CN103810718A - 一种剧烈运动目标检测方法和装置 - Google Patents

Abstract

本发明实施例提供一种剧烈运动目标检测方法和装置，根据一帧图像的前景图像，对该帧图像进行角点（特征点）检测，获得该帧图像中运动目标的特征点。通过确定该帧图像、以及与该帧图像相邻的前一帧图像中，匹配的角点之间的相对位置关系，确定在该帧图像中，所述运动目标的运动方向和运动幅度，从而可以确定在该帧图像中，该运动目标是否为剧烈运动目标。由于本方案根据前景图像，利用数量较少的点来确定运动目标是否发生了剧烈运动，因此，可以有效减少计算量，且由于选择出的特征点可以更准确地表示运动目标的运动信息，因此，还可以提高确定出的结果的准确性。

Description

一种剧烈运动目标检测方法和装置

技术领域

本发明涉及通信领域，尤其涉及一种剧烈运动目标检测方法和装置。

背景技术

智能视频监控是利用计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析，对监控场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而可以在异常情况发生时及时发送出警报或提供有用信息的技术。由于智能视频监控无需人力监控视频画面，可全天候对视频图像进行感兴趣目标的主动检测、跟踪和行为分析，并对事件进行报告，智能视频监控的应用越来越广泛。

一般智能视频监控的流程可以如图1所示，包括：

视频图像输入，在本步骤中，可以进行视频采集和降噪等前处理；

背景建模，在本步骤中，可以根据输入的视频图像建立背景模型，得到背景图像，且背景模型可以不断进行学习更新；

运动目标检测，在本步骤中，可以根据当前帧图像和背景图像得到前景运动目标标记图，检测结果可能包含零个、一个或多个运动目标；

运动目标跟踪，在本步骤中，可以针对每帧图像，对运动目标检测提取的运动目标进行跟踪，记录目标运动轨迹；

运动目标行为分析，在本步骤中，可以对目标的行为进行分析，主要包括：绊线入侵、区域入侵、穿越围栏、滞留、徘徊、物品遗留、物品搬移、离岗、剧烈运动等。

目前，通过运动目标行为分析（和运动目标跟踪）可以确定运动目标是否发生了剧烈运动，从而确定运动目标是否为剧烈运动目标。在确定运动目标是否发生剧烈运动时，一般是利用光流计算的方式实现。例如，对彩色的帧图像进行灰度化处理，采用光流法获得两帧图像的相对运动，然后根据光流的相对运动，获取能量变化的历史图，以能量变化的历史图为模板，计算方向变化大的像素点并获取剧烈运动的历史图，从而确定运动目标是否发生剧烈运动。或者，基于区域光流特征，进行异常行为检测，利用运动区域光流场和运动幅度加权的运动方向直方图统计来确定运动目标是否发生剧烈运动。

但光流计算存在计算复杂度高，计算速度较慢的问题，无法满足实时处理的需要。

发明内容

本发明实施例提供一种剧烈运动目标检测方法和装置，用于减少剧烈运动目标检测的计算量，保证剧烈运动目标检测的时效性。

一种剧烈运动目标检测方法，所述方法包括：

对序列图像中的第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合，所述第一运动目标前景图像是对所述第N帧图像进行前景检测得到的，其中，所述N为不小于2的正整数；

针对第一角点集合中的每个第一角点，确定参考角点集合中是否存在与该第一角点匹配的第二角点，所述参考角点集合是对所述序列图像中的第N-1帧图像中，与第二运动目标前景图像中的所述运动目标所在位置对应的位置进行角点检测，获得的第二角点集合，所述第二运动目标前景图像是对所述第N-1帧图像进行前景检测得到的；

针对在所述参考角点集合中存在匹配的第二角点的每个第一角点，根据该第一角点以及与该第一角点匹配的第二角点的位置关系，确定在第N帧图像中，所述运动目标的运动方向和运动幅度；

根据所述运动目标的运动方向和运动幅度，确定在第N帧图像中，所述运动目标是否为剧烈运动目标。

一种剧烈运动目标检测装置，所述装置包括：

角点检测模块，用于对序列图像中的第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合，所述第一运动目标前景图像是对所述第N帧图像进行前景检测得到的，其中，所述N为不小于2的正整数；

匹配模块，用于针对第一角点集合中的每个第一角点，确定参考角点集合中是否存在与该第一角点匹配的第二角点，所述参考角点集合是对所述序列图像中的第N-1帧图像中，与第二运动目标前景图像中的所述运动目标所在位置对应的位置进行角点检测，获得的第二角点集合，所述第二运动目标前景图像是对所述第N-1帧图像进行前景检测得到的；

运动信息确定模块，用于针对在所述参考角点集合中存在匹配的第二角点的每个第一角点，根据该第一角点以及与该第一角点匹配的第二角点的位置关系，确定在第N帧图像中，所述运动目标的运动方向和运动幅度；

判断模块，用于根据运动信息确定模块确定出的所述运动目标的运动方向和运动幅度，确定在第N帧图像中，所述运动目标是否为剧烈运动目标。

根据本发明实施例提供的方案，可以根据一帧图像的前景图像，对该帧图像进行角点（特征点）检测，获得该帧图像中运动目标的特征点。通过确定该帧图像、以及与该帧图像相邻的前一帧图像中，匹配的角点之间的相对位置关系，确定在该帧图像中，所述运动目标的运动方向和运动幅度，从而可以确定在该帧图像中，该运动目标是否为剧烈运动目标。由于本方案是根据前景图像，利用数量较少的点来确定运动目标是否发生了剧烈运动，因此，可以有效减少计算量，且由于选择出的特征点可以更准确地表示运动目标的运动信息，因此，还可以提高确定出的结果的准确性。

附图说明

图1为现有技术提供的智能视频监控流程示意图；

图2为本发明实施例一提供的剧烈运动目标检测方法的步骤流程图；

图3为本发明实施例二提供的剧烈运动目标检测方法的步骤流程图；

图4为本发明实施例三提供的剧烈运动目标检测装置的结构示意图。

具体实施方式

针对现有技术中利用光流计算确定运动目标是否发生了剧烈运动时，存在计算复杂度高，计算速度较慢，无法满足实时处理的需要的问题，本发明实施例提出，可以对根据一帧图像的前景图像，对该帧图像进行角点检测，确定该帧图像中运动目标的角点。仅对运动目标的角点进行匹配，利用匹配的角点之间的位置关系，确定在该帧图像中，该运动目标的运动信息（运动方向和运动幅度），从而判断出在该帧图像中，该运动目标是否发生了剧烈运动，从而减少运算量，并提高确定出的结果的准确性。

本发明实施例还提出，可以利用连续两帧图像中，运动目标的运动信息的差异程度，来进一步判断该两帧图像的后一帧图像中，运动目标是否发生了剧烈运动，从而进一步提高确定出的结果的准确性。

本发明实施例还提出，可以在连续多帧图像中，运动目标均发生了剧烈运动时，确定该运动目标为告警目标，保证确定出的告警目标的准确性。

下面结合说明书附图和各实施例对本发明方案进行详细说明。

实施例一、

本发明实施例一提供一种剧烈运动目标检测方法，该方法的步骤流程可以如图2所示，包括：

步骤101、对一帧图像进行角点检测。

在本步骤中，可以对序列图像中的第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合。所述第一运动目标前景图像是对所述第N帧图像进行前景检测得到的，其中，所述N为不小于2的正整数。进行前景检测的方法与现有技术相同，在此不再赘述。

第一运动目标前景图像中可能包括一个运动目标，也可能包括多个运动目标，也可能不包括运动目标。如果第一运动目标前景图像中包括至少一个运动目标，针对第一运动目标前景图像中包括的每一个运动目标的操作均相同，均可以执行步骤101~步骤105。

在本步骤中，通过对第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合，从而确定出第N帧图像中，该运动目标的特征点集合。

步骤102、进行角点匹配。

在本步骤中，可以针对第一角点集合中的每个第一角点，根据角点特征，进行角点匹配，确定参考角点集合中是否存在与该第一角点匹配的第二角点，所述参考角点集合是对所述序列图像中的第N-1帧图像中，与第二运动目标前景图像中的所述运动目标（步骤101中第一角点集合对应的运动目标）所在位置对应的位置进行角点检测，获得的第二角点集合，所述第二运动目标前景图像是对所述序列图像中的第N-1帧图像进行前景检测得到的。

即在本步骤中，可以对确定出的第N帧图像中，所述运动目标的特征点和确定出的第N-1帧图像中，所述运动目标的特征点进行匹配。

步骤103、确定运动信息。

在本步骤中，针对在所述参考角点集合中存在匹配的第二角点的每个第一角点，根据该第一角点以及与该第一角点匹配的第二角点的位置关系，确定在第N帧图像中，所述运动目标的运动方向和运动幅度。

而根据所述运动目标的运动方向和运动幅度，可以确定在第N帧图像中，所述运动目标是否为剧烈运动目标。

具体的，在本步骤中，可以利用运动方向直方图熵值表示运动方向（运动方向直方图熵值越大表示运动方向越杂乱），利用运动幅度直方图熵值和运动幅度方差表示运动幅度（运动幅度直方图熵值越大，表示运动幅度越杂乱，且运动幅度方差越大，表示运动幅度越杂乱），因此在本步骤中，可以确定在第N帧图像中，所述运动目标的运动方向直方图熵值、运动幅度直方图熵值和运动幅度方差。

并可以在运动方向直方图熵值大于第一设定值，运动幅度直方图熵值大于第二设定值，且运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。否则，可以确定在第N帧图像中，所述运动目标非剧烈运动目标。

从而可以利用对运动方向直方图熵值、运动幅度直方图熵值和运动幅度方差的综合考量，来判断运动目标是否为剧烈运动目标，保证确定出的结果的准确性。

步骤104、确定运动信息的差异程度。

本步骤是一个优选步骤。

根据运动信息，确定在第N帧图像中，所述运动目标为剧烈运动目标之后，例如，在确定出运动方向直方图熵值大于第一设定值，运动幅度直方图熵值大于第二设定值，且运动幅度方差大于第三设定值时，可以进一步确定第N帧图像与第N-1帧图像之间，所述运动目标的运动方向和运动幅度之间的差异程度。

差异程度越大，表示在第N帧图像中，所述运动目标的运动相对于第N-1帧图像的杂乱程度较高，在第N帧图像中，所述运动目标发生剧烈运动的可能性越大。差异程度越小，表示在第N帧图像中，所述运动目标的运动相对于第N-1帧图像的杂乱程度较低，在第N帧图像中，所述运动目标发生剧烈运动的可能性越小。从而可以利用该差异程度，进一步校验在第N帧图像中，所述运动目标是否发生了剧烈运动，提高判断结果的准确性。

具体的，如果在每一帧图像中，利用运动方向直方图熵值表示运动方向、利用运动幅度直方图熵值和运动幅度方差表示运动幅度，则在本步骤中，可以确定在第N帧图像中，所述运动目标的运动方向直方图熵值与在第N-1帧图像中，所述运动目标的运动方向直方图熵值之间的第一差值；确定在第N帧图像中，所述运动目标的运动幅度直方图熵值与在第N-1帧图像中，所述运动目标的运动幅度直方图熵值之间的第二差值；以及确定在第N帧图像中，所述运动目标的运动幅度方差与在第N-1帧图像中，所述运动目标的运动幅度方差之间的第三差值。

并可以在所述第一差值大于第一门限值、所述第二差值大于第二门限值、所述第三差值大于第三门限值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。否则，可以认为在第N帧图像中，所述运动目标不是剧烈运动目标。从而进一步校验步骤103中确定出的结果，提高确定出的结果的准确性。

更进一步的，在本实施例中，还可以在连续多帧图像中，运动目标均发生了剧烈运动时，确定该运动目标为告警目标，保证确定出的告警目标的准确性，如果本实施例包括步骤104，本步骤可以执行在步骤104之后，如果本实施例不包括步骤104，本步骤可以执行在步骤103之后：

步骤105、确定运动目标是否为告警目标。

具体的，可以确定在第N帧图像中，所述运动目标为剧烈运动目标之后，若判断出在至第N帧图像为止的连续M帧图像中，所述运动目标均为剧烈运动目标，所述M为正整数，确定所述运动目标为告警目标。

从而可以根据运动目标在多帧图像中是否为剧烈运动目标的判断结果，确定出该运动目标是否为告警目标。此时可以针对该运动目标输出告警信息。而由于在每一帧图像中，确定运动目标是否为剧烈运动目标的准确性较高，且判断运动目标是否为告警目标的准确性也较高，因此可以有效提高告警的准确性。

下面通过一个具体的实例对本发明实施例一的方案进行说明。

实施例二、

本发明实施例二提供一种剧烈运动目标检测方法，该方法的步骤流程可以如图3所示，包括：

步骤201、对当前帧图像进行角点检测。

在本步骤中，可以接收一帧图像，以接收到的该帧图像作为当前帧图像，对当前帧图像进行前景检测，获得二值化的当前帧运动目标前景图像，并对当前帧图像中，与当前帧运动目标前景图像所在位置对应的位置进行角点检测。

具体的，为了提高角点检测速度，从而充分保证剧烈运动目标检测的速度，可以采用Harris角点检测方法实现角点检测（当然，也可以采用其他检测方法，例如fast-corner角点检测方法，或者，sift特征点检测方法或surf特征点检测方法等）。且较优的，选择的角点检测方法可以使检测出的角点在对应当前帧运动目标前景图像范围内尽量分散，从而使得检测出的角点可以更好地表征运动目标。

如果当前帧图像为进行剧烈运动目标检测的序列图像的首帧图像，在检测出角点后，可以保存检测出的各角点坐标到预先建立的第二帧图像参考角点列表，使得后续第二帧图像检测可以利用对首帧图像检测得到的各角点坐标，作为第二帧图像的参考角点坐标，进行角点匹配。使得对一帧图像进行角点匹配时，无需再次确定参考角点，从而进一步减少计算量，提高剧烈运动目标检测速度。且由于首帧图像无法确定参考角点，无法进行角点匹配，因此，在保存各角点坐标到第二帧图像参考角点列表之后，可以返回重新执行本步骤。

如果当前帧图像不是序列图像的首帧图像（可以表示为第N帧图像，N为不小于2的整数），在检测出角点后，可以保存检测出的各角点坐标到预先建立的第N+1帧图像参考角点列表，使得后续可以利用对第N帧图像检测得到的各角点坐标，作为第N+1帧图像的参考角点坐标，进行角点匹配。使得对一帧图像进行角点匹配时，无需再次确定参考角点，进一步减少计算量，提高剧烈运动目标检测速度。同时，还可以保存检测出的各角点坐标到预先建立的当前帧图像检测角点列表，使得后续可以根据当前帧图像检测角点列表和当前帧图像参考角点列表，根据对第N帧图像检测得到的各角点坐标，以及对第N-1帧图像检测得到的角点坐标，进行角点匹配。此时，在保存检测到的各角点坐标到第N帧图像检测角点列表和第N+1帧图像参考角点列表之后，可以继续执行步骤202，步骤202~步骤205中的当前帧图像均可以表示为第N帧图像。

步骤202、进行角点匹配。

在本步骤中，可以根据当前帧图像检测角点列表和当前帧图像参考角点列表，利用对第N帧图像检测出的各角点，以及对第N-1帧图像检测出的角点，进行角点匹配。

在本步骤中，可以在当前帧图像检测角点列表中和当前帧图像参考角点列表中删除不匹配的角点，使得当前帧图像检测角点列表（当前帧图像参考角点列表）中保留的每个角点，当前帧图像参考角点列表（当前帧图像检测角点列表）中有匹配的角点。

步骤203、剧烈运动目标预判断。

在本步骤中，可以针对第N帧图像中的每个运动目标，利用当前帧图像检测角点列表中该运动目标的每个角点，根据该角点的坐标，以及当前帧图像参考角点列表中与该角点匹配的角点的坐标，确定在第N帧图像中，该运动目标的运动方向和运动幅度。下面以判断一个运动目标是否为剧烈运动目标为例进行说明。即针对第N帧图像中的每个运动目标，均可以执行步骤203~步骤205。

具体的，可以在0~360度的范围内，将运动方向分为多个，一般的，可以将运动方向分为8个，12个或16个。并通过当前帧图像检测角点列表中该运动目标的每个角点，以及与其匹配的角点的位置关系，确定在第N帧图像中，该运动目标每个存在匹配角点的角点的运动方向和运动幅度，从而确定该运动目标的运动方向和运动幅度。

较优的，可以针对在第N帧图像中，该运动目标所有存在匹配角点的角点的运动方向，做运动方向直方图统计，基于运动方向直方图确定运动方向直方图熵值。

还可以针对在第N帧图像中，该运动目标所有存在匹配角点的角点的运动幅度，进行运动幅度直方图统计，基于运动幅度直方图确定运动幅度直方图熵值，并可以确定运动幅度方差。

在本步骤中，在确定出当前帧图像该运动目标的运动方向直方图熵值、运动幅度直方图熵值和运动幅度方差之后，可以进行保存，使得后续可以用于进行运动信息差异程度的确定。

如果确定出当前帧图像该运动目标的运动方向直方图熵值大于第一设定值、运动幅度直方图熵值大于第二设定值、运动幅度方差大于第三设定值，则可以继续执行以下步骤，否则，确定该运动目标非剧烈运动目标。

步骤204、剧烈运动目标校验。

在本步骤中，可以确定当前帧图像该运动目标的运动方向直方图熵值与第N-1帧图像的运动方向直方图熵值之差、运动幅度直方图熵值与第N-1帧图像的运动幅度直方图熵值之差、以及运动幅度方差与第N-1帧图像的运动幅度方差之差。

如果进一步确定出的三个差值分别大于对应的门限值，则可以确定在第N帧图像中，该运动目标为剧烈运动目标。

此时，可以将该运动目标的告警计数值加1。如果确定在第N帧图像中，该运动目标不是剧烈运动目标，则可以将该运动目标的告警计数值清零（告警计数值的初始值为0）。当然，在步骤203中，如果确定该运动目标非剧烈运动目标，也可以将该运动目标的告警计数值清零。

步骤205、发出告警信息。

在本步骤中，可以判断该运动目标的告警计数值是否达到预设值。如果达到，则可以确定该运动目标在连续的设定值帧的图像中均为剧烈运动目标，需要针对该运动目标进行告警。在进行了告警操作后，可以将该运动目标的告警计数值清零，从而可以继续确定该运动目标是否在连续的设定值帧的图像中均为剧烈运动目标。

具体的，在本步骤中，可以针对连续的设定值帧的图像，针对该运动目标对应的区域进行连通操作，确定出连通区域，并针对确定出的连通区域发出告警信息。

根据本发明实施例一和实施例二提供的方案，可以利用本帧的运动信息进行剧烈运动目标预判断，然后利用帧间的信息对预判断出的剧烈运动目标进行进一步校验，最后通过累积判定并进行区域连通，输出报警信息，为监控系统提供了一种鲁棒性较强的剧烈运动检测方法。

在复杂的监控场景下，例如，在监控场景有多个人，每个人运动时身体各部位的运动方向和运动幅度也不一致，这样现有技术有可能会在一个运动目标实际没有发生剧烈运动时，误判断为发生了剧烈运动，并可能发出错误的告警信息，而通过本发明提供的方案，通过利用帧间的信息对预判断出的剧烈运动目标进行进一步校验，并可以进行累积判定确定是否输出告警信息，可以有效降低剧烈运动误检的概率，保证告警的准确性。

与本发明实施例一和实施例二基于同一发明构思，提供以下的装置。

实施例三、

本发明实施例三提供一种剧烈运动目标检测装置，该装置的结构可以如图4所示，包括：

角点检测模块11用于对序列图像中的第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合，所述第一运动目标前景图像是对所述第N帧图像进行前景检测得到的，其中，所述N为不小于2的正整数；

匹配模块12用于针对第一角点集合中的每个第一角点，确定参考角点集合中是否存在与该第一角点匹配的第二角点，所述参考角点集合是对所述序列图像中的第N-1帧图像中，与第二运动目标前景图像中的所述运动目标所在位置对应的位置进行角点检测，获得的第二角点集合，所述第二运动目标前景图像是对所述第N-1帧图像进行前景检测得到的；

运动信息确定模块13用于针对在所述参考角点集合中存在匹配的第二角点的每个第一角点，根据该第一角点以及与该第一角点匹配的第二角点的位置关系，确定在第N帧图像中，所述运动目标的运动方向和运动幅度；

判断模块14用于根据运动信息确定模块确定出的所述运动目标的运动方向和运动幅度，确定在第N帧图像中，所述运动目标是否为剧烈运动目标。

其中，运动信息确定模块13具体用于确定在第N帧图像中，所述运动目标的运动方向直方图熵值、运动幅度直方图熵值和运动幅度方差；

判断模块14具体用于在运动信息确定模块确定出的所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。

所述装置还包括校验模块15：

校验模块15用于在运动信息确定模块确定出的所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标的运动方向直方图熵值与在第N-1帧图像中，所述运动目标的运动方向直方图熵值之间的第一差值；确定在第N帧图像中，所述运动目标的运动幅度直方图熵值与在第N-1帧图像中，所述运动目标的运动幅度直方图熵值之间的第二差值；以及确定在第N帧图像中，所述运动目标的运动幅度方差与在第N-1帧图像中，所述运动目标的运动幅度方差之间的第三差值；

判断模块14具体用于在校验模块确定出的所述第一差值大于第一门限值、所述第二差值大于第二门限值、所述第三差值大于第三门限值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。

所述装置还包括告警模块16，用于在判断模块确定在第N帧图像中，所述运动目标为剧烈运动目标之后，若判断出在至第N帧图像为止的连续M帧图像中，所述运动目标均为剧烈运动目标，所述M为正整数，则确定所述运动目标为告警目标。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

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 (8)

1.一种剧烈运动目标检测方法，其特征在于，所述方法包括：

对序列图像中的第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合，所述第一运动目标前景图像是对所述第N帧图像进行前景检测得到的，其中，所述N为不小于2的正整数；

针对第一角点集合中的每个第一角点，确定参考角点集合中是否存在与该第一角点匹配的第二角点，所述参考角点集合是对所述序列图像中的第N-1帧图像中，与第二运动目标前景图像中的所述运动目标所在位置对应的位置进行角点检测，获得的第二角点集合，所述第二运动目标前景图像是对所述第N-1帧图像进行前景检测得到的；

针对在所述参考角点集合中存在匹配的第二角点的每个第一角点，根据该第一角点以及与该第一角点匹配的第二角点的位置关系，确定在第N帧图像中，所述运动目标的运动方向和运动幅度；

根据所述运动目标的运动方向和运动幅度，确定在第N帧图像中，所述运动目标是否为剧烈运动目标。

2.如权利要求1所述的方法，其特征在于，确定在第N帧图像中，所述运动目标的运动方向和运动幅度，具体包括：

确定在第N帧图像中，所述运动目标的运动方向直方图熵值、运动幅度直方图熵值和运动幅度方差；

则，根据所述运动目标的运动方向和运动幅度，确定在第N帧图像中，所述运动目标是否为剧烈运动目标，具体包括：

在所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。

3.如权利要求2所述的方法，其特征在于，在所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标为剧烈运动目标，具体包括：

在所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，

确定在第N帧图像中，所述运动目标的运动方向直方图熵值与在第N-1帧图像中，所述运动目标的运动方向直方图熵值之间的第一差值；确定在第N帧图像中，所述运动目标的运动幅度直方图熵值与在第N-1帧图像中，所述运动目标的运动幅度直方图熵值之间的第二差值；以及确定在第N帧图像中，所述运动目标的运动幅度方差与在第N-1帧图像中，所述运动目标的运动幅度方差之间的第三差值；

并在所述第一差值大于第一门限值、所述第二差值大于第二门限值、所述第三差值大于第三门限值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。

4.如权利要求1~3任一所述的方法，其特征在于，确定在第N帧图像中，所述运动目标为剧烈运动目标之后，所述方法还包括：

若判断出在至第N帧图像为止的连续M帧图像中，所述运动目标均为剧烈运动目标，所述M为正整数，则确定所述运动目标为告警目标。

5.一种剧烈运动目标检测装置，其特征在于，所述装置包括：

角点检测模块，用于对序列图像中的第N帧图像中，与第一运动目标前景图像中的一个运动目标所在位置对应的位置进行角点检测，获得第一角点集合，所述第一运动目标前景图像是对所述第N帧图像进行前景检测得到的，其中，所述N为不小于2的正整数；

匹配模块，用于针对第一角点集合中的每个第一角点，确定参考角点集合中是否存在与该第一角点匹配的第二角点，所述参考角点集合是对所述序列图像中的第N-1帧图像中，与第二运动目标前景图像中的所述运动目标所在位置对应的位置进行角点检测，获得的第二角点集合，所述第二运动目标前景图像是对所述第N-1帧图像进行前景检测得到的；

运动信息确定模块，用于针对在所述参考角点集合中存在匹配的第二角点的每个第一角点，根据该第一角点以及与该第一角点匹配的第二角点的位置关系，确定在第N帧图像中，所述运动目标的运动方向和运动幅度；

判断模块，用于根据运动信息确定模块确定出的所述运动目标的运动方向和运动幅度，确定在第N帧图像中，所述运动目标是否为剧烈运动目标。

6.如权利要求5所述的装置，其特征在于，

运动信息确定模块，具体用于确定在第N帧图像中，所述运动目标的运动方向直方图熵值、运动幅度直方图熵值和运动幅度方差；

判断模块，具体用于在运动信息确定模块确定出的所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

校验模块，用于在运动信息确定模块确定出的所述运动方向直方图熵值大于第一设定值，所述运动幅度直方图熵值大于第二设定值，且所述运动幅度方差大于第三设定值时，确定在第N帧图像中，所述运动目标的运动方向直方图熵值与在第N-1帧图像中，所述运动目标的运动方向直方图熵值之间的第一差值；确定在第N帧图像中，所述运动目标的运动幅度直方图熵值与在第N-1帧图像中，所述运动目标的运动幅度直方图熵值之间的第二差值；以及确定在第N帧图像中，所述运动目标的运动幅度方差与在第N-1帧图像中，所述运动目标的运动幅度方差之间的第三差值；

判断模块，具体用于在校验模块确定出的所述第一差值大于第一门限值、所述第二差值大于第二门限值、所述第三差值大于第三门限值时，确定在第N帧图像中，所述运动目标为剧烈运动目标。

8.如权利要求5~7任一所述的装置，其特征在于，所述装置还包括告警模块，用于在判断模块确定在第N帧图像中，所述运动目标为剧烈运动目标之后，若判断出在至第N帧图像为止的连续M帧图像中，所述运动目标均为剧烈运动目标，所述M为正整数，则确定所述运动目标为告警目标。

Images