CN103763458A - 一种场景变化检测方法及装置 - Google Patents

Abstract

本发明实施例提供一种场景变化检测方法及装置，涉及图像检测技术领域，解决了场景变化检测的适应性和有效性差这一问题。该方法为：获取连续M个场景图像的图像属性信息，并计算获得连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数或梯度直方图波动参数，再获取连续N个场景图像的图像属性信息，最后根据连续M个场景图像中第1个场景图像的对焦值、对焦值波动参数以及连续N个场景图像的对焦值，确定场景是否发生变化，或者，根据连续M个场景图像中第1个场景图像的梯度直方图、梯度直方图波动参数以及连续N个场景图像的梯度直方图，确定场景是否发生变化。

Description

一种场景变化检测方法及装置

技术领域

本发明涉及图像检测技术领域，尤其涉及一种场景变化检测方法及装置。

背景技术

自动对焦技术是系统通过对成像的分析、自动调整成像设备中镜头与图像传感器的距离，让拍摄的重点物体处于对焦状态。自动对焦又可分为主动对焦和被动对焦。主动对焦方式通过引入光学以外额外的测距系统来获得成像系统与对焦物体之间的距离，然后通过精确计算获得对焦信息。被动对焦方式是系统通过对摄像机获得的数字图像进行分析，计算出图像的对焦值，一般认为处于对焦状态下的图像的对焦值最大，通过移动镜头位置，使得对焦区域图像对焦值达到最大值来实现自动对焦。在视频监控、视频拍摄等应用场景下，自动对焦完成后需持续检测拍摄场景是否发生变化，如果场景发生变化，需重新进行自动对焦。

现有技术中的自动对焦是对图像的锐度或亮度进行时域的均值滤波，然后使用滤波后的锐度或亮度来判断场景是否发生变化，通过确定一固定参数，然后比较滤波后的锐度或亮度相对于对焦完成时刻的锐度或亮度的波动大于这一固定参数，则认为场景发生变化。由于对比参数为固定取值，而且没有提供图像的锐度或亮度自适应的取值的方法，使得场景变化检测的适应性差，另外现有技术的场景变化检测只考虑了图像的锐度和亮度，所考虑的信息不足，导致无法检测出某些特定场景变化，使得场景变化检测的有效性差。

发明内容

本发明的实施例提供一种场景变化检测方法及装置，能够提高场景变化检测的适应性和有效性。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明实施例提供一种场景变化检测方法，包括：

分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3；

根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref；

重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；

根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。

在第一方面的第一种可能的实现方式中，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref，包括：

对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。

在第一方面的第二种可能的实现方式中，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的梯度直方图波动参数HIST_diff_ref，包括：

对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。

在第一方面的第三种可能的实现方式中，所述根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，包括：

获取系数K1，K1大于0；

若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。

在第一方面的第四种可能的实现方式中，所述根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化，包括：

获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数；

获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

在第一方面的第五种可能的实现方式中，所述获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，包括：

获取所述连续N个场景图像的其中一个场景图像的HIST；

获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数；

获取系数K2，K2大于0；

若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

第二方面，本发明实施例提供一种场景变化检测装置，包括：

自动对焦模块，用于分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，并重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；

场景检测模块，用于根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。

在第二方面的第一种可能的实现方式中，所述自动对焦模块，具体用于对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。

在第二方面的第二种可能的实现方式中，所述自动对焦模块，具体用于对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。

在第二方面的第三种可能的实现方式中，所述场景检测模块，具体用于获取系数K1，K1大于0，若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。

在第二方面的第四种可能的实现方式中，所述场景检测模块，具体用于获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数，获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

在第二方面的第五种可能的实现方式中，所述场景检测模块，具体用于获取所述连续N个场景图像的其中一个场景图像的HIST，以及获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数，并获取系数K2，K2大于0，若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

本发明实施例提供了一种场景变化检测方法及装置，通过分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，再重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；最后，根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。本方案在进行场景变化检测时利用了场景图像的对焦值和梯度直方图信息，通过对场景图像的对焦值或梯度直方图的波动参数的计算，实现了可变的对比参数，而对焦值或梯度直方图的波动反应了噪声和亮度等因素对场景变化的影响，即考虑了更多的场景图像信息，从而提高了场景变化检测的适应性和有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的场景变化检测方法流程示意图；

图2为本发明实施例提供的场景变化检测方法流程示意图一；

图3为本发明实施例提供的场景变化检测方法流程示意图二；

图4为本发明实施例提供的场景变化检测装置示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种场景变化检测方法，如图1所示，该方法包括：

S101、场景变化检测装置分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3。

具体的，在自动对焦完成后，画面处于对焦状态，则分别记录连续M个场景图像对焦值FV或梯度直方图HIST。

S102、场景变化检测装置根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref。

场景变化检测装置获取所述连续M个场景图像中每一个场景图像的FV，其中，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，通过对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref，具体的如下公式所示:

$\mathrm{FV}\_\mathrm{diff}\_\mathrm{ref}=\frac{{\mathrm{\Σ}}_{i=2}^M|{\mathrm{FV}}_i-\mathrm{FV}\_\mathrm{infc}|}{M-1}$

场景变化检测装置获取连续M个场景图像的每一个场景图像的HIST，其中，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，通过对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref，如下公式所示:

$\mathrm{HIST}\_\mathrm{diff}\_\mathrm{ref}=\frac{{\mathrm{\Σ}}_{i=2}^M|{\mathrm{HIST}}_i-\mathrm{HIST}\_\mathrm{infc}|}{M-1}$

S103、场景变化检测装置重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0。

具体的，场景变化检测装置在获得对焦值波动参数或梯度直方图波动参数后，然后重新获取连续N个场景图像的FV或HIST。

S104、场景变化检测装置根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。

获取所述连续N个场景图像的每一个场景图像的FV，获取系数K1，K1大于0，若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化，如下公式所示:

|FV-FV_infc|>K1*FV_diff_ref

获取所述连续N个场景图像的每一个场景图像的HIST，获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数，获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

本发明实施例提供一种场景变化检测方法，如图2所示，该方法包括：

S201、场景变化检测装置分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息为对焦值FV，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，其中，M大于等于3。

具体的，在自动对焦完成后，画面处于对焦状态，场景变化检测装置则分别记录连续M个场景图像对焦值FV。

S202、场景变化检测装置对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。

在自动对焦完成后，画面处于对焦状态，则分别记录连续M个场景图像对焦值FV，其中，记录所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，即初始当前场景图像的对焦值为FV_infc，之后从第二个场景图像开始，对所述连续M个场景图像中之后M-1个场景图像每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref，具体如下公式所示：

$\mathrm{FV}\_\mathrm{diff}\_\mathrm{ref}=\frac{{\mathrm{\Σ}}_{i=2}^M|{\mathrm{FV}}_i-\mathrm{FV}\_\mathrm{infc}|}{M-1}$

其中，i为变量，取值从2到M，表示从第2个场景图像到第M个场景图像。

S203、场景变化检测装置重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息为FV，其中，N大于0。

具体的，场景变化检测装置在获得对焦值波动参数后，然后重新获取连续N个场景图像的FV。

S204、场景变化检测装置获取系数K1，K1大于0；若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。

具体的，获得对焦值波动参数后，然后重新分别获取连续N个场景图像的FV，对所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，如下公式所示：

|FV-FV_infc|>K1*FV_diff_ref

可判定场景发生变化，则需重新启动自动对焦模式，进行重新对焦。

本发明实施例提供一种场景变化检测方法，如图3所示，该方法包括：

S301、场景变化检测装置分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息为梯度直方图HIST，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3。

其中，在自动对焦完成后，画面处于对焦状态，场景变化检测装置则分别记录连续M个场景图像梯度直方图HIST。

S302、场景变化检测装置对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。

在自动对焦完成后，画面处于对焦状态，则分别记录连续M个场景图像梯度直方图HIST，其中，记录所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，即初始当前场景图像的梯度直方图为HIST_infc，之后从第二个场景图像开始，对所述连续M个场景图像中之后M-1个场景图像每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的梯度直方图波动参数HIST_diff_ref，如下公式所示：

$\mathrm{HIST}\_\mathrm{diff}\_\mathrm{ref}=\frac{{\mathrm{\Σ}}_{i=2}^M|{\mathrm{HIST}}_i-\mathrm{HIST}\_\mathrm{infc}|}{M-1}$

其中，i为变量，取值从2到M，表示从第2个场景图像到第M个场景图像。

S303、场景变化检测装置重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息为HIST，其中，N大于0。

获得对焦值波动参数后，然后重新获取连续N个场景图像的HIST。

S304、场景变化检测装置获取所述连续N个场景图像的其中一个场景图像的HIST；获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数；获取系数K2，K2大于0；若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

获得梯度直方图波动参数后，然后重新分别获取连续N个场景图像的HIST，对所述连续N个场景图像的每一个场景图像的HIST进行分组，并对所述连续N个场景图像的每一个场景图像的HIST的每一组进行判断，若所述连续N个场景图像的其中一个场景图像的HIST的某一分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，如下公式所示：

|HIST[i]-HIST_infc|>K2*HIST_diff_ref[i]

则确定所述连续N个场景图像的其中一个场景图像的HIST的这一分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

S305、场景变化检测装置获取所述连续N个场景图像的每一个场景图像的HIST;获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数；获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，对所述连续N个场景图像的每一个场景图像的HIST的每一组进行判断，再判断所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，可判定场景发生变化，则需重新启动自动对焦模式，进行重新对焦。设定所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数。

需要说明的是，L是一个预设的参数，L有一个变化范围，不同的场景可以是一样的，也可以是不一样，本发明实施例中对L的确定不做具体限定。

本发明实施例提供了一种场景变化检测方法，通过分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，再重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；最后，根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。本方案在进行场景变化检测时利用了场景图像的对焦值和梯度直方图信息，通过对场景图像的对焦值或梯度直方图的波动参数的计算，实现了可变的对比参数，而对焦值或梯度直方图的波动反应了噪声和亮度等因素对场景变化的影响，即考虑了更多的场景图像信息，从而提高了场景变化检测的适应性和有效性。

本发明实施例提供一种场景变化检测装置1，如图4所示，所述装置可以用于执行图1所示的方法。所述场景变化检测装置包括：

自动对焦模块10，用于分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，并重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0。

场景检测模块11，用于根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。

进一步地，自动对焦模块10，具体用于对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。

进一步地，自动对焦模块10，对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。

进一步地，场景检测模块11，具体用于获取系数K1，K1大于0，若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。

进一步地，场景检测模块11，具体用于获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数，获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

进一步地，场景检测模块11，具体用于获取所述连续N个场景图像的其中一个场景图像的HIST，以及获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数，并获取系数K2，K2大于0，若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

本发明实施例提供了一种场景变化检测装置，包括自动对焦模块，用于分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，并重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0，以及场景检测模块，用于根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。本装置在进行场景变化检测时利用了场景图像的对焦值和梯度直方图信息，通过对场景图像的对焦值或梯度直方图的波动参数的计算，实现了可变的对比参数，而对焦值或梯度直方图的波动反应了噪声和亮度等因素对场景变化的影响，即考虑了更多的场景图像信息，从而提高了场景变化检测的适应性和有效性。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，上述装置集成于处理器上，或者上述方法可以被某一处理器所执行。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种场景变化检测方法，其特征在于，包括：

分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3；

根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref；

重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；

根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。

2.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref，包括：

对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。

3.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的梯度直方图波动参数HIST_diff_ref，包括：

对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。

4.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，包括：

获取系数K1，K1大于0；

若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。

5.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化，包括：

获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数；

获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

6.根据权利要求5所述的场景变化检测方法，其特征在于，所述获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，包括：

获取所述连续N个场景图像的其中一个场景图像的HIST；

获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数；

获取系数K2，K2大于0；

若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

7.一种场景变化检测装置，其特征在于，包括：

自动对焦模块，用于分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，并重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；

场景检测模块，用于根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。

8.根据权利要求7所述的场景变化检测装置，其特征在于，所述自动对焦模块，具体用于对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。

9.根据权利要求7所述的场景变化检测装置，其特征在于，所述自动对焦模块，具体用于对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。

10.根据权利要求7所述的场景变化检测装置，其特征在于，所述场景检测模块，具体用于获取系数K1，K1大于0，若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。

11.根据权利要求7所述的场景变化检测装置，其特征在于，所述场景检测模块，具体用于获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数，获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。

12.根据权利要求7所述的场景变化检测装置，其特征在于，所述场景检测模块，具体用于获取所述连续N个场景图像的其中一个场景图像的HIST，以及获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数，并获取系数K2，K2大于0，若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。

Images