未发生突变的静止像素点；

所述结果处理单元，用于根据所述阈值化计算单元的计算结果，得出体现的场景待定为静止场景的静止区域候选图像。

优选地，所述装置进一步包括：存储单元和背景更新单元；其中，

所述存储单元，用于存储所述检测帧图像的前N帧图像，所述前N帧图像被用作所述参考帧；

所述背景更新单元，用于利用所述检测帧图像替换所述前N帧图像中的一帧图像。

优选地，所述信息匹配模块包括：度量值计算单元和选择单元，其中，

所述度量值计算单元，用于计算所述静止区域候选图像的特征值与每个所述静止区域参考图像的特征值之间的差值，根据所述差值得出所述静止区域候选图像与每个静止区域参考图像之间的相似性度量值；

所述选择单元，用于根据所述度量值计算单元的计算结果，选出所述相似性度量值在预设范围内且表示与所述静止区域候选图像最相似的静止区域参考图像。

优选地，所述装置进一步包括：提示信息输出模块，用于在所述标定模块标定出所述静止区域图像后，输出表示发现所述静止区域图像的提示信息。

本发明的具体实施中，通过比对检测帧图像和参考帧图像，获得静止区域候选图像，并将静止区域候选图像，与预设的静止区域参考图像进行匹配，若静止区域候选图像与静止区域参考图像的相似性较好，则可标定静止区域参考图像或静止区域候选图像为静止区域图像，从而，自动标定静止区域图像，可帮助视频监视者快速准确地发现被监控场景下的静止物。

附图说明

图1是本发明的具体实施例中标定静止场景的流程图；

图2是本发明的一个实施例中静止场景的标定装置的结构示意图；

图3是本发明的一个实施例中检测模块的具体结构示意图。

具体实施方式

本发明中，为方便视频监视者及时获知被监视场景中发生的一些事件，给出了主要用于监控静止场景的技术方案，具体包括：对于固定摄像头拍摄到的图像，通过比对检测帧图像与参考帧图像，获得体现的场景待定为静止区域的静止区域候选图像；然后，将静止区域候选图像，与预设的静止区域参考图像进行匹配，若静止区域候选图像与静止区域参考图像的相似性较好，满足预设的相似条件，则可确定静止区域参考图像或静止区域候选图像中所表现的场景为静止场景，可将静止区域参考图像和/或静止区域候选图像标定为静止区域图像。

实际应用中，在标定出的静止区域图像后，可设置通过给出提示信息如在视频上显示提示文字或发声警报等，来提示视频监视者发现静止区域图像，这样，可减轻视频监视者的工作量，并有效防治漏检。

为使本发明的技术方案和优点更加清楚，下面将结合附图作进一步详细描述。

参见图1，图1是本发明的具体实施例中标定静止场景的流程图，该流程可包括以下步骤：

步骤101、针对固定摄像头拍摄到的视频流，将当前t时刻的帧图像用作检测帧图像，将t时刻之前的N帧图像用作参考帧图像，比对检测帧与参考帧，得到检测帧与N帧背景帧之间的第一差分图像。

本实施例中，通过比对检测帧与参考帧的相同位置上像素点的参量值，来得到第一差分图像。具体地，可设置特征参量如像素点的亮度、颜色等等，可采用以下计算式(1)来比对检测帧与参考帧上相同位置处像素点的特征参量，得出检测帧与参考帧之间的第一差分图像：

$P_r\left(x_t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{d}{\mathrm{\Π}}}{\frac{1}{\sqrt{2\mathrm{\π}{\mathrm{\σ}}_j^2}}e}^{-\frac{{(x_{t_j}-x_{i_j})}^2}{{2\mathrm{\σ}}_j^2}}---\left(1\right)$

计算式(1)中，i表示N帧参考帧的序号，d表示特征参数的维数总数，j表示特征参数的维数序号；本实施例中，采用的特征参数为像素点的颜色特征，是三维参量，则取d等于3。

计算式(1)中，x即表示像素点的参量值，如颜色特征值，具体地，x_ij表示第i帧参考帧上某位置处像素点的第j维的颜色特征值，x_tj表示当前检测帧的该位置处像素点的第j维的颜色特征值；σ₁，σ₂，…，σ_d为预设的常数。可称P_r(x_t)为当前检测帧上任何一个像素点的颜色特征值的概率密度函数，设一帧图像上有X个像素点，则算出t时刻检测帧上的X个概率密度函数值，记为P_r(x_t)|_k，k＝1，2，...，X，则由X个P_r(x_t)|_k组成的图像即为检测帧与前N帧图像之间的差分图像，为方便表述，称该差分图像为第一差分图像。

步骤102、将第一差分图像上各像素点的特征值与预设的突变阈值进行比较，得到经过阈值化处理的第一差分图像即第一前景图。

本实施例中，第一差分图像上像素点的特征值即为各像素点的概率密度值P_r(x_t)|_k，实际应用中，特征值可根据计算差分图像的算法来确定。设置用于区分像素点的特征值是否发生变化的突变阈值th，该突变阈值可调。若P_r(x_t)|_k＜th，则暂定该位置上像素点的特征值发生了突变，则表示所拍摄到的场景中，该位置上的场景有所变化，对应的像素点可界定为运动像素点；若P_r(x_t)|_k＞th，则暂定该位置上像素点的特征值未发生突变，则表示所拍摄到的场景中，该位置上的场景变化不大，可将该位置处的像素点界定为静止像素点。

本实施例中，为方便处理，可对第一差分图像进行二值化处理，即预设静止像素点和运动像素短的二进制值，如取静止像素点的二进制值为“0”，取运动像素点的二进制值为“1”，得到二值化的第一差分图像，简称为第一前景图。

另外，实际应用中，为提高图像精度，可对第一前景图进行形态学滤波处理如膨胀运算、腐蚀运算、开运算、关运算等，填充区域中的空洞，去除面积较小的孤立区域、非连通区域，保留连通区域的面积大于给定阈值的连通部分。

实际应用中，为更新前N帧参考帧，使检测处理能够根据摄像头拍摄到的画面自适应地调整参考帧，可在得出第一前景图之后，用第一前景图上的静止像素点的参量值替换前N帧参考帧图像中的一帧图像中相同位置处像素点的参量值，优选地，可选择前N帧图像中最早出现的一帧图像作为替换对象。

步骤103、将t时刻的当前检测帧与t时刻之前一帧图像进行帧间差分计算，得到两帧图像的第二差分图像。

该步骤103中，第二差分图像上各像素点的特征值为检测帧与其之前一帧图像上该位置上像素点的特征值之差的绝对值。

步骤104、对第二差分图像进行阈值化处理，第二前景图。

本实施例中，为方便处理，也可对第二差分图像进行阈值化处理，可设置，第二差分图像上特征值超过预设突变阈值的像素点表现运动场景，界定为运动像素点；第二差分图像上特征值不超过预设突变阈值的像素点表现静止场景，界定为静止像素点。为提高图像精度，可进一步队第二差分图像进行形态学滤波处理。

并且，为方便计算，可根据阈值化结果，将第二差分图像转换为二值化图像，其中，可设置像素点的二进制取值与第一差分图像中的二进制取值相同。

步骤105、对第一前景图与第二前景图进行逻辑运算，得出第一前景图上静止像素点覆盖的区域与第二前景图上静止像素点覆盖区域的并集，该并集构成静止区域候选图像。

该步骤105中，可对第一前景图和第二前景图进行异或运算，从而两个前景图上静止像素点覆盖区域的叠加区域即并集，若第一前景图与第二前景图上的静止像素点所覆盖区域不同，则该叠加区域所覆盖的区域包括第一前景图上静止像素点覆盖的区域以及第二前景图上静止像素点覆盖的区域，并且，若第二前景图上出现了第一前景图上未出现的静止候选图像区域，则通过上述逻辑运算，可得出新出现的静止候选图像区域。

步骤106、查看预设的数据库中是否预存有静止区域参考图像，若没有，将步骤105获得的静止区域候选图像存入数据库，用作静止区域参考图像，返回执行步骤101；否则，执行步骤107。

实际应用中，也可预先在数据库中存入静止区域参考图像，而并不需要在此进行该判断处理。

步骤107、将步骤105获得的静止区域候选图像与数据库中存在的静止区域参考图像进行匹配处理，找出静止区域候选图像的匹配对象。

本实施例中，获得的静止区域候选图像设为C个，设静止区域候选图像组成集合A，标记为 $A={\left\{A_a\right\}}_{a=1}^C;$ 设静止区域参考图像有D个，组成集合B，标记为 $B={\left\{B_b\right\}}_{b=1}^D.$

为方便对静止区域候选图像与静止区域待定图像进行匹配，可预选图像特征参量。本实施例中，设图像特征参量为直方图，则标记集合A中，一个静止区域候选图像的直方图为 ${\hat{p}}_{A_a}={\left\{{\hat{p}}_{A_a}^h\right\}}_{h=\mathrm{0,1},\·\·\·,H-1},$ 标记集合B中一个静止区域参考图像的直方图为 ${\hat{p}}_{B_b}={\left\{{\hat{p}}_{B_b}^h\right\}}_{h=\mathrm{0,1},\·\·\·,H-1},$ 其中，H是直方图的总区间数，h表示其中的任意一个区间。

设A_a所在矩形的中心位置为矩形大小为B_b所在矩形的中心位置为

矩形大小为(w_B，h_B)，则基于以下计算式(2)度量A_a与B_b的相似性：

$d(A_a,B_b)=e^{-\frac{|x_{A_a}-x_{B_b}|}{{\mathrm{\σ}}_x}}{e}^{-\frac{|y_{A_a}-y_{B_b}|}{{\mathrm{\σ}}_y}}{e}^{-\frac{|w_{A_a}-w_{B_b}|}{{\mathrm{\σ}}_w}}{e}^{-\frac{|h_{A_a}-h_{B_b}|}{{\mathrm{\σ}}_h}}\underset{h=0}{\overset{H-1}{\mathrm{\Σ}}}\sqrt{{\hat{p}}_{A_a}^h{\hat{p}}_{B_b}^h}---\left(2\right)$

其中，d(A_a，B_b)体现A_a与B_b的差异，σ_x，σ_y，σ_w，σ_h分别为给定的常数，可以根据需要设定。

基于计算式(2)，找出集合B中与A_a相似性最大的静止区域参考图像B_c。对于相似性最大的判断依据可以是，预设相似性阈值T，找出d(A_a，B_b)＜T的B_b的集合，并从该集合中找出d(A_a，B_b)最大时的B_b，为方便区分，记该B_b为B_c，如计算式(3)：

$d(A_a,B_c)=\max \left({\left\{d(A_a,B_b)\right\}}_{b=1}^M\right)---\left(3\right)$

该B_c即为能够与A_a相匹配的图像。

通常，可找出多对能够匹配的图像，如B₃是A₁的匹配对象，B₂是A₄的匹配对象，B₉是A₇的匹配对象，等等。

实际应用中，可设置其他的图像特征参量，采用其他算法体现参与匹配的静止区域候选图像与静止区域参考图像之间的相似性。

步骤108、将步骤107找到的各匹配对象标定为静止区域图像，且提示发现静止区域图像。

实际应用中，也可将找到匹配对象的静止区域候选图像用作静止区域图像。

步骤109、用找到匹配对象的静止图像候选区域更新数据库中的该匹配对象，并且，将数据库中其他未成为匹配对象的图像数据删除，将未找到匹配对象的静止区域候选图像存入数据库，以更新数据库的数据。

另外，实际应用中，还可设置在从数据库中找到匹配对象后，并不立即确定该匹配对象或对应的静止区域候选图像为静止区域图像，而是在该匹配对象在数据库中的存在状态满足预设条件后，再标定该匹配对象即为静止区域图像。其中，所谓存在状况如存在时长、或被找到的次数等等，所谓预设条件如存在时长超过预设值，或如被找到的次数超过预设值，则可认为该匹配对象即为静止区域图像。

上述图1所示流程结束，该流程中，通过对步骤102得到的第一前景图以及步骤104得到的第二前景图进行逻辑运算，来得出静止区域候选图像，实际应用中，可直接采用步骤102得到的第一前景图中静止像素点覆盖的区域用作静止区域候选图像，或直接采用步骤104得到的第二前景图中静止像素点覆盖的区域用作静止区域候选图像，只是相比较而言，上述图1所示流程中获得的静止区域候选图像精确度更高。

参见图2，图2是本发明的一个实施例中静止场景的标定装置的结构示意图，该装置可包括：检测模块、数据库模块、信息匹配模块和标定模块；其中，

检测模块，用于比对检测帧图像与参考帧图像，得出表现的场景待定为静止场景的静止区域候选图像；

数据库模块，用于存储预设的静止区域参考图像；

信息匹配模块，用于将检测模块检测出的静止区域候选图像与数据库模块内存储的静止区域参考图像进行匹配处理，得出匹配结果；

标定模块，用于根据所述信息匹配模块的匹配结果，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件，则将该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像。

图2中，该装置可进一步包括提示信息输出模块，用于在标定模块标定出所述静止区域图像后，输出表示发现所述静止区域图像的提示信息，可用以提示视频监视者发现静止区域图像。

该装置可进一步包括存储单元和背景更新单元；其中，

存储单元，用于存储检测帧图像的前N帧图像，前N帧图像被用作所述参考帧；

背景更新单元，用于利用检测帧图像替换前N帧图像中的一帧图像。

图2中，信息匹配模块可包括：度量值计算单元和选择单元，其中，

度量值计算单元，用于计算静止区域候选图像的特征值与每个所述静止区域参考图像的特征值之间的差值，根据差值得出静止区域候选图像与每个静止区域参考图像之间的相似性度量值；

选择单元，用于根据度量值计算单元的计算结果，选出相似性度量值在预设范围内且表示与所述静止区域候选图像最相似的静止区域参考图像。

图2中，检测模块可包括：计算单元、阈值化计算单元和结果处理单元，其中，

计算单元，用于计算检测帧上每个像素点的参量值，与参考帧图像上相同位置处像素点的参量值之间的差值，得出检测帧与参考帧图像之间的差分图像；实际应用中，该计算单元可用于计算上述第一差分图像，也可用于计算第二差分图像，或可用作计算第一和第二差分图像；

阈值化计算单元，用于将计算单元得出的差分图像上各像素点的特征值与预设的突变阈值进行比较，区分出差分图像上特征值发生突变的运动像素点，以及特征值未发生突变的静止像素点；实际应用中，该阈值化计算单元可用于对第一差分图像和/或第二差分图像进行阈值化处理，得出便于计算的第一前景图和第二前景图；

结果处理单元，用于根据阈值化计算单元的计算结果，得出体现的场景待定为静止场景的静止区域候选图像；实际应用中，对于由第一差分图像得出静止区域候选图像的情况，该结果处理单元可直接从第一差分图像上获得静止像素点覆盖的区域用作静止区域候选图像，对于由第二差分图像得出静止区域候选图像的情况，该结果处理单元可直接从第二差分图像上获得静止像素点覆盖的区域用作静止区域候选图像；对于从第一差分图像以及第二差分图像上获取静止区域候选图像的情况，该结果处理单元可对第一差分图像与第二差分图像的二值化图像进行逻辑运算，得出最终的静止区域候选图像。

参见图3，图3是本发明的一个实施例中检测模块的具体结构示意图，其中，计算单元包括：背景差分检测单元和差分检测单元，并且阈值化计算单元内嵌于背景差分检测单元和差分检测单元内，结果处理单元包括逻辑运算单元和输出单元，其中，

背景差分检测单元，用于算出第一差分图像，其中的阈值化处理单元对第一差分图像进行阈值化处理，并得出第一前景图；

装置内的存储单元，用于至少存储当前帧图像之前一帧图像；

差分检测单元，用于第二差分图像，其中的阈值化处理单元对第二差分图像进行阈值化处理，并得出第二前景图；

逻辑运算单元，用于第一前景图和第二前景突进行逻辑运算，得出静止区域候选图像；

输出单元，用于将逻辑运算单元得出的静止区域候选图像从该检测模块输出。

实际应用中，可在上述图3所示检测模块中设置区域分析单元，用于对静止区域候选图像进行形态学滤波处理，得到精确度较高的静止区域候选图像，并由输出单元将精确度较高的静止区域候选图像输出。

综上所述，本发明的具体实施中，通过比对检测帧图像和参考帧图像，获得静止区域候选图像，并将静止区域候选图像，与预设的静止区域参考图像进行匹配，若静止区域候选图像与静止区域参考图像的相似性较好，则可标定静止区域参考图像或静止区域候选图像为静止区域图像，从而，自动标定静止区域图像，可帮助视频监视者快速准确地发现被监控场景下的静止物。

另外，本发明的具体实施中，结合帧间差分和核密度估计背景差分可以更加有效的提取候选静止区域，减少误检率，提高了信息匹配工作的效率。并且，通过对参考帧进行自适应地更新，使方案能够适应与实际背景被更新的场景。

Claims (14)

1、一种静止场景的标定方法，其特征在于，包括：

比对检测帧图像与参考帧图像，得出表现的场景待定为静止场景的静止区域候选图像；

将所述静止区域候选图像与预设的静止区域参考图像进行匹配处理，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件，则标定该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像。

2、根据权利要求1所述的方法，其特征在于，比对检测帧图像与参考帧图像包括：

计算所述检测帧上每个像素点的参量值，与所述参考帧图像上相同位置处像素点的参量值之间的差值，得出所述检测帧与所述参考帧图像之间的差分图像。

3、根据权利要求2所述的方法，其特征在于，得出所述检测帧与所述参考帧图像之间的差分图像后，该方法进一步包括：

将所述差分图像上各像素点的特征值与预设的突变阈值进行比较，根据比较结果区分出所述差分图像上特征值发生突变的运动像素点，以及所述差分图像上特征值未发生突变的静止像素点。

4、根据权利要求3所述的方法，其特征在于，所述参考帧图像为所述检测帧图像之前的前N帧图像；所述差分图像为第一差分图像；或，

所述参考帧图像为所述检测帧图像之前一帧图像；所述差分图像为第二差分图像；

得出体现的场景待定为静止场景的静止区域候选图像包括：

将由所述静止像素点形成的区域用作所述静止区域候选图像。

5、根据权利要求3所述的方法，其特征在于，

所述参考帧图像包括所述检测帧图像之前的前N帧图像，和所述检测帧图像之前一帧图像；所述检测帧图像与所述前N帧图像之间的差分图像为第一差分图像；所述检测帧图像与所述前一帧图像之间的差分图像为第二差分图像；

得出体现的场景待定为静止场景的静止区域候选图像包括：

找出所述第一差分图像上的静止像素点覆盖的区域与第二差分图像上静止像素点覆盖的区域的并集，将所述并集覆盖的区域用作所述静止区域候选图像。

6、根据权利要求4或5所述的方法，其特征在于，得出体现的场景待定为静止场景的静止区域候选图像后，该方法进一步包括：

所述前N帧图像被预存，用所述检测帧图像替换所述前N帧图像中的一帧图像；

将包括所述检测帧的N帧图像用作所述检测帧之后一帧图像的参考帧。

7、根据权利要求6所述的方法，其特征在于，用所述检测帧图像替换所述前N帧图像中的一帧图像包括：

用所述检测帧图像中的静止像素点替换所述前N帧图像中的一帧图像中相同位置处的像素点；

所述前N帧图像中的一帧图像为所述前N帧图像中最早出现的一帧图像。

8、根据权利要求1至5中任一项所述的方法，其特征在于，所述静止区域参考图像存在一个或多个，将所述静止区域候选图像与预设的静止区域参考图像进行匹配处理包括：

计算所述静止区域候选图像的特征值与每个所述静止区域参考图像的特征值之间的差值；

根据所述差值得出所述静止区域候选图像与每个静止区域参考图像之间的相似性度量值。

9、根据权利要求8所述的方法，其特征在于，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件包括：

所述相似性度量值在预设范围内；

标定该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像包括：

根据所述相似性度量值，选出与所述静止区域候选图像最相似的静止区域参考图像，用作所述静止区域图像。

10、一种静止场景的标定装置，其特征在于，包括：检测模块、数据库模块、信息匹配模块、标定模块；其中，

所述检测模块，用于比对检测帧图像与参考帧图像，得出表现的场景待定为静止场景的静止区域候选图像；

所述数据库模块，用于存储预设的静止区域参考图像；

所述信息匹配模块，用于将所述检测模块检测出的静止区域候选图像与所述数据库模块内存储的静止区域参考图像进行匹配处理，得到匹配结果；

所述标定模块，用于根据所述信息匹配模块的匹配结果，若所述静止区域参考图像与所述静止区域候选图像之间的相似性满足预设的相似条件，则将该静止区域参考图像以及对应的静止区域候选图像为体现静止场景的静止区域图像。

11、根据权利要求10所述的装置，其特征在于，所述检测模块包括：计算单元、阈值化计算单元和结果处理单元，其中，

所述计算单元，用于计算所述检测帧上每个像素点的参量值，与所述参考帧图像上相同位置处像素点的参量值之间的差值，得出所述检测帧与所述参考帧图像之间的差分图像；

所述阈值化计算单元，用于将所述计算单元得出的差分图像上各像素点的特征值与预设的突变阈值进行比较，区分出所述差分图像上特征值发生突变的运动像素点，以及所述差分图像上特征值未发生突变的静止像素点；

所述结果处理单元，用于根据所述阈值化计算单元的计算结果，得出体现的场景待定为静止场景的静止区域候选图像。

12、根据权利要求10所述的装置，其特征在于，所述装置进一步包括：存储单元和背景更新单元；其中，

所述存储单元，用于存储所述检测帧图像的前N帧图像，所述前N帧图像被用作所述参考帧；

所述背景更新单元，用于利用所述检测帧图像替换所述前N帧图像中的一帧图像。

13、根据权利要求10所述的装置，其特征在于，所述信息匹配模块包括：度量值计算单元和选择单元，其中，

所述度量值计算单元，用于计算所述静止区域候选图像的特征值与每个所述静止区域参考图像的特征值之间的差值，根据所述差值得出所述静止区域候选图像与每个静止区域参考图像之间的相似性度量值；

所述选择单元，用于根据所述度量值计算单元的计算结果，选出所述相似性度量值在预设范围内且表示与所述静止区域候选图像最相似的静止区域参考图像。

14、根据权利要求10所述的装置，其特征在于，所述装置进一步包括：提示信息输出模块，用于在所述标定模块标定出所述静止区域图像后，输出表示发现所述静止区域图像的提示信息。

Images