背景剔除方法、装置、计算机设备及存储介质与流程

本发明涉及金融科技领域，尤其涉及一种背景剔除方法、装置、计算机设备及存储介质。

背景技术：

目前，社会的犯罪率正在持续上升，抓捕罪犯的任务越来越繁重。

为了抓捕犯罪人，出现了行人重识别技术。在采用传统的行人重识别算法对视频监控中目标人物的侦查过程中，所述传统的行人重识别算法可以为神经网络算法或其他算法等，通常都会将截取目标人物从图片中提取出来，实现目标人物与其背景的分离。但是，传统方法在计算目标人物与目标人物背景的颜色差距较大，或目标人物背景光线较强等情况下的图片时，计算量大。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种可以避免计算目标人物与目标人物背景的颜色差距较大，或目标人物背景光线较强等情况下的图片时，计算量大的问题的背景剔除方法、装置、计算机设备及存储介质。

一种背景剔除方法，包括：

对预先得到的初始图片中的各个像素点对应的像素值分别进行一阶求导，得到各个像素点对应的像素值的第一处理数值，其中，所述像素点对应的像素值与所述像素点对应的像素值的第一处理数值存在一一对应关系；

对所述各个像素点对应的像素值的第一处理数值分别进行二阶求导，得到各个像素点对应的像素值的第二处理数值，其中，所述像素点对应的像素值的第一处理数值与所述像素点对应的像素值的第二处理数值存在一一对应关系；

若所述像素点对应的像素值的第一处理数值满足预设的第一条件，且所述像素点对应的像素值的第二处理数值满足预设的第二条件，则确定所述像素点为所述图片中的目标人物与目标人物背景之间的边缘点；

按照边缘线将所述初始图片中的所述目标人物背景进行剔除，得到目标图片，其中，所述边缘线由各个所述初始图片中的目标人物与目标人物背景之间的边缘点连接而成。

一种背景剔除装置，包括：

第一求导模块，用于对预先得到的初始图片中的各个像素点对应的像素值分别进行一阶求导，得到各个像素点对应的像素值的第一处理数值，其中，所述像素点对应的像素值与所述像素点对应的像素值的第一处理数值存在一一对应关系；

第二求导模块，用于对所述各个像素点对应的像素值的第一处理数值分别进行二阶求导，得到各个像素点对应的像素值的第二处理数值，其中，所述像素点对应的像素值的第一处理数值与所述像素点对应的像素值的第二处理数值存在一一对应关系；

确定模块，用于若所述像素点对应的像素值的第一处理数值满足预设的第一条件，且所述像素点对应的像素值的第二处理数值满足预设的第二条件，则确定所述像素点为所述图片中的目标人物与目标人物背景之间的边缘点；

剔除模块，用于按照边缘线将所述初始图片中的所述目标人物背景进行剔除，得到目标图片，其中，所述边缘线由各个所述初始图片中的目标人物与目标人物背景之间的边缘点连接而成。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述背景剔除方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述背景剔除方法的步骤。

上述背景剔除方法、装置、计算机设备及存储介质，通过对预先得到的初始图片中的各个像素点对应的像素值进行一阶求导，得到各个像素点对应的像素值的第一处理数值，对各个像素点对应的像素值的第一处理数值进行二阶求导，得到各个像素点对应的像素值的第二处理数值，若所述像素点对应的像素值的第一处理数值满足预设的第一条件，和若所述像素点对应的像素值的第二处理数值满足预设的第二条件，则确定所述像素点为所述初始图片中的目标人物与目标人物背景之间的边缘点，按照边缘线，将所述初始图片中的所述目标人物背景进行剔除，得到目标图片。由于仅通过计算量很小的求导方法便能确定出目标人物与目标人物背景之间的边缘点，根据由边缘点连接而成的边缘线将目标人物背景从图片中剔除，实现目标人物与目标人物背景的分离，从而避免了计算目标人物与目标人物背景的颜色差距较大，或目标人物背景光线较强等情况下的图片时，计算量大的问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中背景剔除方法的一应用环境示意图；

图2是本发明一实施例中背景剔除方法的一流程图；

图3是本发明一实施例中背景剔除方法中获取初始图片的一流程图；

图4是本发明一实施例中背景剔除方法中获取行踪视频的一流程图；

图5是本发明一实施例中背景剔除方法中计算像素点的一流程图；

图6是本发明一实施例中背景剔除装置的一示意图；

图7是本发明一实施例中计算机设备的一示意图。

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作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。

本申请提供的背景剔除方法，可应用在如图1的应用环境中，其中，计算机设备通过网络与服务端进行通信。首先，服务端对预先得到的初始图片中的各个像素点对应的像素值分别进行一阶求导，得到各个像素点对应的像素值的第一处理数值，然后，服务端对各个像素点对应的像素值的第一处理数值分别进行二阶求导，得到各个像素点对应的像素值的第二处理数值，若像素点对应的像素值的第一处理数值满足预设的第一条件，且像素点对应的像素值的第二处理数值满足预设的第二条件，则服务端确定像素点为初始图片中的目标人物与目标人物背景之间的边缘点；服务端按照边缘线将初始图片中的所述目标人物背景进行剔除，得到目标图片。其中，计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种背景剔除方法，该背景剔除方法应用在金融行业中，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：

s10：对预先得到的初始图片中的各个像素点对应的像素值分别进行一阶求导，得到各个像素点对应的像素值的第一处理数值；

在本实施例中，像素点为像素，像素点对应的像素值为像素对应的位置矢量的模和色彩数值。

具体地，为了得到选定的图片中的各个像素点对应的像素值的第一处理数值，需要先从预先得到的选定的图片中的各个像素点上获取各个像素点对应的像素值，然后对获取到的各个像素点对应的像素值分别进行一阶求导，从而得到各个像素点对应的像素值的第一处理数值。如，为了得到选定的图片“篮球.jpg”的各个像素点对应的像素值的第一处理数值，需要先从预先得到的选定的图片“篮球.jpg”中的各个像素点上获取各个像素点对应的像素值，然后获取到的各个像素点对应的像素值分别进行一阶求导，优选地，第一像素点对应的像素值为xⁿ，然后对xⁿ进行一阶求导，得到第一像素点对应的像素值的第一处理数值为nx^n-1，其中，n为大于等于数字1的正整数，x为大于等于数字1的正整数。

需要说明的是，像素点对应的像素值与像素点对应的像素值的第一处理数值存在一一对应关系。

s20：对各个像素点对应的像素值的第一处理数值分别进行二阶求导，得到各个像素点对应的像素值的第二处理数值；

在本实施例中，为了得到选定的图片中的各个像素点对应的像素值的第二处理数值，需要对一阶求导得到的选定的图片中的各个像素点对应的像素值的第一处理数值进行二阶求导，从而得到想要的各个像素点对应的像素值的第二处理数值。如，为了得到选定的图片“自行车.jpg”的各个像素点对应的像素值的第二处理数值，需要对一阶求导得到的选定的图片“自行车.jpg”中的各个像素点对应的像素值的第一处理数值进行二阶求导，优选地，第二像素点对应的像素值的第一处理数值为nx^n-1，然后对nx^n-1进行二阶求导，得到第一像素点对应的像素值的第二处理数值为n*(n-1)x^n-2，其中，n为大于等于数字2的正整数，x为大于等于数字1的正整数。

需要说明的是，像素点对应的像素值的第一处理数值与像素点对应的像素值的第二处理数值存在一一对应关系。

s30：若像素点对应的像素值的第一处理数值满足预设的第一条件，且像素点对应的像素值的第二处理数值满足预设的第二条件，则确定像素点为图片中的目标人物与目标人物背景之间的边缘点；

在本实施例中，当得到的像素点对应的像素值的第一处理数值满足预设的第一条件时，且当得到的像素点对应的像素值的第二处理数值满足预设的第二条件时，则确定该像素点为图片中的目标人物与目标人物背景之间的边缘点，该边缘点也即目标人物与目标人物背景相切的边界点。

需要说明的是，预设的第一条件可以为大于预设的第一阈值或等于预设的第一阈值，预设的第二条件可以为大于预设的第二阈值或等于预设的第二阈值，预设的第一条件和预设的第二条件的具体内容，可以根据实际应用进行设定，此处不做限制。

s40：按照边缘线将图片中的目标人物背景进行剔除，得到目标图片；

在本实施例中，首先将得到的各个图片中的目标人物与目标人物背景之间的边缘点连接起来，得到边缘线，然后沿着该边缘线，将目标人物与目标人物背景区分开，接下来采用预设的第三阈值替代所述目标人物背景中的各个像素点对应的像素值的像素值，因此可以清楚地知道预设的第三阈值对应的颜色的区域为目标人物背景，从而避免在对图片中目标人物检测时背景的干扰，进而起到剔除背景的效果。

需要说明的是，预设的第三阈值可以为的具体内容，可以根据实际应用进行设定，此处不做限制。

在图2对应的实施例中，通过对预先得到的初始图片中的各个像素点对应的像素值进行一阶求导，得到各个像素点对应的像素值的第一处理数值，对各个像素点对应的像素值的第一处理数值进行二阶求导，得到各个像素点对应的像素值的第二处理数值，若所述像素点对应的像素值的第一处理数值满足预设的第一条件，和若所述像素点对应的像素值的第二处理数值满足预设的第二条件，则确定所述像素点为所述初始图片中的目标人物与目标人物背景之间的边缘点，按照边缘线，将所述初始图片中的所述目标人物背景进行剔除，得到目标图片。由于仅通过计算量很小的求导方法便能确定出目标人物与目标人物背景之间的边缘点，根据由边缘点连接而成的边缘线将目标人物背景从图片中剔除，实现目标人物与目标人物背景的分离，从而避免了计算目标人物与目标人物背景的颜色差距较大，或目标人物背景光线较强等情况下的图片时，计算量大的问题。

进一步地，在一实施例中，该背景剔除方法应用在金融行业中，一种背景剔除方法中像素点对应的像素值的第一处理数值满足预设的第一条件，且像素点对应的像素值的第二处理数值满足预设的第二条件为：

具体地，第一绝对值大于预设的第一阈值，且第二绝对值大于预设的第二阈值，其中，第一绝对值为得到的像素点的一阶求导结果与该像素点横向相邻的预设个像素点的一阶求导结果的差值的绝对值，第二绝对值为得到的像素点的二阶求导结果与该像素点横向相邻的预设个像素点的二阶求导结果的差值的绝对值。

需要说明的是，所述横向可以为左或右，也可以为同时包括左和右预设个像素点可以为3个或5个像素点，如，左边3个像素点，或右边3个像素点，或同时包括左边3个像素点和右边3个像素点，也即6个像素点，预设个像素点的具体内容，可以根据实际应用进行设定，此处不做限制。

在本一实施例中，通过将得到的像素点的一阶求导结果与该像素点横向相邻的预设个像素点的一阶求导结果的差值的绝对值与预设的第一阈值比较，且将得到的像素点的二阶求导结果与该像素点横向相邻的预设个像素点的二阶求导结果的差值的绝对值比较，便可确定该得到的像素点为选定的图片中的目标人物与目标人物背景之间的边缘点。由于一阶求导结果的大小代表所述像素点的色彩的变化率大小，也即一阶求导结果越大所述像素点的色彩的变化就越大，反之代表所述像素点的色彩的变化就越小，同时二阶求导结果的大小代表所述像素点的色彩的变化的快慢，也即二阶求导结果的越大代表所述像素点的色彩的变化越快，反之代表所述像素点的色彩的变化越慢，两个像素点的色彩的变化大和变化慢代表该两个像素点为两种不同的色彩，从而可以方便地分辨出图片中不同色彩的点，进而提高了辨别边缘点的便捷性。

进一步地，在一实施例中，该背景剔除方法应用在金融行业中，如图3所示图2对应实施例中一种背景剔除方法中获取初始图片在一个应用场景下的流程图，所述初始图片通过以下步骤获取：

s101：根据预先得到的行踪视频中各视频帧之间的时间差值和各视频帧之间的图像色彩特征的相似度，计算各视频帧之间的距离；

s102：根据各视频帧之间的距离采用层次聚类法对行踪视频进行分割，得到初始图片。

对于上述步骤s101，可以理解为，首先，将拍预先摄到的行踪视频确定为待分割视频，然后，根据待分割视频中各视频帧之间的时间差值和各视频帧之间的图像色彩特征的相似度，采用视频帧距离计算公式计算各视频帧之间的距离。

对于上述步骤s102，可以理解为，以待分割视频包括m个视频帧为例，根据待分割视频中第1视频帧与第2视频帧之间的时间差值，以及第1视频帧与第2个视频帧之间的图像色彩特征的相似度，获取到第1视频帧与第2视频帧之间的距离；依次执行，直到根据待分割视频中第1视频帧与第k视频帧之间的时间差值，以及第1视频帧与第k个视频帧之间的图像色彩特征的相似度，获取到第1视频帧与第k视频帧之间的距离；根据待分割视频中第2视频帧与第3视频帧之间的时间差值，以及第2视频帧与第3个视频帧之间的图像色彩特征的相似度，获取到第2视频帧与第3视频帧之间的距离；依次执行，直到根据待分割视频中第2视频帧与第k视频帧之间的时间差值，以及第2视频帧与第k个视频帧之间的图像色彩特征的相似度，获取到第1视频帧与第k视频帧之间的距离；依次类推，根据待分割视频中第q-1视频帧与第q视频帧之间的时间差值，以及第q-1视频帧与第q个视频帧之间的图像色彩特征的相似度，获取到第q-1视频帧与第q视频帧之间的距离。通过上述方式，可以获得各个视频帧之间的距离，然后根据所述距离，采用层次聚类发将所述待分割视频进行分割，得到想要的图片，选定的图片是由该图片中选择出。

在图3对应的实施例中，通过步骤s101和步骤s102，可以得到想要的图片，由于属于同一个视频事件的两个视频帧中的图像，其场景和目标人物的色彩特征相似度相同，从而根据时间差及相似度可以将属于同一个视频中的视频帧分割为该视频的图片，从而避免了将属于同一个视频中的视频帧分割为不同的视频的图片，进而保证了视频内容分割的完整性。

进一步地，在一实施例中，该背景剔除方法应用在金融行业中，一种背景剔除方法中根据预先得到的行踪视频中各视频帧之间的时间差值和各视频帧之间的图像色彩特征的相似度，计算各视频帧之间的距离为：

具体地，首先，根据各视频帧计算得到各视频帧之间的卡方距离，然后，将预先拍摄得到的行踪视频中各视频帧之间的时间差值、各视频帧之间的卡方距离输入如下计算公式，得到各视频帧之间的距离：

其中，行踪视频包括q个视频帧，q大于1；ki为行踪视频中的第i个视频帧，kj为行踪视频中的第j个视频帧，i大于等于1且小于等于q，j大于等于1且小于等于q，s(ki,kj)为第i个视频帧与第j个视频帧之间的距离，x²(ki，kj)为第i个视频帧与第j个视频帧之间的色彩直方图的卡方距离，w1为预设的卡方距离，r为预设的正整数，|i-j|表示第i个视频帧与第j个视频帧之间的时间差值，所述时间差值的单位为秒、分或小时，max(0,r-|i-j|)表示0与r-|i-j|之间的最大值，r-|i-j|为大于0的自然数。如r为30，i为20，j为15，|i-j|表示第20个视频帧与第15个视频帧之间的时间差值为20秒，则r-|i-j|为10，max(0,r-|i-j|)为10，或如r为7，i为8，j为5，|i-j|表示第8个视频帧与第5个视频帧之间的时间差值为1.6分，则r-|i-j|为5.4，max(0,r-|i-j|)为5.4。

需要说明的是，卡方距离越大表示相似度越低。

在本一实施例中，通过上述计算公式，根据s(ki,kj)可以将一个即便含有一些无关的视频帧的短视频不会进一步分割成更短的视频，从而保证了视频的完整性。

进一步地，在一实施例中，该背景剔除方法应用在金融行业中，如图4所示图3对应实施例中一种背景剔除方法中获取行踪视频在一个应用场景下的流程图，所述行踪视频通过以下步骤获取：

s1011：连续多次拍摄目标人物的行踪视频，并在拍摄行踪视频的过程中判断连续多次拍摄得到的行踪视频的总时间长度是否达到预设时间长度；

s1012：若在拍摄行踪视频的过程中连续多次拍摄得到的行踪视频的总时间长度达到预设时间长度，则停止行踪视频的拍摄，并将连续多次拍摄目标人物的行踪视频拼接成一个行踪视频，得到拼接后的行踪视频；

s1013：将拼接后的行踪视频确定为得到的行踪视频。

对于上述步骤s1011，可以理解为，目标人物可以为行人或其他物体，目标人物的具体内容，可以根据实际情况进行设定，此处不做限制。目标人物的行踪视频可以存在在数据库中，也可以存储在光碟或硬盘中，目标人物的行踪视频的存储位置的具体内容，可以根据实际情况进行设定，此处不做限制。

具体地，首先，从多个对象中确定出目标人物，也即，人为的选定目标人物，然后从多个对象中选出目标人物，接下来，连续多次拍摄目标人物的行踪视频，并在每次拍摄行踪视频的过程中判断连续多次拍摄得到的行踪视频的总时间长度是否达到预设时间长度，其中，判断拍摄的行踪视频的总时间长度是否达到预设时间长度，可以能够灵活地获取想要的时间长度的行踪视频，预设的时间长度可以为30分钟或1个小时等，预设的时间长度的具体内容，可以根据实际情况进行设定，此处不做限制。

需要说明的是，目标人物的行踪视频可以通过摄像设备获取得到，然后存储到所述存储位置，摄像设备可以为摄像机或数码相机等，摄像设备的具体内容，可以根据实际情况进行设定，此处不做限制。

对于上述步骤s1012，可以理解为，若在拍摄行踪视频的过程中连续多次拍摄得到的行踪视频的总时间长度达到预设时间长度，则停止行踪视频的拍摄，并显示连续多次拍摄目标对象的行踪视频对应的标识，并根据用户对连续多次拍摄目标对象的行踪视频对应的标识进行排序的结果将连续多次拍摄目标对象的行踪视频拼接成一个视频，或者记录连续多次拍摄目标对象的行踪视频对应的时间，并根据用户对连续多次拍摄目标对象的行踪视频对应的时间进行排序的结果将连续多次拍摄目标对象的行踪视频拼接成一个视频。若在拍摄行踪视频的过程中连续多次拍摄得到的行踪视频的总时间长度未达到预设时间长度，则采用预设时间长度减去总时间长度，得到剩余时间长度，然后计算剩余时间长度在预设时间长度中的第一占比，和计算总时间长度在预设时间长度中的第二占比，从而清楚了已拍摄时间长度在预设时间长度中进度，并返回步骤s1011。

对于上述步骤s1013，可以理解为，将拼接后得到的行踪视频确定为获取到的行踪视频，并保存到视频数据库中。其中，视频数据库可以为sql或oracle等数据库，视频数据库的具体内容，可以根据实际应用进行设定，此处不做限制。

在图4对应的实施例中，通过上述步骤s1011～步骤s1013，可以实现多次选择性的拍摄获取一个行踪视频，同时对拍摄的行踪视频的内容进行自主筛选，提高了获取视频的灵活性。

进一步地，在一实施例中，该背景剔除方法应用在金融行业中，如图5所示图2至图4对应实施例中一种背景剔除方法中在步骤s10之前在一个应用场景下的流程图，该背景剔除方法还包括：

s50：获取初始图片的各个像素点对应的第一目标像素值、目标人物背景的各个像素点对应的第二目标像素值和像素点总和，其中，图片的像素点包括目标人物的像素点和目标人物背景的像素点，像素点总和为图片的像素点的总个数或目标人物背景的像素点的总个数；

s60：根据第一目标像素值、所述第二目标像素值和像素点总和采用预设的计算法对图片的各个像素点对应的像素值进行计算，得到计算后的像素点对应的像素值。

对于上述步骤s50，可以理解为，选定的图片包括目标人物和目标人物背景。选定的图片是由各个像素点组合而成。获取整张选定的图片中的各个像素点对应的第一目标像素值、背景的各个像素点对应的第二目标像素值和像素点总和，以便对各个像素点对应的像素值做均差法处理。其中，像素点总和为图片的像素点的总个数或目标人物背景的像素点的总个数。

需要说明的是，目标人物与目标人物背景重合的像素点的像素值，在目标人物背景中为0。

对于上述步骤s60，可以理解为，根据第一目标像素值、所述第二目标像素值和像素点总和采用预设的计算法对图片的各个像素点对应的像素值进行计算，得到计算后的像素点对应的像素值，也即，先将获取到的图片的各个像素点对应的第一目标像素值减去图片背景的各个像素点对应的第二目标像素值，得到各个偏差值，然后将所有偏差值的总和除以像素点的总个数，得到均差值，将各个偏差值减去均差值，得到各个均差后的像素点。

在图5对应的实施例中，通过上述步骤s50和步骤s60，可以得到各个像素点对应的像素值的平均像素值，由于平均像素值代表所有像素点的平均像素，从而提高了评估像素点的像素的准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种背景剔除装置，该背景剔除装置与上述实施例中背景剔除方法一一对应。如图6所示，该背景剔除装置包括第一求导模块701、第二求导模块702、确定模块703和剔除模块704。各功能模块详细说明如下：

第一求导模块701，用于对预先得到的初始图片中的各个像素点对应的像素值分别进行一阶求导，得到各个像素点对应的像素值的第一处理数值，其中，像素点的像素值与像素点对应的像素值的第一处理数值存在一一对应关系；

第二求导模块702，用于对各个像素点对应的第一处理数值分别进行二阶求导，得到各个像素点对应的像素值的第二处理数值，其中，像素点对应的像素值的第一处理数值与像素点对应的像素值的第二处理数值存在一一对应关系；

第一确定模块703，用于若像素点对应的像素值的第一处理数值满足预设的第一条件，且像素点对应的像素值的第二处理数值满足预设的第二条件，则确定像素点为图片中的目标人物与目标人物背景之间的边缘点；

剔除模块704，用于按照边缘线将图片中的目标人物背景进行剔除，得到目标图片，其中，边缘线由各个图片中的目标人物与目标人物背景之间的边缘点连接而成。

进一步地，确定模块703中像素点对应的像素值的第一处理数值满足预设的第一条件，且像素点对应的像素值的第二处理数值满足预设的第二条件为：第一判断模块，用于第一绝对值大于第一预设阈值，且第二绝对值大于第二预设阈值，其中，第一绝对值为像素点对应的像素值的第一处理数值与像素点横向相邻的预设个像素点对应的像素值的第一处理数值的差值的绝对值，第二绝对值为像素点对应的像素值的第二处理数值与像素点横向相邻的预设个像素点对应的像素值的第二处理数值的差值的绝对值。

进一步地，初始图片通过以下模块获取：

第一计算模块，用于根据预先得到的行踪视频中各视频帧之间的时间差值和各视频帧之间的图像色彩特征的相似度，计算各视频帧之间的距离；

分割模块，用于根据各视频帧之间的距离采用层次聚类法对行踪视频进行分割，得到初始图片。

进一步地，第一计算模块中根据预先得到的行踪视频中各视频帧之间的时间差值和各视频帧之间的图像色彩特征的相似度，计算各视频帧之间的距离具体为：第二计算模块，用于将预先得到的行踪视频中各视频帧之间的时间差值、各视频帧之间的卡方距离输入如下计算公式，得到各视频帧之间的距离：

其中，行踪视频包括q个视频帧，q大于1；ki为行踪视频中的第i个视频帧，kj为行踪视频中的第j个视频帧，i大于等于1且小于等于q，j大于等于1且小于等于q，s(ki,kj)为第i个视频帧与第j个视频帧之间的距离，x²(ki，kj)为第i个视频帧与第j个视频帧之间的色彩直方图的卡方距离，w1为预设的卡方距离，r为预设的正整数，|i-j|表示第i个视频帧与第j个视频帧之间的时间差值，max(0,r-|i-j|)表示0与r-|i-j|之间的最大值，r-|i-j|为大于0的自然数。

进一步地，行踪视频通过以下模块获取：

第二判断模块，用于连续多次拍摄目标人物的行踪视频，并在拍摄行踪视频的过程中判断连续多次拍摄得到的行踪视频的总时间长度是否达到预设时间长度；

拼接模块，用于若在拍摄行踪视频的过程中连续多次拍摄得到的行踪视频的总时间长度达到预设时间长度，则停止行踪视频的拍摄，并将连续多次拍摄目标人物的行踪视频拼接成一个行踪视频，得到拼接后的行踪视频；

第二确定模块，用于将拼接后的行踪视频确定为得到的行踪视频。

进一步地，在第一求导模块701之前，该背景剔除装置还包括：

获取模块，用于获取初始图片的各个像素点对应的第一目标像素值、目标人物背景的各个像素点对应的第二目标像素值和像素点总和，其中，图片的像素点包括目标人物的像素点和目标人物背景的像素点，像素点总和为图片的像素点的总个数或目标人物背景的像素点的总个数；

第三计算模块，用于根据第一目标像素值、所述第二目标像素值和像素点总和采用预设的计算法对图片的各个像素点对应的像素值进行计算，得到计算后的像素点对应的像素值。

关于背景剔除装置的具体限定可以参见上文中对于背景剔除方法的限定，在此不再赘述。上述背景剔除装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储背景剔除方法相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种背景剔除方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例背景剔除方法的步骤，例如图2所示的步骤s10至步骤s40。或者，处理器执行计算机程序时实现上述实施例中背景剔除装置的各模块/单元的功能，例如图6所示第一求导模块701至剔除模块704的功能。为避免重复，这里不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中背景剔除方法，或者，该计算机程序被处理器执行时实现上述装置实施例中背景剔除装置中各模块/单元的功能。为避免重复，这里不再赘述。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。