本發(fā)明涉及視頻監(jiān)控領(lǐng)域，尤其涉及一種基于視頻的運動模式檢測方法及裝置。

背景技術(shù)：
基于視頻的目標(biāo)運動信息的準(zhǔn)確估計，在實際的視頻分析領(lǐng)域中有著廣泛的應(yīng)用，尤其在教學(xué)監(jiān)控，準(zhǔn)確的估計目標(biāo)在特定方向上的運動信息是非常有意義，這些信息是攝像機對目標(biāo)進(jìn)行精確定位的前提。目前主流的關(guān)于目標(biāo)特定方向的運動量估算方法主要以光流和背景建模等方法為主。通常地，通過計算整幅圖像的稠密光流場，然后分割稠密光流場提取出運動塊，并計算目標(biāo)的運動位移量和方向。該種方法缺點是計算量大，通常無法達(dá)到實時處理的效果，沒有GPU支持的情況下，很難移植到低成本的硬件上正常運行。另一種是基于背景建模方法建立背景模型，然后跟蹤運動目標(biāo)，并估計目標(biāo)的運動方向和位移量，該方法對于復(fù)雜的場景無法處理，如教室中的目標(biāo)檢測，主要受限于此類方法背景建模時間長，背景更新緩慢，無法適應(yīng)于運動凌亂和無序的場景中。如現(xiàn)有技術(shù)提出一種教學(xué)智能錄播系統(tǒng)學(xué)生起坐檢測方法(公開號：102096930A，2011-06-15)，該方法采用了背景建模技術(shù)，提取前景，采用了雙攝像機對運動目標(biāo)進(jìn)行跟蹤，并估計學(xué)生在垂直方向上的運動位移量，該方法的優(yōu)點是不需要改裝學(xué)生桌椅，易于維護(hù)。但此種方法主要存在如下缺點，首先，背景建模對于教室復(fù)雜的環(huán)境往往導(dǎo)致所建立的背景效果不佳，容易產(chǎn)生運動目標(biāo)空洞的現(xiàn)象，并且背景更新及其的緩慢；其次，該方法簡單的統(tǒng)計目標(biāo)位移量準(zhǔn)確度不高，并且未提取其他的信息，比如目標(biāo)運動方向等，無法為后續(xù)應(yīng)用開發(fā)提供有效、準(zhǔn)確的信息。

技術(shù)實現(xiàn)要素：
有鑒于此，本發(fā)明提出了一種基于視頻的運動模式檢測方法及裝置，解決了背景建模導(dǎo)致的背景更新慢，前景空洞現(xiàn)象嚴(yán)重的問題，并且本發(fā)明使得檢測到運動模式更加的精確和穩(wěn)定，為應(yīng)用開發(fā)提供有效、準(zhǔn)確的信息。本發(fā)明提供一種基于視頻的運動模式檢測方法，包括以下步驟：獲取視頻圖像；估計運動前景圖像；對運動前景圖像的運動目標(biāo)進(jìn)行檢測；對運動目標(biāo)的狀態(tài)進(jìn)行更新；其中，估計運動前景圖像包括以下步驟：建立初步的運動前景圖像；對運動前景圖像提取輪廓圖像；對輪廓圖像建立運動歷史圖像。其中，所述對運動前景圖像的運動目標(biāo)進(jìn)行檢測，包括以下步驟：初步查找運動目標(biāo)；過濾無效的運動目標(biāo)，得到有效的運動目標(biāo)的矩形框；對有效的運動目標(biāo)的矩形框所對應(yīng)的運動前景圖像進(jìn)行填充；對有效的運動目標(biāo)的矩形框估算其運動方向。其中，所述對運動目標(biāo)的狀態(tài)進(jìn)行更新，包括以下步驟：對有效的運動目標(biāo)的矩形框進(jìn)行運動目標(biāo)匹配；對匹配到的運動目標(biāo)進(jìn)行運動位移量統(tǒng)計；對匹配到的運動目標(biāo)進(jìn)行運動方向持續(xù)性統(tǒng)計。其中，所述對匹配到的運動目標(biāo)進(jìn)行運動位移量統(tǒng)計，公式如下：其中為位移量估計函數(shù)，具體計算公式如下：其中，所述對匹配到的運動目標(biāo)進(jìn)行運動方向持續(xù)性統(tǒng)計；公式如下：其中其中[θ-δ,θ+δ]表示有效的運動方向，δ方向容忍的閾值范圍。其中，所述對運動前景圖像提取輪廓圖像，包括以下步驟：對運動前景圖像分別進(jìn)行膨脹濾波操作和腐蝕濾波操作，得到新的圖像；對得到的新圖像提取前景輪廓，得到二值輪廓圖像；對二值輪廓圖像進(jìn)行腐蝕濾波操作，得到新的輪廓圖像。其中，所述對輪廓圖像建立運動歷史圖像，運動歷史圖像中每個元素值，通過如下方式進(jìn)行更新：本發(fā)明還提供一種基于視頻的運動模式檢測裝置，包括：圖像獲取模塊、與圖像獲取模塊連接的運動前景估計模塊、與運動前景模塊連接的運動目標(biāo)檢測模塊、與運動目標(biāo)檢測模塊連接的目標(biāo)狀態(tài)更新模塊，其中：圖像獲取模塊，用于獲取視頻圖像；運動前景估計模塊，用于估計運動前景圖像；運動目標(biāo)檢測模塊，用于對運動前景圖像的運動目標(biāo)進(jìn)行檢測；目標(biāo)狀態(tài)更新模塊，用于對運動目標(biāo)的狀態(tài)進(jìn)行更新；所述運動前景估計模塊包括運動前景圖像建立單元、輪廓圖像提取單元、運動歷史圖像建立單元，其中：運動前景圖像建立單元，用于建立初步的運動前景圖像；輪廓圖像提取單元，用于對運動前景圖像進(jìn)行輪廓提取得到輪廓圖像；運動歷史圖像建立單元，用于對輪廓圖像建立運動歷史圖像。其中，所述運動目標(biāo)檢測模塊包括：查找單元，用于初步查找運動目標(biāo)；過濾單元，用于過濾無效的運動目標(biāo)，得到有效的運動目標(biāo)的矩形框；填充單元，用于對有效的運動目標(biāo)的矩形框所對應(yīng)的運動前景圖像進(jìn)行填充；估算單元，用于對有效的運動目標(biāo)的矩形框估算其運動方向。其中，所述目標(biāo)狀態(tài)更新模塊包括：運動目標(biāo)匹配單元，用于對有效的運動目標(biāo)的矩形框進(jìn)行運動目標(biāo)匹配；運動位移量統(tǒng)計單元，對匹配到的運動目標(biāo)進(jìn)行運動位移量統(tǒng)計；運動方向統(tǒng)計單元，對匹配到的運動目標(biāo)進(jìn)行運動方向持續(xù)性統(tǒng)計。通過本發(fā)明所述方法和裝置可以解決背景建模導(dǎo)致的背景更新慢，前景空洞現(xiàn)象嚴(yán)重的問題，本發(fā)明能實現(xiàn)運動位移量和運動方向持續(xù)性計數(shù)更加的精確和穩(wěn)定，為應(yīng)用開發(fā)提供有效、準(zhǔn)確的信息。本發(fā)明所述算法實現(xiàn)簡單，計算復(fù)雜度低，能夠在低成本的設(shè)備上實時運行。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例一種基于視頻的運動模式檢測方法流程圖；圖2為本發(fā)明實施例的估計運動前景圖像建立的流程圖；圖3為本發(fā)明實施例的對運動前景圖像的運動目標(biāo)進(jìn)行檢測的流程圖；圖4為本發(fā)明實施例的對運動目標(biāo)的狀態(tài)進(jìn)行更新的流程圖；圖5為本發(fā)明的實施例的任意運動方向示意圖；圖6為本發(fā)明實施例垂直方向示意圖；圖7為本發(fā)明實施例的目標(biāo)運動方向和特定方向的位移量示意圖；圖8為本發(fā)明實施例對垂直向上運動方向的檢測效果圖；圖9為本發(fā)明實施例一種基于視頻的運動模式檢測裝置示意圖；圖10為本發(fā)明實施例一種基于視頻的運動模式檢測裝置的運動前景估計模塊結(jié)構(gòu)示意圖；圖11為本發(fā)明實施例一種基于視頻的運動模式檢測裝置的運動目標(biāo)檢測模塊結(jié)構(gòu)示意圖；圖12為本發(fā)明實施例一種基于視頻的運動模式檢測裝置的目標(biāo)狀態(tài)更新模塊結(jié)構(gòu)示意圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。請參見圖1，其為本發(fā)明實施例提供的一種基于視頻的運動模式檢測方法的流程圖，具體包括以下步驟：步驟S101，獲取視頻圖像。假設(shè)t∈Z+時刻(Z為正整數(shù))，首先從視頻源中獲取到RGB彩色圖像Ft,其中圖像寬高分別表示為W,H；接著，將彩色圖像Ft轉(zhuǎn)化為單通道灰度圖像It；如果視頻源中的圖像已經(jīng)為單通道灰度圖像則不需要執(zhí)行該步驟；再將單通道灰度圖像It的寬和高進(jìn)行歸一化，寬高分別表示為W,H，對單通道灰度圖像It進(jìn)行平滑處理。步驟S102，估計運動前景圖像如圖2所示，通過當(dāng)前獲取得到的單通道灰度圖像建立運動前景圖像。具體包括以下步驟：步驟S201，建立運動圖像Dt，將單通道灰度圖像It與上一幀圖像It-1相減，即：Dt(r,c)＝|It(r,c)-It-1(r,c)|,0≤r＜H,0≤c＜W，其中r,c分別表示圖像的第r行和第c列；It(r,c)表示單通道灰度圖像It中的第r行和第c列的像素灰度值。步驟S202，建立初步的運動前景圖像運動前景圖像中每個元素的值，通過如下方式進(jìn)行更新：其中，λ表示運動前景圖像的更新周期，根據(jù)不同的應(yīng)用場景有較大的差別，但取值的原則為：根據(jù)目標(biāo)完成一個動作所消耗的時間(單位：毫秒)，本實施例中，優(yōu)選λ＝2000，ξ＜λ表示更新周期λ的粒度，本實施例中優(yōu)選ξ＝1000。步驟S203,對運動前景圖像提取輪廓圖像。具體包括以下步驟：首先，對運動前景圖像分別按照先后順序進(jìn)行一次膨脹濾波操作和腐蝕濾波操作，得到新的圖像濾波算子F0大小5×3，優(yōu)選地，算子構(gòu)造如下：然后，利用輪廓查找方法(具體的輪廓查找方法較多，本實例優(yōu)選采用TehChin89的方法，請參見文獻(xiàn)：Teh,C.H.andChin,R.T.,OntheDetectionofDominantPointsonDigitalCurve.PAMI118,pp859-872(1989))，對新的圖像提取前景輪廓(不包括空洞的連通域)，得到一幅二值輪廓圖像接著，再對二值輪廓圖像進(jìn)行一次腐蝕濾波操作，濾波算子F1大小為3×3，優(yōu)選地，算子構(gòu)造如下：得到新的輪廓圖像步驟S204,對輪廓圖像建立運動歷史圖像。建立運動歷史圖像中每個元素的值，通過如下方式進(jìn)行更新：其中λ表示運動歷史圖像的更新周期，這里優(yōu)選λ＝2000，ξ＝1000。步驟S103，對運動前景圖像的運動目標(biāo)進(jìn)行檢測。如圖3所示，根據(jù)S102步驟得到的運動前景圖像，檢測運動前景圖像中的運動目標(biāo)，然后過濾無效的運動目標(biāo)，并估計每個有效運動目標(biāo)的運動方向。具體包括以下步驟：步驟S301，利用輪廓查找方法找到初步的運動目標(biāo)，得到n個運動目標(biāo)的矩形框，記為步驟S302，過濾無效的運動目標(biāo)，得到有效的運動目標(biāo)的矩形框。具體地，按照一定的過濾方法去掉無效的運動目標(biāo)，具體地過濾無效目標(biāo)的方法為：對于Bn中的邊界框i∈{1,...,n}，如果的面積大于(W*H)/γ，則是有效的，這里優(yōu)選γ＝400。過濾后得到m個有效的運動目標(biāo)的矩形框，記為步驟S303，對有效的運動目標(biāo)的矩形框所對應(yīng)的運動前景圖像進(jìn)行填充。填充的步驟如下：首先，查找運動歷史圖像的內(nèi)輪廓，即空洞的輪廓。假設(shè)找到了K條內(nèi)輪廓,其中(k＝1,...,K)表示一條內(nèi)輪廓，pi＝(xi,yi)表示像素坐標(biāo)點；然后，對每條內(nèi)輪廓(k＝1,...,K)做以下操作：a、初始化，輪廓標(biāo)識符(k＝1,...,K)，設(shè)置所有元素均為0，以表示相應(yīng)位置的像素未被填充，如果相關(guān)位置的像素被填充，那么標(biāo)識為1。b、從輪廓標(biāo)識符Ftk查找到一個未被表示的輪廓點滿足fi＝0。如果未找到，那么則完成了對內(nèi)部像素的填充。c、從輪廓標(biāo)識符Ftk中查找一個滿足xi＝xj條件的元素pj。d、選擇填充的像素值e、填充垂直方向向上的元素：步驟S304，對有效的運動目標(biāo)的矩形框估算其運動方向。有效的運動目標(biāo)的矩形框Bm中的每個矩形框其中分別表示第i個矩形框的左上角頂點的x軸坐標(biāo)位置，左上角頂點的y軸坐標(biāo)位置，矩形框的寬和矩形框的高，其相應(yīng)的運動方向計算方法具體如下：a、考慮矩形框其中η∈{1,...,10}，這里優(yōu)選η＝1。如果檢測的方向為垂直向上，或者向下，那么可優(yōu)選η＝4。b、計算在感興趣區(qū)域下，運動歷史圖像的運動方向，這里采用了方向直方圖的主方向作為目標(biāo)的運動方向，直方圖的bin數(shù)根據(jù)實際的情況進(jìn)行設(shè)定，本實施例中優(yōu)選地，bin＝15，計算得到的運動方向角度記為Ai。由此得到每個有效的運動目標(biāo)的矩形框的運動方向元素取值范圍為[0,359]，單位為度數(shù)。步驟S104，對運動目標(biāo)的狀態(tài)進(jìn)行更新。如圖4所示，對運動目標(biāo)的狀態(tài)進(jìn)行更新。所有的運動目標(biāo)需要由一系列狀態(tài)來表示，即St-1＝{S1,S2,…,SP}，Sp＝{Bndboxp,PosCountp,OrnCountp}表示一個運動目標(biāo)狀態(tài)，Bndboxp＝[xp,yp,wp,hp]表示t-1時刻運動目標(biāo)Sp矩形框，其中xp,yp,wp,hp分別表示矩形框Bndboxp的左上角頂點的x軸坐標(biāo)位置，左上角頂點的y軸坐標(biāo)位置，矩形框的寬和矩形框的高，PosCountp表示t-1時刻目標(biāo)Sp在某一方向上的位移量。該步驟S104的功能主要是維護(hù)運動目標(biāo)的狀態(tài)列表的集合中的每個元素的狀態(tài)，并對于無效的目標(biāo)狀態(tài)剔除，對于新的目標(biāo)狀態(tài)將會加入到狀態(tài)列表中。假設(shè)t時刻的目標(biāo)狀態(tài)列表St＝φ，對目標(biāo)i＝0，具體執(zhí)行以下步驟：步驟S401，對有效的運動目標(biāo)的矩形框進(jìn)行運動目標(biāo)匹配。具體地，判斷是否與目標(biāo)序列St-1中的一個元素Sp匹配。判斷的條件為：其中area(·)表示運動目標(biāo)矩形框的面積，μ表示運動目標(biāo)矩形框面積重合度，取值范圍為[0.3,1]，優(yōu)選地，μ＝0.5。a、如果不與目標(biāo)序列St-1中的任何一個元素匹配上，那么i＝i+1返回步驟S401。b、如果與目標(biāo)序列St-1中的一個元素Sp匹配上，Sp＝{Bndboxp,PosCountp,OrnCountp}那么執(zhí)行步驟S402。步驟S402，對匹配到的運動目標(biāo)進(jìn)行運動位移量統(tǒng)計。更新公式如下：其中為位移量估計函數(shù)，如圖8所示，具體計算公式如下：以上式子表示矩形框運動方向與要檢測的方向的內(nèi)積。步驟S403，對匹配到的運動目標(biāo)進(jìn)行運動方向持續(xù)性統(tǒng)計。更新公式如下：其中其中[θ-δ,θ+δ]表示有效的運動方向，δ方向容忍的閾值范圍，δ優(yōu)選為20，例如考察的是目標(biāo)在垂直方向上的運動，則θ,δ分別設(shè)置為90,20，即[θ-δ,θ+δ]設(shè)置為[70,110]；如果考察的是目標(biāo)在水平向下的運動，則θ,δ分別設(shè)置為270,20，即[θ-δ,θ+δ]設(shè)置為[250,290]；如果考察的是目標(biāo)在水平向左的運動，則θ,δ分別設(shè)置為180,20，即[θ-δ,θ+δ]設(shè)置為[160,200]；如果考察的是目標(biāo)在水平向右的運動，則θ,δ分別設(shè)置為0,20，即[θ-δ,θ+δ]設(shè)置為[-20,20]，即[340,359]∪[0,20]。由步驟S402和S403計算得到了新的Sp。將添加到目標(biāo)列表中，即：St＝St∪Spi＝i+1返回步驟S401。以上循環(huán)結(jié)束后，得到了新的目標(biāo)狀態(tài)列表St。步驟S105，輸出目標(biāo)位移和方向由步驟S104得到的新的目標(biāo)狀態(tài)列表St，該狀態(tài)列表St中分別包括了每個目標(biāo)都包含的目標(biāo)唯一標(biāo)識符，目標(biāo)矩形框，目標(biāo)運動位移量計數(shù)，目標(biāo)運動方向計數(shù)，輸出新的目標(biāo)狀態(tài)列表St。如圖5所示，本發(fā)明實施例的運動方向特定為θ∈[0°,360°)，即單位向量；例如垂直方向表示為[1,0]，如圖6所示。圖7為本發(fā)明實施例的目標(biāo)運動方向和特定方向的位移量示意圖。如圖8所示，其展示了本發(fā)明所述方法的對垂直向上運動方向的檢測效果圖。圖中的每行的圖片表示同一時刻的效果圖。第1列表示彩色原圖；第2列表示轉(zhuǎn)換后的灰度圖，第3列表示位移量統(tǒng)計和運動方向的計數(shù)，圖中第一個數(shù)值表示位移量，第二個數(shù)值表示方向統(tǒng)計量；第四列表示目標(biāo)當(dāng)前的運動方向估計，箭頭表示目標(biāo)當(dāng)前的運動方向。注意到，第3列的圖片，隨著時間的推移，統(tǒng)計到的計數(shù)會不斷的增加，這些信息對目標(biāo)狀態(tài)的判斷有很大的輔助作用，目標(biāo)的運動往往都是有一定的時間周期的，如人起立的動作時間是基本一致的，因此可根據(jù)目標(biāo)在特定方向上持續(xù)的運動時間來判斷目標(biāo)是否起立由效果圖可知，本算法在86％((18-5)/(215-210+1))的幀圖上都檢測到了目標(biāo)的運動方向；同樣地，目標(biāo)在實際世界坐標(biāo)中的起立和坐下的高度具有明顯的差異，因此可根據(jù)目標(biāo)在特定方向上的持續(xù)的運動位移量來估計目標(biāo)在實際世界坐標(biāo)中的實際高度等。使用本發(fā)明所述方法能避免背景建模導(dǎo)致的背景更新慢，前景空洞現(xiàn)象嚴(yán)重的問題，并且使得檢測到運動位移量和運動方向持續(xù)性計數(shù)更加的精確和穩(wěn)定，為應(yīng)用開發(fā)提供有效、準(zhǔn)確的信息。本發(fā)明通過以上方法使得目標(biāo)在特定方向上的位移量計算更加的精確，所有的估算信息對目標(biāo)的進(jìn)一步判斷都非常的簡單有效。本發(fā)明還提供一種基于視頻的運動模式檢測裝置，請參閱圖9，其為本發(fā)明實施例提供的一種基于視頻的運動模式檢測裝置示意圖。本發(fā)明所述裝置包括了圖像獲取模塊901、運動前景估計模塊902、運動目標(biāo)檢測模塊903和目標(biāo)狀態(tài)更新模塊904。各個模塊具體功能描述如下：圖像獲取模塊901，用于獲取視頻圖像。從數(shù)據(jù)庫或者外部文件中導(dǎo)入視頻圖像，并對視頻圖像進(jìn)行預(yù)處理，包括了將彩色圖像轉(zhuǎn)成單通道灰度圖像，再將單通道灰度圖像的寬和高進(jìn)行歸一化，即固定相同的寬和高，寬高分別表示為W,H，對單通道灰度圖像進(jìn)行平滑處理，例如高斯平滑或者中值平滑等。運動前景估計模塊902，與圖像獲取模塊901連接，用于估計當(dāng)前幀的運動前景圖像。該模塊主要實現(xiàn)了基于運動前景圖像和輪廓提取的前景估計功能。請參閱圖10，在一實施例中，所述運動前景估計模塊902包括：運動前景圖像建立單元9021，用于建立初步的運動前景圖像；具體地，運動前景圖像建立單元9021建立的運動前景圖像中每個元素的值，通過如下方式進(jìn)行更新：其中，λ表示運動前景圖像的更新周期，根據(jù)不同的應(yīng)用場景有較大的差別，但取值的原則為：根據(jù)目標(biāo)完成一個動作所消耗的時間(單位：毫秒)，本實施例中，優(yōu)選λ＝2000，ξ＜λ表示更新周期λ的粒度，本實施例中優(yōu)選ξ＝1000。輪廓圖像提取單元9022，用于對運動前景圖像進(jìn)行輪廓提取得到輪廓圖像。輪廓圖像提取單元9022具體工作包括：首先需要對運動前景圖像分別按照先后順序進(jìn)行一次膨脹濾波操作和腐蝕濾波操作，得到新的圖像濾波算子F0大小5×3，優(yōu)選地，算子構(gòu)造如下：然后再利用輪廓查找方法(具體的輪廓查找方法較多，本實例優(yōu)選采用TehChin89的方法，請參見文獻(xiàn)：Teh,C.H.andChin,R.T.,OntheDetectionofDominantPointsonDigitalCurve.PAMI118,pp859-872(1989))，對新的圖像提取前景輪廓(不包括空洞的連通域)，得到一幅二值輪廓圖像接著再對二值輪廓圖像進(jìn)行一次腐蝕濾波操作，濾波算子F1大小為3×3，優(yōu)選地，算子構(gòu)造如下：得到新的輪廓圖像運動歷史圖像建立單元9023，用于對輪廓圖像再次建立運動歷史圖像。具體地，運動歷史圖像建立單元9023建立的運動歷史圖像中每個元素的值，通過如下方式進(jìn)行更新：其中λ表示運動歷史圖像的更新周期，這里優(yōu)選λ＝2000，ξ＝1000。運動目標(biāo)檢測模塊903，與運動前景模塊902連接，用于對運動前景圖像的運動目標(biāo)進(jìn)行檢測。請參閱圖11，在一實施例中，所述運動目標(biāo)檢測模塊903包括查找單元9031，通過輪廓查找方法找到初步的運動目標(biāo)；具體地，查找單元9031利用輪廓查找方法找到初步的運動目標(biāo)，得到n個運動目標(biāo)的矩形框，記為過濾單元9032，用于過濾無效的運動目標(biāo)，得到有效的運動目標(biāo)的矩形框；具體地，過濾單元9032按照一定的過濾方法去掉無效的運動目標(biāo)，具體地過濾無效目標(biāo)的方法為：對于Bn中的邊界框i∈{1,...,n}，如果的面積大于(W*H)/γ，則是有效的，這里優(yōu)選γ＝400。過濾后得到m個有效的運動目標(biāo)的矩形框，記為填充單元9033，用于對有效的運動目標(biāo)的矩形框所對應(yīng)的運動前景圖像進(jìn)行填充；具體地，填充單元9033首先查找運動歷史圖像的內(nèi)輪廓，即空洞的輪廓。假設(shè)找到了K條內(nèi)輪廓,其中(k＝1,...,K)表示一條內(nèi)輪廓，pi＝(xi,yi)表示像素坐標(biāo)點；然后，對每條內(nèi)輪廓(k＝1,...,K)做以下操作：a、初始化，輪廓標(biāo)識符(k＝1,...,K)，設(shè)置所有元素均為0，以表示相應(yīng)位置的像素未被填充，如果相關(guān)位置的像素被填充，那么標(biāo)識為1。b、從輪廓標(biāo)識符Ftk查找到一個未被表示的輪廓點滿足fi＝0。如果未找到，那么則完成了對內(nèi)部像素的填充。c、從輪廓標(biāo)識符Ftk中查找一個滿足xi＝xj條件的元素pj。d、選擇填充的像素值e、填充垂直方向向上的元素：估算單元9034，用于對有效的運動目標(biāo)的矩形框估算其運動方向。具體地，估算單元9034對有效的運動目標(biāo)的矩形框Bm中的每個矩形框的相應(yīng)的運動方向作如下計算：a、考慮矩形框其中η∈{1,...,10}，這里優(yōu)選η＝1。如果檢測的方向為垂直向上，或者向下，那么可優(yōu)選η＝4。b、計算在感興趣區(qū)域下，運動歷史圖像的運動方向，這里采用了方向直方圖的主方向作為目標(biāo)的運動方向，直方圖的bin數(shù)根據(jù)實際的情況進(jìn)行設(shè)定，本實施例中優(yōu)選地，bin＝15，計算得到的運動方向角度記為Ai由此得到每個有效的運動目標(biāo)的矩形框的運動方向元素取值范圍為[0,359]，單位為度數(shù)。目標(biāo)狀態(tài)更新模塊904，與運動目標(biāo)檢測模塊903連接，用于對運動目標(biāo)的狀態(tài)進(jìn)行更新。該模塊實現(xiàn)了對目標(biāo)的狀態(tài)信息進(jìn)行更新。具體地，根據(jù)新的運動目標(biāo)狀態(tài)，維護(hù)運動目標(biāo)的信息。請參閱圖12，在一實施例中，所述目標(biāo)狀態(tài)更新模塊904包括：運動目標(biāo)匹配單元9041，用于對有效的運動目標(biāo)的矩形框進(jìn)行運動目標(biāo)匹配；具體地，運動目標(biāo)匹配單元9041判斷是否與目標(biāo)序列St-1中的一個元素Sp匹配。判斷的條件為：其中area(·)表示運動目標(biāo)矩形框的面積，μ表示運動目標(biāo)矩形框面積重合度，取值范圍為[0.3,1]，優(yōu)選地，μ＝0.5。a、如果不與目標(biāo)序列St-1中的任何一個元素匹配上，那么i＝i+1返回步驟S401。b、如果與目標(biāo)序列St-1中的一個元素Sp匹配上，Sp＝{Bndboxp,PosCountp,OrnCountp}。運動位移量統(tǒng)計單元9042，用于對匹配到的運動目標(biāo)進(jìn)行運動位移量統(tǒng)計；具體地，運動位移量統(tǒng)計單元9042更新公式如下：其中為位移量估計函數(shù)，如圖8所示，具體計算公式如下：以上式子表示矩形框運動方向與要檢測的方向的內(nèi)積。運動方向統(tǒng)計單元9043，對匹配到的運動目標(biāo)進(jìn)行運動方向持續(xù)性統(tǒng)計；具體地，運動方向統(tǒng)計單元9043更新公式如下：其中其中[θ-δ,θ+δ]表示有效的運動方向，δ方向容忍的閾值范圍，δ優(yōu)選為20，例如考察的是目標(biāo)在垂直方向上的運動，則θ,δ分別設(shè)置為90,20，即[θ-δ,θ+δ]設(shè)置為[70,110]；如果考察的是目標(biāo)在水平向下的運動，則θ,δ分別設(shè)置為270,20，即[θ-δ,θ+δ]設(shè)置為[250,290]；如果考察的是目標(biāo)在水平向左的運動，則θ,δ分別設(shè)置為180,20，即[θ-δ,θ+δ]設(shè)置為[160,200]；如果考察的是目標(biāo)在水平向右的運動，則θ,δ分別設(shè)置為0,20，即[θ-δ,θ+δ]設(shè)置為[-20,20]，即[340,359]∪[0,20]。由步驟S402和S403計算得到了新的Sp。將添加到目標(biāo)列表中，即：St＝St∪Sp。輸出單元9044，將當(dāng)前幀所有運動目標(biāo)的狀態(tài)信息，即將運動位移量，運動方向計數(shù)和有效目標(biāo)矩形框輸出。使用本發(fā)明所述裝置可以避免背景建模導(dǎo)致的背景更新慢，前景空洞現(xiàn)象嚴(yán)重的問題；本發(fā)明中所述方法能有效實現(xiàn)運動位移量和運動方向持續(xù)性計數(shù)的更加精確和穩(wěn)定，能很好的為應(yīng)用開發(fā)提供有效、準(zhǔn)確的信息，并且本發(fā)明中算法實現(xiàn)簡單，計算復(fù)雜度低，因此能夠在低成本的設(shè)備上實時運行。本發(fā)明所述方法和裝置可以用于教學(xué)視頻監(jiān)控方面，用于檢測學(xué)生或老師的具體運動狀態(tài)；也可以用于會議室或者其他公共場所，用于檢測特定人員的具體運動狀態(tài)。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-OnlyMemory，ROM)或隨機存儲記憶體(RandomAccessMemory，RAM)等。以上所揭露的僅為本發(fā)明較佳實施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。