CN104834886A - 一种视频图像检测方法及装置 - Google Patents

Abstract

本发明公开了一种视频图像检测方法及装置，用以解决现有技术中存在进行目标图像检测的时间较长，成本较大和获取的目标图像分辨率无法满足后续处理需求的问题。该方法包括：从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像；利用目标图像模型对每帧视频图像进行目标图像检测；对检测到的目标图像进行跟踪；当通过跟踪确定目标图像静止的时间达到预定时间时，保存当前视频图像，根据目标图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的目标图像分辨率控制视频采集设备工作在第二焦距，该第二焦距大于第一焦距；保存获取的视频图像后，控制视频采集设备切换回第一焦距及初始工作角度。

Description

一种视频图像检测方法及装置

技术领域

本发明涉及图像检测领域，尤其涉及一种视频图像检测方法及装置。

背景技术

由于电子技术领域的发展，现实中通过对电子设备对目标进行检测变得越来越重要。例如：通过电子设备检测判断禁止人员逗留区域是否有逗留人员，或者判断禁止停车区域是否有违章停车的车辆等等。以违章停车的车辆检测为例：一种方法是通过增加车载GPS来进行违章车辆检测；另一种方法是通过传感器与视频采集设备相互配合进行检测的方法，但是这两种方法都需增加额外的设备才能进行违章车辆的检测，增加了实现成本。以上仅是以对违章停车的车辆检测为例，利用上述方法检测其他目标也存在上述的技术问题。

发明内容

本发明实施例提供一种视频图像检测方法及装置，用以解决现有技术中存在的需要增加额外的设备进行目标检测，且成本较大的问题。

本发明实施例提供一种视频图像检测方法，该方法包括：

从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像；

利用目标图像模型对每帧视频图像进行目标图像检测；

检测到目标图像后，对该目标图像进行跟踪；

当通过跟踪确定该目标图像静止的时间达到预定时间时，保存当前视频图像，根据该目标图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的目标图像分辨率控制视频采集设备工作在第二焦距，该第二焦距大于第一焦距；

保存从工作在第二焦距的视频采集设备获取的视频图像后，控制视频采集设备切换回第一焦距及初始工作角度。

利用上述方法进行视频图像检测有以下有益效果：

1、利用本发明实施例提供的方法不需要增加额外的设备，降低了实现成本；

2、通过调整视频采集设备的工作角度并将其切换到第二焦距，从而获取满足分辨率要求的目标图像以供后续处理等操作。

较佳的，上述对每帧视频图像进行目标图像检测的方式包括但不仅限于以下两种：

第一种实现方式：直接利用目标图像模型对每帧视频图像进行目标图像检测。相应的，通过跟踪确定该目标图像静止的时间达到预定时间时，该目标图像静止的起始时间为初次检测到该目标图像的时间。

第二种实现方式：对每帧视频图像先进行前景检测；检测到前景图像后，利用上述目标图像模型对该前景图像进行目标图像检测。相应的，通过跟踪确定该目标图像静止的时间达到预定目标时，该目标图像静止的起始时间为初次检测到该目标图像所在的前景图像的时间。

基于上述对每帧视频图像进行目标图像检测的方式的第一种实现方式，较佳的，对于每帧视频图像，利用目标图像模型进行目标图像检测，包括：

根据设定的矩形窗口的大小按设定的滑动步长遍历每帧视频图像；

在每个窗口位置确定矩形窗口内的图像的Harr-like特征，利用该Harr-like特征判断该矩形窗口内的图像是否与上述目标图像模型匹配，根据与该目标图像模型匹配且图像重叠区域达到预定值的各个矩形窗口内的图像确定目标图像；所述矩形窗口的宽度的取值范围为20～60个像素，且矩形窗口的宽高比与上述获取目标图像模型时所依据的样本的宽高比相同，所述滑动步长的取值范围为：1～8个像素。

针对上述对每帧视频图像进行目标图像检测的方式的第二种实现方式，利用上述目标图像模型对前景图像进行目标图像检测的具体实现方法，与上述对每帧视频图像进行目标图像检测的方式的第一种实现方式对应的目标检测的具体实现方式类似，这里不再赘述。

基于上述任意方法实施例，较佳的，预定时间内可以包括N个时间点，该方法还包括：

上述目标图像静止的时间达到每一个时间点时，保存该时间点的视频图像。

基于上述任意方法实施例，较佳的，若该目标图像为车辆图像，保存从工作在第二焦距的所述视频采集设备获取的视频图像后，还包括：对上述从工作在第二焦距的所述视频采集设备获取的视频图像进行车牌识别。

基于与方法实施例同样的发明构思，本发明实施例还提供一种视频图像检测装置，该装置包括：

视频图像采集单元，用于从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像；

目标图像检测单元，用于利用目标图像模型对每帧视频图像进行目标图像检测；

目标图像跟踪单元，用于在检测到目标图像后，对该目标图像进行跟踪；

静止时间确定单元，用于确定该目标图像静止的时间是否达到预定时间；

控制单元，用于在所述目标图像静止的时间达到预定时间时，保存当前视频图像，根据该目标图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的目标图像分辨率控制视频采集设备工作在第二焦距，保存从工作在第二焦距的视频采集设备获取的视频图像，上述第二焦距大于第一焦距；在保存从工作在第二焦距的视频采集设备获取的视频图像后，控制视频采集设备切换回第一焦距及初始工作角度。

利用上述装置进行视频检测有以下有益效果：

1、利用本发明实施例提供的装置不需要增加额外的设备，降低了实现成本；

2、利用控制单元控制视频采集设备的工作角度并将其切换到第二焦距，从而获取满足分辨率要求的目标图像以供后续处理等操作。

较佳的，在静止时间确定单元确定目标图像静止的时间达到预定时间时，该目标图像静止的起始时间为初次检测到该目标图像的时间。

较佳的，视频图像检测单元具体用于，对每帧视频图像进行前景检测；检测到前景图像后，利用上述目标图像模型对该前景图像进行目标图像检测；在静止时间确定单元确定该目标图像静止的时间达到预定时间时，所述目标图像静止的起始时间为初次检测到该目标图像所在的前景图像的时间。

基于上述任意实施例，较佳的，若目标图像为车辆图像，该装置还包括车牌识别单元，用于对从工作在第二焦距的视频采集设备获取的视频图像进行车牌识别。

附图说明

图1为本发明实施例提供的视频图像检测方法流程图；

图2a～图2e为本发明实施例使用的Harr-like模板示意图；

图3为本发明实施例中计算某个区域灰度值的累积和的示意图；

图4为本发明实施例提供的视频图像检测装置示意图；

图5为本发明实施例提供的针对违章停车的车辆进行检测的方法流程图。

具体实施方式

本发明实施例提供一种视频图像检测方法及装置，用以解决现有技术中存在的需要增加额外的设备进行视频图像检测，实现成本较大的问题。

下面结合附图对本发明实施例作进一步说明。

本发明实施例提供一种视频图像检测方法，如图1所示，该方法包括：

S101：从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像。

视频采集设备工作在初始工作角度以及第一焦距时，其获取的视频图像场景能够覆盖待检测区域的全部范围。

S102：利用目标图像模型对每帧视频图像进行目标图像检测。

较佳的，该目标图像模型通过自适应增强（Adaboost）算法训练得到。当然也可以利用其他算法，能够达到训练获得目标图像模型的算法均适用于本发明。

S103：检测到目标图像后，对该目标图像进行跟踪。

上述对目标图像进行跟踪的具体实现方式可以是：检测到目标图像后，为该目标图像分配标识（ID），级联保存同一ID对应的目标图像在每帧视频图像中的信息（即保存目标图像的序列），这些信息包括但不限于：截取的目标图像的外接矩形区域的图像、目标图像在视频图像中的位置信息、目标图像所在的视频图像的帧号等等。应当指出的是，可以采用现有的任何图像跟踪技术实现对目标图像的跟踪，本发明不对此进行限定。

S104：通过跟踪确定该目标图像静止的时间达到预定时间时，保存当前视频图像，根据该目标图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的目标图像分辨率控制视频采集设备工作在第二焦距，该第二焦距大于第一焦距。

较佳地，可以预先建立图像在显示坐标系中的位置与视频采集设备在空间坐标系中转动的工作角度的对应关系。例如，显示坐标系的坐标原点位于视频图像的中心，且视频图像相对坐标原点中心对称；空间坐标系的坐标原点位于视频采集设备，视频采集设备在初始工作角度的拍摄方向为空间坐标系的Z轴，X轴和Y轴位于同一平面且垂直于Z轴。那么，视频图像中各像素点相对于显示坐标系坐标原点的位置，对应于视频采集设备在空间坐标系中向X轴和Y轴转动的工作角度。那么，上述根据该目标图像在视频图像中的位置调整视频采集设备的工作角度的具体实现方式可以是：根据目标图像的中心相对于视频图像中心的位置，按照上述对应关系，确定视频采集设备在空间坐标系中向X轴和Y轴转动的工作角度，根据确定需要转动的工作角度，分别调整视频采集设备在空间坐标系X轴的工作角度和Y轴的工作角度。通过上述工作角度的调整，使得目标图像位于视频图像的中心位置。

较佳地，根据预定的目标图像分辨率控制视频采集设备工作在第二焦距的具体实现方式可以是：确定在第一焦距下获取的视频图像中，目标图像的分辨率，进而根据目标图像分辨率，确定目标图像的放大倍数，根据该放大倍数集合第一焦距确定第二焦距，并控制视频采集设备工作在确定的第二焦距。例如，目标图像在第一焦距下获取的视频图像中的分辨率为20*10像素点（Pixel），而目标图像分辨率为200*100Pixel，则确定放大倍数为10，根据该放大倍数结合第一焦距，确定第二焦距。

本发明实施例对视频采集设备不作具体限定，只要所选的视频采集设备的工作角度以及焦距能够满足本发明实施例的实现需求即可，较佳的，该视频采集设备为球机，或者云台。较佳的，该球机或者云台的分辨率为1080P或以上。

S105：保存从工作在第二焦距的视频采集设备获取的视频图像后，控制视频采集设备切换回第一焦距及初始工作角度。

利用上述方法进行视频图像检测有以下有益效果：

1、利用本发明实施例提供的方法不需要增加额外的设备，降低了实现成本；

2、通过调整视频采集设备的工作角度并将其切换到第二焦距，从而获取满足分辨率要求的目标图像以供后续进行处理等操作。

较佳的，上述对每帧视频图像进行目标图像检测的方式包括但不仅限于以下两种：

第一种实现方式：直接利用目标图像模型对每帧视频图像进行目标图像检测。相应的，通过跟踪确定该目标图像静止的时间达到预定时间时，该目标图像静止的起始时间为初次检测到该目标图像的时间。

第二种实现方式：对每帧视频图像先进行前景检测；检测到前景图像后，利用上述目标图像模型对该前景图像进行目标图像检测。即在检测到前景图像后对该前景图像进行跟踪，当判断该前景图像为目标图像后继续跟踪。进一步的，当检测到的前景图像不为目标图像时，可以停止跟踪。相应的，通过跟踪确定该目标图像静止的时间达到预定目标时，该目标图像静止的起始时间为初次检测到该目标图像所在的前景图像的时间。

上述对目标图像静止时间的计时方式有但不限于以下两种：

第一种方式：预定时间通过计时单位体现，例如预定时间为15min，则静止时间的计时是通过计时器实现的。

第二种方式：预定时间通过帧数量来体现，例如预定时间为80帧，静止时间的计时是通过对帧号进行计数实现的。

基于上述对每帧视频图像进行目标图像检测的第一种实现方式，较佳的，对于每帧视频图像，利用目标图像模型进行目标图像检测，包括：

根据设定的矩形窗口的大小按设定的滑动步长遍历每帧视频图像；

在每个窗口位置确定矩形窗口内的图像的Harr-like特征，利用该Harr-like特征判断该矩形窗口内的图像是否与上述目标图像模型匹配，根据与该目标图像模型匹配且图像重叠区域达到预定值的各个矩形窗口内的图像确定目标图像；所述矩形窗口的宽度的取值范围为20～60个像素，且矩形窗口的宽高比与上述获取目标图像模型时所依据的样本的宽高比相同：所述滑动步长的取值范围为：1～8个像素。本发明实施例中矩形窗口及滑动步长的取值与视频图像的分辨率、所采用的对视频图像进行目标图像检测的设备的处理性能以及精度要求等等有关。

针对上述对每帧视频图像进行目标图像检测的第二种实现方式，对于每帧视频图像，利用目标图像模型对前景图像进行目标图像检测的具体实现方式，与针对上述对每帧视频图像进行目标图像检测的第一种实现方式的目标图像检测的具体实现方式类似，这里不再赘述。

上述利用Harr特征与Adaboost训练算法相结合进行目标图像检测的方式耗时较少，速度快。本发明实施例中并不仅限于这两种的结合，其他的能够达到耗时较少，且速度相对较快的算法均适用于本发明，在此本发明实施例不做具体限定。

下面以Harr特征的计算以及Adaboost训练算法为例，说明图像特征的提取以及目标图像模型的训练。

下面简单介绍一下Harr特征的计算以及Adaboost训练算法

1、Harr-like特征

计算Harr-like特征有如图2a～图2e所示的5个模板，一个Harr-like特征由特征类型、特征位置和特征值这三个元素构成。其中，特征类型用于标识计算该Harr-like特征使用的模板，特征位置用于标识预定的窗口滑动到该视频图像的位置，特征值为预定的窗口内的图像按照使用的模板中黑色矩形区域内各像素点的灰度值的累加和减去白色矩形区域内各像素点的灰度值的累加和获得的值。特征类型和特征位置用来区分不同的特征。特征类型和特征位置相同，但特征值不同的特征认为是相同的特征。

以计算图3中D区域内各像素点的灰度值累加和为例，具体计算方式如下：

valueD＝ii3+ii1-ii2-ii4，其中，valueD为图3所示的D区域内各像素点的灰度值累加和，ii1为以图3中a点作为左上顶点坐标，1点为右下顶点坐标的矩形框内的所有像素点的灰度值的累加和，ii2、ii3和ii4的参数定义可以参照ii1的参数定义，不再赘述。

可以通过以下两种方式计算ii1、ii2、ii3和ii4的取值。

第一种计算方式：

其中i(a,b)表示像素点<a,b>的灰度值，ii(x,y)表示以<0,0>作为左上顶点坐标（图3中a点），<x,y>为右下顶点坐标的矩形框内的所有灰度值的累加和。

第二种计算方式：

ii(x,y)＝ii(x-1,y)+s(x,y)，其中s(x,y)是坐标<x,0>到<x,y>这一列像素点的灰度值的累加和，s(x,0)=0，s(0,y)=0。

s(x,y)可以通过s(x,y)＝s(x,y-1)+i(x,y)获得。

按照预定的矩形窗口的大小及滑动步长遍历整个视频图像，在每个窗口位置，分别基于上述5个模板并通过上述Harr-like特征确定方法得到Harr-like特征，窗口位置为每个窗口在视频图像中滑动到的位置，并以矩形窗口的顶点坐标的形式被记录下来。从每个视频图像中能够提取多个特征，且特征的个数与视频图像的大小、滑动步长、以及窗口的大小有关。

2、Adaboost训练算法（本发明实施例中该训练过程在整个检测视频图像的方法步骤开始之前进行）

给定弱学习算法的训练集(x₁,y₁),…,(x_N,y_N)，其中x_i为样本i的特征集合，所谓样本i的特征集合，即通过上述方式提取的该样本i的所有特征构成的集合，i=1,2，……N；N表示样本数，y_i∈{1,0}，对于正样本令y_i=1，对于负样本令y_i=0。每个样本的特征集合所包含的特征数量均为M，其中，N个样本中特征类型和特征位置相同的特征为相同的特征。本发明实施例中，将相同的特征称为一种特征。

本发明实施例指定循环次数T，T将决定最后强分类器中的弱分类器的数目；初始化权值向量：其中D(i)为样本的概率分布情况，本发明实施例中D(i)=1/N。

设定t=1……T，则Adaboost训练过程如下：

1）、归一化权值向量，

2）、对归一化权值后的样本的所有特征用弱学习算法进行训练，可得到每种特征的弱分类器 为一个集合，包括N个值每个值对应一个样本；对每个弱分类器计算当前样本权值向量下的错误率:选择具有最小的错误率的弱分类器作为本轮训练得到的弱分类器h_t加入强分类器中，h_t的错误率保存为本轮训练得到的错误率ε_t， ${\mathrm{\&epsiv;}}_t=\min ({\mathrm{\&epsiv;}}_t^1,\&CenterDot;\&CenterDot;\&CenterDot;{\mathrm{\&epsiv;}}_t^M);$

3）、更新每个样本所对应的权值向量其中β_t＝ε_t/(1-ε_t)

4）、T轮训练完毕后，最终得到的强分类器为:

$H\left(x\right)=\left\{\begin{array}{cc}1& \underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}{a}_t{h}_t\left(x\right)\&GreaterEqual;\frac{1}{2}\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}{a}_t\\ 0& \mathrm{otherwise}\end{array}\right.;$ 其中 $a_t=\log \frac{1}{{\mathrm{\&beta;}}_t}.$

a_t为弱分类器h_t在强分类器H（x）中的权重，一般是和h_t的分类错误率成反比。a_t越大，表明该弱分类器的分类结果对强分类器的影响越大。x为需要与强分类器进行匹配的图像的特征集合。

基于上述任意方法实施例，较佳的，预定时间可以包括N个时间点，则上述目标图像静止的时间达到每一个预定时间的时间点时，保存该时间点的视频图像。该时间点的数量可以根据需要进行设置。根据上述两种不同的目标图像静止时间的计时方式，时间点也有两种表示方式：一种是以计时单位体现，另一种是以帧数量来体现。这里以计时单位为例进行说明，例如：预定时间为20分钟，预定时间包括4个时间点。在初次检测为目标图像时进行计时，在每经过5分钟，判断该目标图像是否静止，若静止，保存该时间点的视频图像，在达到预定时间20分钟时，该目标图像依然静止，此时已保存4张视频图像，同时根据该目标图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的车辆图像的分辨率控制视频采集设备工作在第二焦距，保存从工作在第二焦距的视频采集设备获取的视频图像。若经过15分钟（少于20分钟，保存3张图片）后，该目标图像所示的物体移动，则不进行后续操作，之前保存的图片无效（可以进行清除）。

基于上述任意方法实施例，较佳的，若该目标图像为车辆图像，保存从工作在第二焦距的所述视频采集设备获取的视频图像后，还包括：对上述从工作在第二焦距的所述视频采集设备获取的视频图像进行车牌识别。本发明实施例对车牌识别的方法不作具体限定，现有技术中的车牌识别的方法均适用于本发明实施例。

基于与方法实施例同样的发明构思，本发明实施例还提供一种视频图像检测装置，如图4所示，该装置包括：

视频图像采集单元401，用于从在第一焦距的视频采集设备实时获取视频图像；

目标图像检测单元402，用于利用目标图像模型对每帧视频图像进行目标图像检测；

目标图像跟踪单元403，用于在检测到目标图像后，对该目标图像进行跟踪。

静止时间确定单元404，用于确定该目标图像静止的时间是否达到预定时间；

控制单元405，用于在所述目标图像静止的时间达到预定时间时，保存当前视频图像，根据该目标图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的目标图像分辨率控制视频采集设备工作在第二焦距，保存从工作在第二焦距的视频采集设备获取的视频图像，上述第二焦距大于第一焦距；在保存从工作在第二焦距的视频采集设备获取的视频图像后，控制视频采集设备切换回第一焦距。

利用上述装置进行视频图像检测有以下有益效果：

1、利用本发明实施例提供的装置不需要增加额外的设备，降低了实现成本；

2、利用控制单元405控制视频采集设备的工作角度以及控制该视频采集设备从第一焦距切换到第二焦距，使得能够获取更清晰的图像以供后续进行处理等操作。

较佳的，静止时间确定单元404确定该目标图像静止的时间达到预定时间时，该目标图像静止的起始时间为初次检测到该目标图像的时间。

较佳的，视频图像检测单元401具体用于，对每帧视频图像进行前景检测；检测到前景图像后，利用上述目标图像模型对该前景图像进行目标图像检测；静止时间确定单元404确定该目标图像静止的时间达到预定时间时，所述目标图像静止的起始时间为初次检测到该目标图像所在的前景图像的时间。

基于上述任意实施例，较佳的，若目标图像为车辆图像，该装置还包括车牌识别单元，用于对从工作在第二焦距的视频采集设备获取的视频图像进行车牌识别。

下面以具体应用场景对本发明实施例进行具体说明。

以违章停车的车辆检测为例。假设视频采集设备获取的视频图像的场景可以覆盖30m*50m的范围；设置预定时间为15min，当车辆图像静止的时间达到15min，确定该车辆为违章停车车辆。设置该预设时间包括3个时间点T1、T2和T3。相应的，T1=5min，T2=10min，T3=15min。

从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像，对于每一帧视频图像进行图像检测，以判断是否有违章停车的车辆图像。对每帧视频图像进行图像检测的具体实现方式如图5所示：

S501、读取一帧视频图像，执行步骤S502。

本发明实施例中，可以对从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像进行缓存。在进行图像处理时，按照缓存的时间顺序从缓存中读取一帧视频图像用于视频检测。

S502、车辆图像检测，执行步骤S503。

其中，S502的具体实现方式可以是：按照预定的矩形窗口的大小及滑动步长遍历整个视频图像（本发明实施例按照蛇形路线进行遍历）。在每个窗口位置，分别基于上述5个模板并通过上述Harr-like特征（本发明实施例以Harr-like特征为例）确定方法得到每个窗口位置的Harr-like特征，将每个窗口位置的Harr-like特征代入利用Adaboost算法（本发明实施例以Adaboost算法为例）训练得到的目标车辆模型，若判断结果为1，该窗口位置的图像与车辆模型匹配，该窗口内包含了车辆图像，否则不包含车辆图像。判断其图像与车辆模型匹配的窗口中，大面积相交的窗口（这里以设定窗口有80%的面积相交则判定为大面积相交为例）的数量是否达到预定的数量，若判断达到预定的数量，合并大面积相交的窗口，合并后得到的新的窗口内的图像为车辆图像，若判断没有达到预定的数量，则大面积相交的窗口内的图像不为车辆图像。可以根据新确定的顶点坐标，确定合并后的窗口。新的顶点的确定方式可以为求取所有窗口的四个顶点的平均值，即求取所有窗口的左上顶点坐标的平均值作为合并后窗口的左上顶点坐标，其他合并后窗口的顶点坐标与求取左上顶点坐标的方法类似。

S503、车辆图像跟踪：检测到车辆图像后，对该车辆图像进行跟踪。执行S504。

S504、判断该车辆图像是否静止：根据上述跟踪结果判断该车辆图像是否为静止。若确定该车辆图像静止，执行S507，若确定该车辆图像运动，执行S505。

S505、判断是否保存有视频图像，若有，执行S506，若没有，执行S501。判断是否保存有视频图像是指：判断目标路径下是否保存有该车辆图像对应的视频图像。保存车辆图像是指，将该车辆图像缓存在内存的目标路径中。

S506、删除视频图像，执行S501。删除视频图像是指：删除该目标路径下保存的该车辆图像对应的视频图像。

S507、判断该车辆图像静止的时间是否达到T3（15min），若达到，确认该视频图像中的车辆图像为违章停车的车辆图像，执行S512；若未达到，执行S508。

本发明实施例中判断检测到的车辆图像静止的起始时间为初次检测到该车辆图像的时间。

S508、判断该车辆图像静止的时间是否达到T2（10min），若达到执行S509，若未达到，执行S510。

S509、保存当前视频图像，执行S501。保存当前视频图像是指：将当前视频图像作为该车辆图像对应的视频图像保存到上述目标路径下。

S510、判断该车辆图像静止的时间是否达到T1（5min），若达到，执行S511，若未达到，执行S501。

S511、保存当前视频图像，执行S501。保存当前视频图像为：将当前视频图像作为该车辆图像对应的视频图像保存到上述目标路径下。

S512、保存当前视频图像，执行S513。保存当前视频图像为：将当前视频图像作为该车辆图像对应的视频图像保存到上述目标路径下。

S513、获得车辆的近景图像，执行S514。根据该车辆图像在视频图像中的位置调整视频采集设备的工作角度，并根据预定的车辆图像分辨率控制视频采集设备工作在第二焦距，获取该车辆的近景图像（近景图像为视频采集设备工作在第二焦距拍摄的视频图像）。

S514、识别是否有车牌号码，若有，执行S515，若没有，执行S501。识别是否有车牌号码为：识别上述车辆的近景图像中是否车牌号码。

S515，报警并上报图像，执行S501。上报图像是：上报目标路径下保存的该车辆图像对应的视频图像和近景图像，这里可以将目标路径下保存的该车辆图像对应的所有视频图像和近景图像合成为一张图像后上报，当然也可以不合成，直接上报。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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发明范围的所有变更和修改。

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

Claims (10)

1.一种视频图像检测方法，其特征在于，包括：

从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像；

利用目标图像模型对每帧视频图像进行目标图像检测；

检测到目标图像后，对所述目标图像进行跟踪；

当通过跟踪确定所述目标图像静止的时间达到预定时间时，保存当前视频图像，根据所述目标图像在视频图像中的位置调整所述视频采集设备的工作角度，并根据预定的目标图像分辨率控制所述视频采集设备工作在第二焦距，所述第二焦距大于所述第一焦距；

保存从工作在第二焦距的所述视频采集设备获取的视频图像后，控制所述视频采集设备切换回第一焦距及初始工作角度。

2.如权利要求1所述的方法，其特征在于，通过跟踪确定所述目标图像静止的时间达到预定时间时，所述目标图像静止的起始时间为初次检测到所述目标图像的时间。

3.如权利要求1所述的方法，其特征在于，利用目标图像模型对每帧视频图像进行目标图像检测，包括：

对每帧视频图像进行前景检测；

检测到前景图像后，利用所述目标图像模型对所述前景图像进行目标图像检测；

通过跟踪确定所述目标图像静止的时间达到预定时间时，所述目标图像静止的起始时间为初次检测到所述目标图像所在的前景图像的时间。

4.如权利要求2所述的方法，其特征在于，对于每帧视频图像，利用目标图像模型进行目标图像检测，包括：

根据设定的矩形窗口的大小按设定的滑动步长遍历每帧视频图像；

在每个窗口位置确定矩形窗口内的图像的Harr-like特征，利用所述Harr-like特征判断所述矩形窗口内的图像是否与所述目标图像模型匹配，根据与所述目标图像模型匹配且图像重叠区域达到预定值的各个矩形窗口内的图像确定目标图像；所述矩形窗口的宽度的取值范围为：20～60个像素，且矩形窗口的宽高比与获取目标图像模型时所依据的样本的宽高比相同，所述滑动步长的取值范围为：1～8个像素。

5.如权利要求1～4任一项所述的方法，其特征在于，所述预定时间内包括N个时间点，该方法还包括：

所述目标图像静止的时间达到每一个时间点时，保存该时间点的视频图像。

6.如权利要求1～4任一项所述的方法，其特征在于，若所述目标图像为车辆图像，所述保存从工作在第二焦距的所述视频采集设备获取的视频图像后，还包括：对所述从工作在第二焦距的所述视频采集设备获取的视频图像进行车牌识别。

7.一种视频图像检测装置，其特征在于，包括：

视频图像采集单元，用于从工作在初始工作角度及第一焦距的视频采集设备实时获取视频图像；

目标图像检测单元，用于利用目标图像模型对每帧视频图像进行目标图像检测；

目标图像跟踪单元，用于在检测到目标图像后，对所述目标图像进行跟踪；

静止时间确定单元，用于根据所述目标图像跟踪单元对所述目标图像进行跟踪的跟踪结果确定所述目标图像静止的时间是否达到预定时间；

控制单元，用于在所述目标图像静止的时间达到预定时间时，保存当前视频图像，根据所述目标图像在视频图像中的位置调整所述视频采集设备的工作角度，并根据预定的目标图像分辨率控制所述视频采集设备工作在第二焦距，所述第二焦距大于所述第一焦距；保存从工作在第二焦距的所述视频采集设备获取的视频图像后，控制所述视频采集设备切换回第一焦距及初始工作角度。

8.如权利要求7所述的装置，其特征在于，在所述静止时间确定单元确定所述目标图像静止的时间达到预定时间时，所述目标图像静止的起始时间为初次检测到所述目标图像的时间。

9.如权利要求7所述的装置，其特征在于，所述视频图像检测单元具体用于，对每帧视频图像进行前景检测；检测到前景图像后，利用所述目标图像模型对所述前景图像进行目标图像检测；

在所述静止时间确定单元确定目标图像静止的时间达到预定时间时，所述目标图像静止的起始时间为初次检测到所述目标图像所在的前景图像的时间。

10.如权利要求7～9任一项所述的装置，其特征在于，若所述目标图像为车辆图像，所述装置还包括车牌识别单元，用于对所述从工作在第二焦距的所述视频采集设备获取的视频图像进行车牌识别。