CN101854466B - 一种运动区域探测方法及装置 - Google Patents

Abstract

本发明提供了一种运动区域探测方法及装置，其中方法包括：对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；计算第一相关性系数与第二相关性系数的差值的绝对值，确定出绝对值大于设定的相关性系数阈值的第一宏块；将确定出的像素点和第一宏块的交集所在的区域作为运动区域的探测结果。本发明利用图像帧中运动区域和非运动区域的特点，实现了对图像帧中运动区域的精确探测。

Description

一种运动区域探测方法及装置

技术领域

本申请涉及视频处理领域，尤其涉及一种运动区域探测方法及装置。

背景技术

近几年物体移动探测技术引起了很多计算机视觉学者们的广泛关注，主要是因为其在众多领域里的具有发展前途的应用，尤其是在视频监控领域。

视频监控系统常应用于无人值守但安全性要求较高的场所如银行金库等，这种场所的特点在于，通常在安全的情况下，监控视频为静止无变化的图像或者连续的发生缓慢变化的图像，一旦在监控视频图像中出现了快速移动的物体，则极有可能是被监控场所出现异常情况，从而触发视频监控系统告警，安全性要求较高的场所的上述特点，对于如何更准确更可靠地识别出视频监控系统监测的视频中发生快速移动的物体提出了更高的要求。

现有的视频运动区域的探测方法，比较有代表性的有背景差法、帧差法等，背景差法是最常用的方法，通常应用于静止的背景环境下，它的原理是用一个背景模型当做参考来跟当前帧图像进行比较以探测到前景运动信息，背景差法具有一定局限性，只能运用于固定静止的背景，对于复杂动态的环境中运动区域的探测无能为力，帧差法是建立在帧间变化的基础上，原理是通过计算相邻帧间的变化来得到物体运动区域，该方法对于探测到的运动物体信息提取并不精确，通常适用于快速移动物体的初步探测。

发明内容

本申请实施例提供了一种运动区域探测方法及装置，用以实现视频图像帧中运动区域的精确探测。

本发明实施例提供的一种运动区域探测方法，包括：

对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；

将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与所述当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与所述当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；

计算所述第一相关性系数与第二相关性系数的差值的绝对值，确定出所述绝对值大于设定的相关性系数阈值的第一宏块；

将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果。

本发明实施例提供的一种运动区域的探测装置，包括：

边缘检测模块，用于对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；

相关性计算模块，用于将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与所述当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与所述当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；计算所述第一相关性系数与第二相关性系数的差值的绝对值，确定出所述绝对值大于设定的相关性系数阈值的第一宏块；

运动区域确定模块，用于将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果。

本发明实施例的有益效果包括：

本发明实施例提供的一种运动区域探测方法及装置，对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；计算当前图像帧每个第一宏块与当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；计算第一相关性系数与第二相关性系数的差值的绝对值，确定出绝对值大于设定的相关性系数阈值的第一宏块；将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果，本发明实施例提供的运动区域探测方法及装置，利用了图像帧中非运动区域的相关性系数具有稳定性较高、运动区域的相关性系数具有的突变性的特点，并结合了图像的边缘检测方法的检测结果，更准确地分离出图像帧中的运动区域和非运动区域，使得运动区域的探测结果更为精确可靠。

附图说明

图1为本发明实施例提供的运动区域的探测方法的流程图；

图2为本发明实施例提供的移动模板的示意图；

图3A为本发明实施例提供的索贝尔算子提供的横轴模板的示意图；

图3B为本发明实施例提供的索贝尔算子提供的纵轴模板的示意图；

图3C为本发明实施例提供的索贝尔算子提供的时间轴模板的示意图；

图4为本申请实施例提供的运动区域的探测装置的结构示意图。

具体实施方式

下面结合附图，对本申请实施例提供的一种运动区域的探测方法及装置的具体实施方式进行详细地说明。

本发明实施例提供的运动区域的探测方法，如图1所示，包括下述步骤：

S101、对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；

S102、将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；

本发明实施例中，为了描述方便，将当前图像帧以及当前图像帧的前一图像帧对应相同位置的宏块分别称为第一宏块和第二宏块，并将当前帧的下一图像帧中与第一宏块对应相同位置的宏块称为第三宏块。

对应地，为了描述的方便，将第一宏块和第二宏块之间的相关性系数为第一相关性系数，将第一宏块和第三宏块之间的相关性系数称为第二相关性系数。

S103、计算步骤S102中第一相关性系数与第二相关性系数的差值的绝对值，确定出绝对值大于设定的相关性系数阈值的第一宏块；

S104、将步骤S101确定出的像素点和第一宏块的交集所在的区域作为运动区域的探测结果。

下面对上述步骤S101-S104进行详细地说明。

上述步骤S101中，对当前图像帧进行边缘检测通过下述方法实现：

本发明实施例提供的运动区域的探测方法，采用三维索贝尔(sobel)算子来计算，即通过横轴(X方向)、纵轴(Y方向)和时间轴方向上的梯度来计算像素点的光流值，具体实施方法如下：

S1、从当前图像帧和当前图像帧的前一图像帧左上角3*3大小的图像块开始，按照从左到右、从上到下的顺序，以一个像素点为步长，依次移动索贝尔算子提供的3*3模板；

如图2所示，在当前图像帧和前一图像帧中，不断地移动索贝尔算子提供的3*3的模板。每次移动都一个像素点为位移。图2中虚线所示的是模板，箭头所示的方向是模板移动的方向。

索贝尔算子提供的3*3的模板如图3A-3C所示，图3A所示的是横轴方向的模板，图3B所示的是纵轴方向的模板，图3C所示的是时间轴的模板，时间轴的模板分为两个，右侧是当前图像帧所使用，左侧是当前图像帧的前一图像帧所使用。

S2、计算当前帧中的每个与模板位置对应的3*3图像块的中心像素点的横轴、纵轴和时间轴的梯度值；

计算当前图像帧每个3*3像素块的中心像素点横轴和纵轴的梯度值，只需要利用当前图像帧的像素点的信息即可，而计算当前帧每个3*3像素块的时间轴的梯度值，需要同时利用当前图像帧的3*3的图像块以及当前图像帧的前一图像帧中的对应位置的3*3的图像块的信息。具体来说，计算当前帧中每个3*3图像块中横轴、纵轴和时间轴梯度值的算法如下：

将如图3A所示的模板中横轴方向的9个参数值分别与该模板所覆盖的3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到该3*3图像块的中心像素点的横轴梯度值；

将如图3B所示的模板中纵轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的纵轴梯度值；

对当前帧中的每个3*3图像块，使用如图3C中所示的右侧的模板中的参数值，与该模板覆盖的3*3图像块对应位置的像素点的灰度值相乘，计算乘积之和；

对当前帧的前一图像帧中每一个对应位置的3*3图像块，将如图3C中所示的左侧模板中时间轴的参数值分别与前一图像帧的3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，将当前帧和前一图像帧得到的乘积之和求平均值，将平均值作为当前帧中3*3图像块的中心像素点的时间轴梯度值。

S3、根据步骤S2计算出的横轴、纵轴和时间轴的梯度值，确定出当前图像帧中每个3*3像素块中的中心像素点对应的光流值。

在本步骤S3中，先使用下述公式计算中心像素点在X方向和Y方向上的光流值：

$\left[\begin{array}{c}{V}_x\\ V_y\end{array}\right]={\left[\begin{array}{cc}{\mathrm{\ΣI}}_x^2& {\mathrm{\ΣI}}_x{I}_y\\ {\mathrm{\ΣI}}_x{I}_y& {\mathrm{\ΣI}}_y^2\end{array}\right]}^{-1}\left[\begin{array}{c}{-\mathrm{\ΣI}}_x{I}_t\\ {-\mathrm{\ΣI}}_y{I}_t\end{array}\right]$

在上式中，V_x为当前图像帧中该中心像素点X方向上的光流值；

V_y为当前图像帧中该中心像素点Y方向上的光流值；

I_x为当前图像帧中该中心像素点横轴梯度值；

I_y为当前图像帧中该中心像素点纵轴梯度值；

I_t为当前图像帧中该中心像素点时间轴梯度值；

计算出V_x和V_y的值之后，再使用下述公式计算当前图像帧中每个中心像素点对应的光流值：

$V_t=\sqrt{V_x^2+V_y^2};$

上式中，V_t为当前图像帧中所述中心像素点对应的光流值。

将计算出的V_t与设定的光流值阈值进行比较，确定出大于该光流值阈值的像素点，为了与其他像素点相区别，将确定出的像素点的灰度值设置为255。

图1所示的步骤S102中，较佳地，可以将每个图像帧划分为16*16大小的宏块，以标准图像化格式(CIF，Common Intermediate Format)的图像为例，CIF格式的图像包括352*288像素大小，以每个宏块16*16大小进行分割称为22*18个图像块，每个16*16大小的图像块称为一个宏块。

步骤S102中，当前图像帧的第一宏块与当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数的计算过程如下：

分别对当前图像帧的第一宏块，以及当前图像帧的前一图像帧中与第一宏块位置对应的第二宏块分别进行直方图运算，得到第一宏块对应的第一直方图序列，以及第二宏块对应的第二直方图序列；

图像的直方图揭示了每个图像中每个灰度值级别下像素点出现的数量，以256级灰度为例，计算出的直方图序列中包含256个序列值，按照灰度值从小到大的顺序，直方图序列中的序列值的大小依次等于0～255灰度值对应的像素点的数量。

使用下述公式计算第一宏块与第二宏块之间的第一相关性系数：

$\mathrm{Cor}(x,y)=\frac{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(y_i-\stackrel{\‾}{y})}^2}}$

上式中：Cor(x，y)为第一相关性系数；

x_i为第一直方图序列中的第i个值；

y_i为第二直方图序列中的第i个值；

为第一宏块中所有像素点灰度值的平均值；

为第二宏块中所有像素点灰度值的平均值。

以256级灰度的图像为例，上述i的取值范围为(0～255)。

上述步骤S102中，计算当前图像帧每个第一宏块与所述当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；与上述计算第一宏块和第二宏块之间的计算过程类似，需要计算出当前图像帧下一图像帧的第三直方图序列，然后计算第一宏块和第三宏块之间的第二相关性系数，具体计算过程在此不再赘述。

将第一计算出的第一相关性系数和第二相关性系数差值的绝对值，与设定的相关性系数阈值进行比较，确定出当前图像帧中大于该相关性系数阈值的第一宏块。

本发明实施例中，利用图像帧中运动区域和非运动区域的特性来分离它们，非运动区域的相关性系数具有稳定性较高的特点(换言之，当前帧与前一图像帧的相关性系数，与当前帧与后一图像帧的相关性系数相比，两者之间的差异不大)，运动区域则正好相反，其相关性系数具有突变性特点(当前帧与前一图像帧的相关性系数，与当前帧与后一图像帧的相关性系数相比，两者之间的差异较大)。

基于同一发明构思，本发明实施例中还提供了一种运动区域的探测装置，由于该装置基于前述运动区域的探测方法来实现，所解决问题的原理与前述一种运动区域的探测方法的工作原理相似，因此该装置的具体实施可以参见方法的实施，重复之处不在赘述。

本发明实施例提供的运动区域的探测装置，如图4所示，包括：

边缘检测模块401，用于对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；

相关性计算模块402，用于将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与所述当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与所述当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；计算所述第一相关性系数与第二相关性系数的差值的绝对值，确定出所述绝对值大于设定的相关性系数阈值的第一宏块；

运动区域确定模块403，用于将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果。

进一步地，本发明实施例提供的运动区域的探测装置中的边缘检测模块401，还用于从当前图像帧和当前帧的前一图像帧左上角3*3大小的图像块开始，按照从左到右、从上到下的顺序，以一个像素点为步长，依次移动索贝尔算子提供的3*3模板；计算当前图像帧中每个与所述模板位置对应的3*3图像块的中心像素点的横轴、纵轴和时间轴的梯度值；根据计算出的所述横轴、纵轴和时间轴的梯度值，确定出当前图像帧中该中心像素点对应的光流值。

进一步地，本发明实施例提供的运动区域的探测装置中的边缘检测模块401，还用于将所述模板中横轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的横轴梯度值；将所述模板中纵轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的纵轴梯度值；分别对当前帧及当前帧的前一图像帧相同位置的3*3图像块，将所述模板中时间轴方向的参数值分别与3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，将当前帧和所述前一图像帧乘积之和的平均值作为当前帧中所述3*3图像块的中心像素点的时间轴梯度值。

进一步地，本发明实施例提供的运动区域的探测装置中的边缘检测模块401，进一步用于使用下述公式计算当前图像帧中所述中心像素点在X方向和Y方向上的光流值：

$\left[\begin{array}{c}{V}_x\\ V_y\end{array}\right]={\left[\begin{array}{cc}{\mathrm{\ΣI}}_x^2& {\mathrm{\ΣI}}_x{I}_y\\ {\mathrm{\ΣI}}_x{I}_y& {\mathrm{\ΣI}}_y^2\end{array}\right]}^{-1}\left[\begin{array}{c}{-\mathrm{\ΣI}}_x{I}_t\\ {-\mathrm{\ΣI}}_y{I}_t\end{array}\right]$

上式中，V_x为当前图像帧中所述中心像素点X方向上的光流值；

V_y为当前图像帧中所述中心像素点Y方向上的光流值；

I_x为当前图像帧中所述中心像素点横轴梯度值；

I_y为当前图像帧中所述中心像素点纵轴梯度值；

I_t为当前图像帧中所述中心像素点时间轴梯度值；

并且使用下述公式计算当前图像帧中所述中心像素点对应的光流值：

其中V_t为当前图像帧中所述中心像素点对应的光流值。

进一步地，本发明实施例提供的运动区域的探测装置中相关性计算模块402，进一步用于对当前图像帧的第一宏块，以及所述前一图像帧中与所述第一宏块位置对应的第二宏块分别进行直方图运算，得到第一宏块对应的第一直方图序列，以及第二宏块对应的第二直方图序列；使用下述公式计算第一宏块与所述第二宏块之间的第一相关性系数：

$\mathrm{Cor}(x,y)=\frac{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(y_i-\stackrel{\‾}{y})}^2}}$

上式中：Cor(x，y)为第一相关性系数；

x_i为第一直方图序列中的第i个值；

y_i为第二直方图序列中的第i个值；

为第一宏块中所有像素点灰度值的平均值；

为第二宏块中所有像素点灰度值的平均值。

本发明实施例提供的一种运动区域探测方法及装置，对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点；计算当前图像帧每个第一宏块与当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；计算第一相关性系数与第二相关性系数的差值的绝对值，确定出绝对值大于设定的相关性系数阈值的第一宏块；将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果，本发明实施例提供的运动区域探测方法及装置，利用了图像帧中非运动区域的相关性系数具有稳定性较高、运动区域的相关性系数具有的突变性的特点，并结合了图像的边缘检测方法的检测结果，更准确地分离出图像帧中的运动区域和非运动区域，使得运动区域的探测结果更为精确可靠。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (6)

1.一种运动区域的探测方法，其特征在于，包括：

(1)对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点，其具体过程为，从当前图像帧和当前帧的前一图像帧左上角3*3大小的图像块开始，按照从左到右、从上到下的顺序，以一个像素点为步长，依次移动索贝尔算子提供的3*3模板，计算当前图像帧中每个与所述模板位置对应的3*3图像块的中心像素点的横轴、纵轴和时间轴的梯度值，根据计算出的所述横轴、纵轴和时间轴的梯度值，采用公式

$\left[\begin{array}{c}{V}_x\\ V_y\end{array}\right]={\left[\begin{array}{cc}\mathrm{\Σ}{I}_x^2& \mathrm{\Σ}{I}_x{I}_y\\ \mathrm{\Σ}{I}_x{I}_y& \mathrm{\Σ}{I}_y^2\end{array}\right]}^{-1}\left[\begin{array}{c}-\mathrm{\Σ}{I}_x{I}_t\\ -\mathrm{\Σ}{I}_y{I}_t\end{array}\right]$

来计算当前图像帧中所述中心像素点在X方向和Y方向上的光流值，上式中，V_x为当前图像帧中所述中心像素点X方向上的光流值、V_y为当前图像帧中所述中心像素点Y方向上的光流值、I_x为当前图像帧中所述中心像素点横轴梯度值、I_y为当前图像帧中所述中心像素点纵轴梯度值、I_t为当前图像帧中所述中心像素点时间轴梯度值，使用公式

$V_t=\sqrt{V_x^2+V_y^2}$

来计算当前图像帧中所述中心像素点对应的光流值，V_t为当前图像帧中所述中心像素点对应的光流值，在计算得出中心像素点对应的光流值后，进而对比出当前帧中光流值大于设定光流阈值的像素点；

(2)将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与所述当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与所述当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；

(3)计算所述第一相关性系数与第二相关性系数的差值的绝对值，确定出所述绝对值大于设定的相关性系数阈值的第一宏块；

(4)将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果。

2.如权利要求1所述的方法，其特征在于，计算每个与所述模板位置对应的3*3图像块的中心像素点的横轴、纵轴和时间轴方向上的梯度值，包括：

将所述模板中横轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的横轴梯度值；

将所述模板中纵轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的纵轴梯度值；

分别对当前帧及当前帧的前一图像帧相同位置的3*3图像块，将所述模板中时间轴方向的参数值分别与3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，将当前帧和所述前一图像帧乘积之和的平均值作为当前帧中所述3*3图像块的中心像素点的时间轴梯度值。

3.如权利要求1所述的方法，其特征在于，计算第一相关性系数，包括：

对当前图像帧的第一宏块，以及所述前一图像帧中与所述第一宏块位置对应的第二宏块分别进行直方图运算，得到第一宏块对应的第一直方图序列，以及第二宏块对应的第二直方图序列；

使用下述公式计算第一宏块与所述第二宏块之间的第一相关性系数：

$\mathrm{Cor}(x,y)=\frac{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}(x_i-\stackrel{-}{x})(y_i-\stackrel{-}{y})}{\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(x_i-\stackrel{-}{x})}^2}\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(y_i-\stackrel{-}{y})}^2}}$

上式中：Cor(x，y)为第一相关性系数；

x_i为第一直方图序列中的第i个值，i的取值范围为0～255；

y_i为第二直方图序列中的第i个值；

为第一宏块中所有像素点灰度值的平均值；

为第二宏块中所有像素点灰度值的平均值。

4.一种运动区域的探测装置，其特征在于，包括：

边缘检测模块，用于对当前图像帧进行边缘检测，确定出当前帧中光流值大于设定光流阈值的像素点，在检测计算过程中，边缘检测模块进一步用于从当前图像帧和当前帧的前一图像帧左上角3*3大小的图像块开始，按照从左到右、从上到下的顺序，以一个像素点为步长，依次移动索贝尔算子提供的3*3模板，计算当前图像帧中每个与所述模板位置对应的3*3图像块的中心像素点的横轴、纵轴和时间轴的梯度值；根据计算出的所述横轴、纵轴和时间轴的梯度值，边缘检测模块采用公式

$\left[\begin{array}{c}{V}_x\\ V_y\end{array}\right]={\left[\begin{array}{cc}\mathrm{\Σ}{I}_x^2& \mathrm{\Σ}{I}_x{I}_y\\ \mathrm{\Σ}{I}_x{I}_y& \mathrm{\Σ}{I}_y^2\end{array}\right]}^{-1}\left[\begin{array}{c}-\mathrm{\Σ}{I}_x{I}_t\\ -\mathrm{\Σ}{I}_y{I}_t\end{array}\right]$

来计算当前图像帧中所述中心像素点在X方向和Y方向上的光流值，上式中，V_x为当前图像帧中所述中心像素点X方向上的光流值、V_y为当前图像帧中所述中心像素点Y方向上的光流值、I_x为当前图像帧中所述中心像素点横轴梯度值、I_y为当前图像帧中所述中心像素点纵轴梯度值、I_t为当前图像帧中所述中心像素点时间轴梯度值，而后边缘检测模块使用公式

$V_t=\sqrt{V_x^2+V_y^2}$

来计算当前图像帧中所述中心像素点对应的光流值，V_t为当前图像帧中所述中心像素点对应的光流值，边缘检测模块在计算得出中心像素点对应的光流值后，进而对比出当前帧中光流值大于设定光流阈值的像素点；

相关性计算模块，用于将每个图像帧划分为若干个大小相等的宏块，计算当前图像帧每个第一宏块与所述当前图像帧的前一图像帧对应位置的第二宏块之间的第一相关性系数，以及计算当前图像帧每个第一宏块与所述当前图像帧的下一图像帧对应位置的第三宏块之间的第二相关性系数；计算所述第一相关性系数与第二相关性系数的差值的绝对值，确定出所述绝对值大于设定的相关性系数阈值的第一宏块；

运动区域确定模块，用于将确定出的所述像素点和所述第一宏块的交集所在的区域作为运动区域的探测结果。

5.如权利要求4所述的装置，其特征在于，所述边缘检测模块，进一步用于将所述模板中横轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的横轴梯度值；将所述模板中纵轴方向的参数值分别与所述3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，得到所述3*3图像块的中心像素点的纵轴梯度值；分别对当前帧及当前帧的前一图像帧相同位置的3*3图像块，将所述模板中时间轴方向的参数值分别与3*3图像块对应位置的像素点的灰度值相乘，并计算乘积之和，将当前帧和所述前一图像帧乘积之和的平均值作为当前帧中所述3*3图像块的中心像素点的时间轴梯度值。

6.如权利要求4所述的装置，其特征在于，所述相关性计算模块，进一步用于对当前图像帧的第一宏块，以及所述前一图像帧中与所述第一宏块位置对应的第二宏块分别进行直方图运算，得到第一宏块对应的第一直方图序列，以及第二宏块对应的第二直方图序列；使用下述公式计算第一宏块与所述第二宏块之间的第一相关性系数：

$\mathrm{Cor}(x,y)=\frac{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}(x_i-\stackrel{-}{x})(y_i-\stackrel{-}{y})}{\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(x_i-\stackrel{-}{x})}^2}\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(y_i-\stackrel{-}{y})}^2}}$

上式中：Cor(x，y)为第一相关性系数；

x_i为第一直方图序列中的第i个值i的取值范围为0～255；

y_i为第二直方图序列中的第i个值；

为第一宏块中所有像素点灰度值的平均值；

为第二宏块中所有像素点灰度值的平均值。

Images