CN102096926A - 一种移动侦测方法和装置 - Google Patents

Abstract

本发明公开了一种移动侦测方法和装置：计算训练序列中需要被监控的区域的统计分布特性；分别计算训练序列的每一帧中需要被监控的区域的统计分布特性；依次判断训练序列的每一帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性是否一致，如果是，根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为训练序列中需要被监控的区域的统计分布特性；否则发出移动侦测告警。应用本发明所述的移动侦测方法和装置，能够去除因监控区域的画面本身存在变化而对现有移动侦测带来的影响，从而准确地完成对视频图像中需要被监控的区域的监控。

Description

一种移动侦测方法和装置

技术领域

本发明涉及视频监控技术领域，特别涉及一种移动侦测方法和装置。

背景技术

在视频监控中，为便于及时发现对视频图像中某些区域的入侵行为，都会在系统中对这些区域进行移动侦测，通过移动侦测就可以及时判断出这些区域中是否有物体移动或外物入侵，从而使得当判断出有物体移动或外物入侵时，监控人员能够及时发现并对发生物体移动或外物入侵的区域进行相应地处理。

图1为现有所采用的移动侦测方法的原理示意图。如图1所示，在一个被监控的视频序列中，以视频序列中的第(n+3)帧为当前帧、区域A为视频序列中需要被监控的区域为例，其中，所述n为任意正整数。当对当前帧的区域A进行移动侦测时，可通过如下方式进行：

首先，确定当前帧对应的参考帧，从理论上来说，参考帧可以为视频序列中当前帧之前的任意一帧，然而，当参考帧与当前帧之间的距离比较小时，即使区域A有物体移动或外物入侵，也可能侦测不出；当参考帧与当前帧之间的距离比较大时，由于噪声的存在，即使区域A没有物体移动或外物入侵，也可能会侦测出其中有物体移动或外物入侵。实际中，通常取当前帧之前的第3帧、即这里的第n帧为参考帧时，能够达到比较好的移动侦测效果；

其次，统计当前帧的区域A与参考帧的区域A之间的差异，根据差异判断区域A是否有物体移动或外物入侵，具体可以为：将当前帧的区域A中每一个像素点上的像素值同参考帧的区域A中相应每一个像素点上的像素值进行比较，如果比较出区域A中有超过一半以上的像素点的像素值发生了变化，则确定为当前帧的区域A有物体移动或外物入侵；否则，确定为当前帧的区域A没有物体移动或外物入侵。

从上述分析可以看出，现有所采用的移动侦测方法是通过计算当前帧的区域同当前帧的参考帧的对应的区域的差异，从而通过差异来判断区域是否有物体移动或外物入侵的。在监控设备，如摄像机等没有发生抖动的情况下，通过现有移动侦测方法即能够准确地完成对视频图像中需要被监控的区域的监控。

然而，当监控设备由于各种原因发生抖动时，会导致不同帧之间存在整体偏移，从而使得不同帧之间会存在较大的差异，即使当前帧的区域没有物体移动或外物入侵，而当前帧与参考帧之间因监控设备的抖动存在整体偏移时，也判断为当前帧的区域中有物体移动或外物入侵，从而不能准确地完成对视频图像中需要被监控的区域的监控。

发明内容

有鉴于此，本发明提供了一种移动侦测方法，能够准确地完成对视频图像中需要被监控的区域的监控。

本发明还提供了一种移动侦测装置，能够准确地完成对视频图像中需要被监控的区域的监控。

为了达到上述目的，本发明提出的技术方案为：

一种移动侦测方法，该方法包括：

计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性；

分别计算所述训练序列的每一帧中需要被监控的区域的统计分布特性；

依次判断所述训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致，如果是，则根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为所述训练序列中需要被监控的区域的统计分布特性；否则，发出移动侦测告警。

所述计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性包括：

计算所述训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性；

计算得到的训练序列指定数量帧的所有帧中需要被监控的区域的统计分布特性的均值和方差，将所述计算得到的均值和方差作为计算训练序列中需要被监控的区域的统计分布特性。

所述训练序列的每一帧中需要被监控的区域的统计分布特性p^j可通过如下公式计算得到，

其中，

所述j为需要被监控的区域的直方图区间化的下标，且0≤j≤255；所述x为需要被监控的区域的中心；所述l_x和l_y分别为需要被监控的区域的最长半径和最短半径；所述x_i为需要被监控的区域中的某个像素点，所述g(x_i)为x_i点的灰度值。

所述判断训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致包括：

当满足

的向量中的个数大于向量总长度的一半时，判断为当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致；否则，判断为两者不一致，其中，所述

和

为训练序列中需要被监控的区域的统计分布特性，所述

为训练序列某一帧中需要被监控的区域的统计分布特性，所述λ为误差调节系数，且1＜λ＜3。

所述根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性包括：

通过如下公式计算得到更新后的训练序列中需要被监控的区域的统计分布特性和

$u_{\mathrm{store}}^{\′j}=u_{\mathrm{store}}^j\×\mathrm{\θ}+p_{\mathrm{current}}^j\×(1-\mathrm{\θ}),$

${\mathrm{\σ}}_{\mathrm{current}}^j=(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j})*(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j}),$

${\mathrm{\σ}}_{\mathrm{store}}^{\′j}={\mathrm{\σ}}_{\mathrm{store}}^j\×\mathrm{\ζ}+{\mathrm{\σ}}_{\mathrm{current}}^j\×(1-\mathrm{\ζ}),$

其中，所述θ和ζ都为调节系数，所述0＜θ＜1，所述0＜ζ＜1。

一种移动侦测装置，该装置包括：第一计算单元、第二计算单元、判断单元、更新单元和告警单元，其中，

所述第一计算单元，用于计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性；

所述第二计算单元，用于分别计算所述训练序列的每一帧中需要被监控的区域的统计分布特性；

所述判断单元，用于依次判断由第二计算单元计算出的训练序列的每一帧中需要被监控的区域的统计分布特性与由第一计算单元计算出的训练序列中需要被监控的区域的统计分布特性是否一致；

所述更新单元，用于当判断单元判断出两个统计分布特性一致时，根据判断出的统计分布特性一致的帧中由第二计算单元计算出的需要被监控的区域的统计分布特性更新所述第一计算单元计算出的训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为训练序列中需要被监控的区域的统计分布特性；

所述告警单元，用于当判断单元判断出两个统计分布特性不一致时，发出移动侦测告警。

所述第一计算单元包括第一计算子单元和第二计算子单元，其中，

所述第一计算子单元，用于计算由视频指定数量帧所组成的训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性；

所述第二计算子单元，用于计算由第一计算单元计算得到的训练序列指定数量帧的所有帧中需要被监控的区域的统计分布特性的均值和方差，将所述计算得到的均值和方差作为计算训练序列中需要被监控的区域的统计分布特性。

所述训练序列的每一帧中需要被监控的区域的统计分布特性p^j可通过如下公式计算得到，

其中，

所述j为需要被监控的区域的直方图区间化的下标，且0≤j≤255；所述x为需要被监控的区域的中心；所述l_x和l_y分别为需要被监控的区域的最长半径和最短半径；所述x_i为需要被监控的区域中的某个像素点，所述g(x_i)为x_i点的灰度值。

所述判断训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致包括：

当满足

的向量中的个数大于向量总长度的一半时，判断为当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致；否则，判断为两者不一致，其中，所述

和

为训练序列中需要被监控的区域的统计分布特性，所述

为训练序列某一帧中需要被监控的区域的统计分布特性，所述λ为误差调节系数，且1＜λ＜3。

所述根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性包括：

通过如下公式计算得到更新后的训练序列中需要被监控的区域的统计分布特性

和

$u_{\mathrm{store}}^{\′j}=u_{\mathrm{store}}^j\×\mathrm{\θ}+p_{\mathrm{current}}^j\×(1-\mathrm{\θ}),$

${\mathrm{\σ}}_{\mathrm{current}}^j=(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j})*(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j}),$

${\mathrm{\σ}}_{\mathrm{store}}^{\′j}={\mathrm{\σ}}_{\mathrm{store}}^j\×\mathrm{\ζ}+{\mathrm{\σ}}_{\mathrm{current}}^j\×(1-\mathrm{\ζ}),$

其中，所述θ和ζ都为调节系数，所述0＜θ＜1，所述0＜ζ＜1。

综上所述，本发明所采用的移动侦测方法，首先使用由视频指定数量帧所组成的训练序列计算得到需要被监控的区域的统计分布特性；然后，在进行侦测监控过程中，不断计算训练序列每一帧中需要被监控的区域的统计分布特性；之后，再分别将计算得到的这两个统计分布特性进行比较，如果两者一致，则不发出移动侦测告警，并用当前帧中得到的统计分布特性更新训练序列的统计分布特性后，将更新后得到的统计分布特性应用于当前帧的下一帧进行比较；否则发出移动告警。由于本发明方法是在移动侦测过程中实时计算每一帧中需要被监控的区域的统计分布特性的，因此，通过本发明方法能够去除因监控区域的画面本身存在变化而对现有移动侦测带来的影响，从而准确地完成对视频图像中需要被监控的区域的监控。

附图说明

图1为现有所采用的移动侦测方法的原理示意图；

图2为本发明移动侦测方法实施例的工作流程图；

图3为本发明移动侦测装置实施例的组成结构示意图。

具体实施方式

为了解决现有技术中存在的问题，本发明提出了一种新的移动侦测方法，即使用由视频指定数量帧所组成的训练序列计算得到需要被监控的区域的统计分布特性；然后，在进行侦测监控过程中，不断计算训练序列每一帧中需要被监控的区域的统计分布特性；之后，再分别将计算得到的这两个统计分布特性进行比较，如果两者一致，则不发出移动侦测告警，并用当前帧中得到的统计分布特性更新训练序列的统计分布特性后，将更新后得到的统计分布特性应用于当前帧的下一帧进行比较；否则发出移动告警。

基于上述介绍，本发明所述方案的具体实现包括：

计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性；

分别计算所述训练序列的每一帧中需要被监控的区域的统计分布特性；

依次判断所述训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致，如果是，则根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为所述训练序列中需要被监控的区域的统计分布特性；否则，发出移动侦测告警。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

需要说明的是，本实施例是以图1所示视频序列中的共m帧作为训练序列、区域A为训练序列中需要被监控的区域为例，具体可参见图2给出的本发明移动侦测方法实施例的工作流程。如图2所示，该流程包括以下步骤：

步骤201：计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性。

需要说明的是，在本步骤中，计算训练序列中需要被监控的区域的统计分布特性可以为：首先，计算训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性；其次，计算得到的训练序列指定数量帧的所有帧中需要被监控的区域的统计分布特性的均值和方差，即得到了训练序列中需要被监控的区域的统计分布特性。

在本步骤中，所述训练序列的某一帧中需要被监控的区域的统计分布特性p^j可通过如下公式计算得到，

其中，

所述j为需要被监控的区域的直方图区间化的下标，且0≤j≤255；所述x为需要被监控的区域的中心；所述l_x和l_y分别为需要被监控的区域的最长半径和最短半径；所述x_i为需要被监控的区域中的某个像素点，所述g(x_i)为x_i点的灰度值。

对图1所示的m帧图像中的需要被监控的区域A分别按照上述公式进行计算，即可得到m帧图像中的区域A的统计分布特性

在得到了训练序列指定数量帧的所有帧中需要被监控的区域的统计分布特性后，即可通过计算训练序列指定数量帧的所有帧中需要被监控的区域的统计特性的均值和方差

将计算得到的均值

和方差

作为训练序列中该需要被监控的区域的统计分布特性，在本步骤中，具体如何计算均值和方差为现有技术，这里不再对其进行赘述。

步骤202：分别计算训练序列指定数量帧的的每一帧中需要被监控的区域的统计分布特性。

需要说明的是，在本步骤中，计算训练序列的每一帧中需要被监控的区域的统计分布特性可按照步骤201中的计算公式进行，这里不再赘述。

步骤203：将训练序列中的第一帧作为当前帧。

步骤204：判断当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性是否一致，如果是，执行步骤205；否则，执行步骤206。

在本步骤中，假设当前帧中需要被监控的区域的统计分布特性为

则判断当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性是否一致具体可以为：

当满足

的向量中的个数大于向量总长度的一半时，判断为当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致；否则，判断为两者不一致。其中，所述λ为误差调节系数，当λ过大时会导致两个统计分布特性本来不一致，会错误地判断为一致，从而导致即使当前帧中需要被监控的区域有物体移动或外物入侵，却认为没有物体移动或外物入侵；当λ过小时会导致两个统计分布特性本来应该一致，却错误地判断为不一致，从而导致即使当前帧中需要被监控的区域没有物体移动或外物入侵，却认为有物体移动或外物入侵，一般情况下1＜λ＜3，当λ＝2时能达到比较好的判断效果。

步骤205：用当前帧的统计分布特性更新训练序列的统计分布特性，并将更新后的训练序列的统计特性作为训练序列的统计特性后，执行步骤207。

当当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致时，可认为当前帧中需要被监控的区域没有物体移动或外物入侵，此时，需要用当前帧中需要被监控的区域的统计分布特性更新训练序列中需要被监控的区域的统计特性，也即用

更新

和

具体可通过如下公式计算得到更新后的训练序列中需要被监控的区域的统计分布特性

和

$u_{\mathrm{store}}^{\′j}=u_{\mathrm{store}}^j\×\mathrm{\θ}+p_{\mathrm{current}}^j\×(1-\mathrm{\θ}),$

${\mathrm{\σ}}_{\mathrm{current}}^j=(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j})*(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j}),$

${\mathrm{\σ}}_{\mathrm{store}}^{\′j}={\mathrm{\σ}}_{\mathrm{store}}^j\×\mathrm{\ζ}+{\mathrm{\σ}}_{\mathrm{current}}^j\×(1-\mathrm{\ζ}),$

其中，所述θ和ζ都为调节系数，θ用于调节

和在

中所占的比重，即存储值和当前值在生成值中哪个比重更大，0＜θ＜1；ζ用于调节

和在

中所占的比重，即存储值和当前值在生成值中哪个比重更大，0＜ζ＜1，经过实验分析得知，当θ＝0.75，ζ＝0.85时，能达到比较好的调节效果。

在得到了

和之后，令

步骤206：发出移动侦测告警。

当当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性不一致时，即可认为当前帧中需要被监控的区域有物体移动或外物入侵，此时，需要发出移动侦测告警。

步骤207：判断当前帧是否为训练序列中的最后一帧，如果是，则结束整个工作流程；否则，执行步骤208。

步骤208：将当前帧下一帧作为当前帧后，返回执行步骤204，直至当前帧为训练序列中的最后一帧。

至此，即完成了本发明所采用的移动侦测方法的整个工作流程。

基于上述，图3为本发明移动侦测装置实施例的组成结构示意图。如图3所示，该装置包括：第一计算单元31、第二计算单元32、判断单元33、更新单元34和告警单元35，其中，

所述第一计算单元31，用于计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性。

进一步地，所述第一计算单元31又可包括：第一计算子单元311和第二计算子单元312，其中，

所述第一计算子单元311，用于计算由视频指定数量帧所组成的训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性。

在本实施例中，所述训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性p^j可通过如下公式计算得到，

其中，

所述j为需要被监控的区域的直方图区间化的下标，且0≤j≤255；所述x为需要被监控的区域的中心；所述l_x和l_y分别为需要被监控的区域的最长半径和最短半径；所述x_i为需要被监控的区域中的某个像素点，所述g(x_i)为x_i点的灰度值。

所述第二计算子单元312，用于计算由第一计算单元311计算得到的训练序列指定数量帧的三所有帧中需要被监控的区域的统计分布特性的均值和方差，将所述计算得到的均值和方差作为计算训练序列中需要被监控的区域的统计分布特性。

所述第二计算单元32，用于分别计算训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性。

需要说明的是，本单元的具体操作同第一计算子单元311，这里不再赘述。

所述判断单元33，用于依次判断由第二计算单元32计算出的训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性与由第一计算单元31计算出的训练序列中需要被监控的区域的统计分布特性是否一致。

所述判断训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性是否一致包括：

当满足

的向量中的个数大于向量总长度的一半时，判断为当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致；否则，判断为两者不一致，其中，所述

和

为训练序列中需要被监控的区域的统计分布特性，所述

为训练序列某一帧中需要被监控的区域的统计分布特性，所述λ为误差调节系数，且1＜λ＜3。

所述更新单元34，用于当判断单元33判断出两个统计分布特性一致时，根据判断出的统计分布特性一致的帧中由第二计算单元32计算出的需要被监控的区域的统计分布特性更新所述第一计算单元31计算出的训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为训练序列中需要被监控的区域的统计分布特性。

所述根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性包括：

通过如下公式计算得到更新后的训练序列中需要被监控的区域的统计分布特性

和

$u_{\mathrm{store}}^{\′j}=u_{\mathrm{store}}^j\×\mathrm{\θ}+p_{\mathrm{current}}^j\×(1-\mathrm{\θ}),$

${\mathrm{\σ}}_{\mathrm{current}}^j=(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j})*(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j}),$

${\mathrm{\σ}}_{\mathrm{store}}^{\′j}={\mathrm{\σ}}_{\mathrm{store}}^j\×\mathrm{\ζ}+{\mathrm{\σ}}_{\mathrm{current}}^j\×(1-\mathrm{\ζ}),$

其中，所述θ和ζ都为调节系数，θ用于调节和

在

中所占的比重，即存储值和当前值在生成值中哪个比重更大，0＜θ＜1；ζ用于调节

和

在中所占的比重，即存储值和当前值在生成值中哪个比重更大，0＜ζ＜1，经过实验分析得知，当θ＝0.75，ζ＝0.85时，能达到比较好的调节效果。

所述告警单元35，用于当判断单元33判断出两个统计分布特性不一致时，发出移动侦测告警。

至此，即得到了本发明实施例的移动侦测装置。

图3所示装置的具体工作流程请参照图2所示方法实施例中的相应说明，此处不再赘述。

总之，本发明所采用的移动侦测方法，使用由视频指定数量帧所组成的训练序列计算得到需要被监控的区域的统计分布特性；然后，在进行侦测监控过程中，不断计算训练序列每一帧中需要被监控的区域的统计分布特性；之后，再分别将计算得到的这两个统计分布特性进行比较，如果两者一致，则不发出移动侦测告警，并用当前帧中得到的统计分布特性更新训练序列的统计分布特性后，将更新后得到的统计分布特性应用于当前帧的下一帧进行比较；否则发出移动告警。由于本发明方法是在移动侦测过程中实时计算每一帧中需要被监控的区域的统计分布特性的，因此，通过本发明方法能够去除因监控区域的画面本身存在变化而对现有移动侦测带来的影响，从而准确地完成对视频图像中需要被监控的区域的监控。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种移动侦测方法，其特征在于，该方法包括：

计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性；

分别计算所述训练序列的每一帧中需要被监控的区域的统计分布特性；

依次判断所述训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致，如果是，则根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为所述训练序列中需要被监控的区域的统计分布特性；否则，发出移动侦测告警。

2.根据权利要求1所述的方法，其特征在于，所述计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性包括：

计算所述训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性；

计算得到的训练序列指定数量帧的所有帧中需要被监控的区域的统计分布特性的均值和方差，将所述计算得到的均值和方差作为计算训练序列中需要被监控的区域的统计分布特性。

3.根据权利要求1或2所述的方法，其特征在于，所述训练序列的每一帧中需要被监控的区域的统计分布特性p^j可通过如下公式计算得到，

其中，

所述j为需要被监控的区域的直方图区间化的下标，且0≤j≤255；所述x为需要被监控的区域的中心；所述l_x和l_y分别为需要被监控的区域的最长半径和最短半径；所述x_i为需要被监控的区域中的某个像素点，所述g(x_i)为x_i点的灰度值。

4.根据权利要求2所述的方法，其特征在于，所述判断训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致包括：

当满足

的向量中的个数大于向量总长度的一半时，判断为当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致；否则，判断为两者不一致，其中，所述和

为训练序列中需要被监控的区域的统计分布特性，所述

为训练序列某一帧中需要被监控的区域的统计分布特性，所述λ为误差调节系数，且1＜λ＜3。

5.根据权利要求4所述的方法，其特征在于，所述根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性包括：

通过如下公式计算得到更新后的训练序列中需要被监控的区域的统计分布特性

和

$u_{\mathrm{store}}^{\′j}=u_{\mathrm{store}}^j\×\mathrm{\θ}+p_{\mathrm{current}}^j\×(1-\mathrm{\θ}),$

${\mathrm{\σ}}_{\mathrm{current}}^j=(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j})*(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j}),$

${\mathrm{\σ}}_{\mathrm{store}}^{\′j}={\mathrm{\σ}}_{\mathrm{store}}^j\×\mathrm{\ζ}+{\mathrm{\σ}}_{\mathrm{current}}^j\×(1-\mathrm{\ζ}),$

其中，所述θ和ζ都为调节系数，所述0＜θ＜1，所述0＜ζ＜1。

6.一种移动侦测装置，其特征在于，该装置包括：第一计算单元、第二计算单元、判断单元、更新单元和告警单元，其中，

所述第一计算单元，用于计算由视频指定数量帧所组成的训练序列中需要被监控的区域的统计分布特性；

所述第二计算单元，用于分别计算所述训练序列的每一帧中需要被监控的区域的统计分布特性；

所述判断单元，用于依次判断由第二计算单元计算出的训练序列的每一帧中需要被监控的区域的统计分布特性与由第一计算单元计算出的训练序列中需要被监控的区域的统计分布特性是否一致；

所述更新单元，用于当判断单元判断出两个统计分布特性一致时，根据判断出的统计分布特性一致的帧中由第二计算单元计算出的需要被监控的区域的统计分布特性更新所述第一计算单元计算出的训练序列中需要被监控的区域的统计分布特性，将更新后的统计分布特性作为训练序列中需要被监控的区域的统计分布特性；

所述告警单元，用于当判断单元判断出两个统计分布特性不一致时，发出移动侦测告警。

7.根据权利要求6所述的装置，其特征在于，所述第一计算单元包括第一计算子单元和第二计算子单元，其中，

所述第一计算子单元，用于计算由视频指定数量帧所组成的训练序列指定数量帧的每一帧中需要被监控的区域的统计分布特性；

所述第二计算子单元，用于计算由第一计算单元计算得到的训练序列指定数量帧的所有帧中需要被监控的区域的统计分布特性的均值和方差，将所述计算得到的均值和方差作为计算训练序列中需要被监控的区域的统计分布特性。

8.根据权利要求6或7所述的装置，其特征在于，所述训练序列的每一帧中需要被监控的区域的统计分布特性p^j可通过如下公式计算得到，

其中， 所述j为需要被监控的区域的直方图区间化的下标，且0≤j≤255；所述x为需要被监控的区域的中心；所述l_x和l_y分别为需要被监控的区域的最长半径和最短半径；所述x_i为需要被监控的区域中的某个像素点，所述g(x_i)为x_i点的灰度值。

9.根据权利要求7所述的装置，其特征在于，所述判断训练序列的每一帧中需要被监控的区域的统计分布特性与所述训练序列中需要被监控的区域的统计分布特性是否一致包括：

当满足

的向量中的个数大于向量总长度的一半时，判断为当前帧中需要被监控的区域的统计分布特性与训练序列中需要被监控的区域的统计分布特性一致；否则，判断为两者不一致，其中，所述

和

为训练序列中需要被监控的区域的统计分布特性，所述

为训练序列某一帧中需要被监控的区域的统计分布特性，所述λ为误差调节系数，且1＜λ＜3。

10.根据权利要求9所述的装置，其特征在于，所述根据判断出的统计分布特性一致的帧中需要被监控的区域的统计分布特性更新所述训练序列中需要被监控的区域的统计分布特性包括：

通过如下公式计算得到更新后的训练序列中需要被监控的区域的统计分布特性

和

$u_{\mathrm{store}}^{\′j}=u_{\mathrm{store}}^j\×\mathrm{\θ}+p_{\mathrm{current}}^j\×(1-\mathrm{\θ}),$

${\mathrm{\σ}}_{\mathrm{current}}^j=(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j})*(p_{\mathrm{current}}^j-u_{\mathrm{store}}^{\′j}),$

${\mathrm{\σ}}_{\mathrm{store}}^{\′j}={\mathrm{\σ}}_{\mathrm{store}}^j\×\mathrm{\ζ}+{\mathrm{\σ}}_{\mathrm{current}}^j\×(1-\mathrm{\ζ}),$

其中，所述θ和ζ都为调节系数，所述0＜θ＜1，所述0＜ζ＜1。

Images