现可W参考前述方式W及现有技术加W实现，本发明并不对此进行具 体限制。在完成双目修正处理之后，双目摄像机可W持续对外输出图像序列，一般来说，本 申请所处理的对象是一对原始图像（左目图像W及右目图像），通常都是同一时间两个摄 像机输出的图像，即在时间上是对应的，或者图像序列中的序号是对应的，因为该个序号客 观上也是有时间先后顺序的。
[0036] 针对双目摄像机输出的一对图像（即左目图像W及右目图像），本申请并非W该 两个图像作为直接处理对象，而是先将两个图像进行背景差分处理。两个图像进行背景差 分处理之后会生成左目图像的背景图像、左目图像的前景图像、右目图像的背景图像W及 右目图像的前景图像。其中左目图像的前景图像化及右目图像的前景图像称为一对前景图 像，而左目图像的背景图像化及右目图像的背景图像称为一对背景图像。W上过程称为背 景差分过程。
[0037] 在背景差分处理之后，可W进行噪点问题处理，空洞问题处理W及遮挡问题处理。 噪点一般是由视场范围内光影的变化，或者非目标物体的轻微移动（如树叶）导致的，会 在图像上产生多个斑点或小片区域，该些区域通常不是用户关注的目标，可W过滤掉。在 本申请一个优选的例子中，使用先验参数来处理，对于监控目标而言，如人或者车辆，其在 图像当中长度和宽度的最小值，假设为hO和wO,单位为像素，此时可W得到如下推理：目 标区域中的任何一点，都能在该区域边缘上找到一个点，使其相对距离大于等于血in = max(h0/2，w0/2);当然其前提条件通常是该区域边缘是连续的。
[003引此时可W对图像内部的所有区域进行扫描，对任何一个区域边缘的点，获取其外 边缘轮廓上的所有点，然后计算该些点和区域内部点的相对距离山如果有d> =血in,则保 留该区域，如果边缘上所有的点都无法满足d> =血in,则过滤该区域，该说明该区域的尺 寸不符合先验参数。对于区域内部的点，可W采取上下左右4个方向寻找最近的边缘点，找 到之后，W此点为起始，将该区域连续的边缘轮廓点获取并记录在一个集合当中，当该区域 被确认保留或者过滤之后，可W对此集合置标识位，后续只要检测到其边缘点和该集合重 复，则认为属于同一个区域，不需要进一步计算，可有效提升计算速度。
[0039] 针对左目图像和右目图像的背景差分处理可W有效地提升视差图像生成的速度， 也就是提高整体输出的实时性。在监控领域的大部分应用场景中，其背景通常对比前景图 像而言是相对静态的，所谓相对静态是相对于前景来说变化速度很慢。比如说位于银行营 业大厅的摄像机采集到的画面中，背景图像就是银行营业大厅的图像，其变化通常是因为 光线等因素引起的，很少产生瞬时的巨大变化。而摄像机采集到的前景通常大部分来银行 办理业务的客户W及银行的工作人员。前景的变化速度W及幅度都远远超过背景。
[0040] 如果未将前景和背景区分开来分别进行处理，而是按照整幅图像的方式进行处 理，一般都会采用单一的算法来处理整幅图像，为了适应快速移动目标的处理，会选择效率 上相对妥协的算法，整体计算速度较慢，难W在合理计算资源下获得较好的实时性体验。在 本申请中，将图像差分为前景和背景之后，针对一对背景图像可W采用第一视差算法进行 视差图像计算，第一视差算法通常是一些更为适宜处理变化缓慢图像的视差算法，比如说 BM3D 炬lock Method of 3-Dimension)算法、SGBlVKsemi-global block matching)算法、 GC(图割）算法等，该些算法在处理变化缓慢的图像的视差计算上具有较大的优势。在一个 例子中，本申请中相邻两个背景视差图像的生成时间相差若干图像帖的时间，也就是说背 景视差图像并不是每一帖图像都进行计算的，背景视差图像的计算结果可W在数分钟甚至 更长时间内都是可W使用的。该里的所谓可W使用是指即便背景视差图像的变化没有被非 常准确地实时地反映出来，但最终结果也能被使用者所接受，比如说某个银行大堂内背景 图像的变化（比如某个宣传牌被移开）没有被及时反映出来，其影响对于监控业务本身而 言并没有太大影响。
[0041] 请参考图3的示意，该个例子只是原理性的示例，具体参数由开发人员根据实际 需要调整。假设当前正在使用背景视差图像3,其使用的时间范围是从3001帖到4000帖， 该段时间内背景视差图像将一直是背景视差图像3,其可W存放在内存指定位置供后续步 骤使用。当3901帖到来的时候，开始计算背景视差图像4,此时有100帖的时间来计算新 的背景视差图像4,因此背景视差图像对计算资源的要求将非常低，可W节约出大量的计算 资源，新的背景视差图像4计算出来之后可W在4001帖的时候覆盖掉原来的背景视差图像 3,如此循环下去。
[0042] 从另一个角度来说，由于前景图像是变化较大的，但是经过差分之后，前景图像的 尺寸肯定小于整个原始的左目或右目图像，而且值得注意的是，有时候监控图像的前景部 分很小，甚至可能没有前景。由于处理对象变小了，那么处理速度自然可W有较大的提升， 实时性体验可W得到更好地保障。针对前景图像的视差图像计算可W采用不同于第一视差 算法的第二视差算法，比如各种动态类型的视差算法。在优选的例子中，第一视差算法在处 理背景图像上的效率一般不低于第二视差算法；而第二视差算法在处理前景图像上的效率 一般不低于第一视差算法。
[0043] 从前面的描述中可W看出，本申请采用了先图像差分处理，分别计算两个视差图 像再整合的方式。该个过程中，背景视差图像部分并不是真正的实时处理，但可W满足用户 对实时性的实际感知要求，如此可W节约大量计算资源，该些计算资源可W提升前景视差 图像的生成速度，在一个例子中，本申请提供更加优化的方案来在保障一定图像质量的基 础上提升前景视差图像生成的速度。本申请的第二视差算法包括第一维度（比如水平维 度）和/或第二维度（比如垂直维度）的扫描过程。在一个优选的例子中，可W包括在第 一维度上可W包括两个相对方向的扫描过程，比如自上而下的水平扫描W及自下而上的水 平扫描，在第二维度上有一个从左到右的扫描过程。一个或多个扫描过程可W有效地解决 空洞问题W及遮挡问题，上述扫描过程具体包括：
[0044] S1，针对前景图像进行扫描，计算扫描线上每个像素点的视差；
[0045] S2,判断当前扫描线是否具有预设的传播例外规则，如果是转S3,否则转S4 ;
[0046] S3,按照初始置信规则设置当前扫描线的置信等级，转S5 ;
[0047] S4,判断前一扫描线的置信等级是否为第一等级，如果是则将当前扫描线设置为 第一等级，否则转S3;
[0048] S5,判断当前扫描线是否为本次扫描过程的最后一条扫描线，如果是则结束，否则 转S1。
[0049] W下将W图4为例介绍第二视差算法的具体实现。在介绍之前先对一些参数W及 概念加W说明。假设前景图像（也称为"目标"）是行人，其他类型的目标处理方式类似。 在图4中，有行人甲W及行人己，根据成像结果，从镜头取景方向观察，显然行人己位于行 人甲的后方，此时行人甲的下半身至少有一部分与行人己不重合，或者说没有被行人己所 遮挡。图4中，左目图像中初始扫描线0两个边缘点分别标记为fO W及gO,而在右目图像 中扫初始扫描线0两个边缘点分别为n W及gi。左目图像中扫描线A两个边缘点分别标 记为al W及bl，而在右目图像中扫描线A两个边缘点分别为a2 W及b2。左目图像中扫描 线B两个边缘点分别标记为cl W及dl，而在右目图像中扫描线B两个边缘点分别为c2 W 及d2。在计算视差的过程中，可W采用水平维度扫描和/或者垂直维度扫描的方式来计算 每个像素点的视差并确定视差的置信等级。
[0050] 在本申请中，置信等级可W分为多个等级，在一个简单的实现方式中，置信等级分 为一个较高的第一等级W及一个较低的第二等级。当然在复杂的例子中，第一等级可W细 分为第一等级A、第一等级B……，第二等级也可W细分为第二等级A、第一等级B……。先介 绍置信等级的传播规则；在本申请一个例子中，假设扫描采用从下到上的水平扫描方式，若 前一扫描线（也就是下方的扫描线）的置信等级为第一等级，且当前扫描线不存在传播例 外规则，则当前扫描线的置信等级也可W被置为第一等级。所谓传播例外规则可W包括W 下几种规则中的一种或多种，当然开发者还可W根据业务需要定义更多的传播例外规则。
[0051] 第一规则：当前扫描线相