征描述算法包括但不限于SURF，BRIEF，0RB， GLOH等，由于SIFT描述方法对光照变化、尺度变化、图像旋转的鲁棒性较高，因此本实施方 式优选SIFT描述法作为特征描述方法，描述子是一个多维数据，例如SIFT描述子通常是 128维的数组。鉴于以上所述的特征描述方法都为经典特征描述算法，不再赘述。
[0041] 最后，将所有特征点(例如Harris角点)的坐标信息与该点描述子打包后按照分块 的顺序进行排列，然后输出到数据存储模块中。可以理解，在本发明的其他实施方式中，也 可以将其他相应特征检测算法和特征描述算法所得到的特征点信息打包后，输出到数据存 储丰吴块中。
[0042] 此后进入步骤103,根据当前提取的特征点信息与相应的历史特征点信息，判断场 景是否有变化。
[0043] 在本实施方式中，可通过比较当前提取的特征点信息与相应的历史特征点信息， 如是否预定数量的特征点信息差的绝对值超过预定阈值，或是由各特征点信息得到表示当 前图像与历史图像差异的值是否超过预定值，来判断场景是否有变化。
[0044] 作为可选实施方式，根据历史特征点信息，计算运动矢量并进行一致性筛选，将一 致性最高的运动矢量作为全局运动矢量，进一步排除局部运动物体对全局运动估计的影 响，降低误检的风险。具体地说：
[0045] 如图2所示，在步骤103中，包括以下子步骤：
[0046] 在步骤201中，获取相应的历史特征点信息。
[0047] 可以理解，将当前视频段的一帧或多帧图像提取到的特征数据输入分析处理模 块，可以根据用户需求从数据存储模块中提取出特定时间的历史特征信息，进行场景变化 计算，如对于一些缓慢变化的场景，需要提取较早前的历史特征数据，那么当前特征与较早 的历史特征就能比较容易显现出差异，缓慢的场景变化就能被检测出来，而对于实时性较 高的检测需求则提取最近的一次历史特征信息。
[0048] 此后进入步骤202,匹配当前提取的特征点与相应的历史特征点。
[0049] 在本实施方式中进行特征点数据匹配，优选地，采用描述子最短距离作为配对准 贝IJ (匹配准则还有：直方图匹配，中心距匹配等)，距离dist通常采用欧氏距离(距离dist也 可以是马氏距离，巴氏距离，切比雪夫距离等)，计算方法如下式：
【主权项】
1. 一种场景变化检测方法，其特征在于，包括以下步骤： 获取视频段数据； 将所述视频段数据的一帧或多帧图像分块，提取每块的特征点和相应信息并存储； 根据当前提取的特征点信息与相应的历史特征点信息，判断场景是否有变化。
2. 根据权利要求1所述的场景变化检测方法，其特征在于，在根据当前提取的特征点 信息与相应的历史特征点信息，判断场景是否有变化的步骤中，包括以下子步骤： 获取相应的历史特征点信息； 匹配当前提取的特征点与相应的历史特征点； 计算经匹配的每对特征点的运动矢量； 计算所有对特征点的运动矢量的一致性指数，并将一致性指数最高的运动矢量作为全 局运动矢量； 判断所述全局运动矢量是否大于等于第一阈值，若是，则输出场景有变化。
3. 根据权利要求2所述的场景变化检测方法，其特征在于，在确认所述全局运动矢量 大于等于所述第一阈值后，还包括以下步骤： 判断所述全局运动矢量的一致性指数是否大于等于第二阈值； 若所述全局运动矢量的一致性指数小于第二阈值，则输出场景全部变化； 若所述全局运动矢量的一致性指数大于等于第二阈值，则根据所述全局运动矢量占图 像分辨率的比例计算并输出场景变化的分数，具体计算方式如下：
其中，score为场景变化的分数，mVX、mvY分别为全局运动矢量的横向分量、纵向分量， imgWidth、imgHeight为图像的宽度、高度。
4. 根据权利要求1至3中任一项所述的场景变化检测方法，其特征在于，在将所述视频 段数据的一帧或多帧图像分块，提取每块的特征点和相应信息并存储的步骤中，按时段存 储当前提取的特征点信息； 所述相应的历史特征点信息为特定时间的历史特征点信息。
5. 根据权利要求1至3中任一项所述的场景变化检测方法，其特征在于，在将所述视频 段数据的一帧或多帧图像分块，提取每块的特征点和相应信息并存储的步骤中，根据视频 线路存储当前提取的特征点信息； 所述相应的历史特征点信息为特定视频线路的历史特征点信息。
6. -种场景变化检测装置，其特征在于，包括： 视频采集模块，用于获取视频段数据； 数据存储模块，用于存储特征点信息； 分析处理模块，用于将所述视频段数据的一帧或多帧图像分块，提取每块的特征点和 相应信息，存储当前提取的特征点信息于所述数据存储模块中，并根据当前提取的特征点 信息与所述数据存储模块存储的相应的历史特征点信息，判断场景是否有变化。
7. 根据权利要求6所述的场景变化检测装置，其特征在于，所述分析处理模块包括： 获取单元，用于从所述数据存储模块获取相应的历史特征点信息； 匹配单元，用于匹配当前提取的特征点与相应的历史特征点； 第一计算单元，用于计算经匹配的每对特征点的运动矢量； 筛选单元，用于计算所有对特征点的运动矢量的一致性指数，并将一致性指数最高的 运动矢量作为全局运动矢量； 第一判断单元，用于判断所述全局运动矢量是否大于等于第一阈值； 第一输出单元，用于在所述第一判断单元确认所述全局运动矢量大于等于第一阈值 时，输出场景有变化。
8. 根据权利要求7所述的场景变化检测装置，其特征在于，所述分析处理模块还包括： 第二判断单元，用于在所述第一判断单元确认所述全局运动矢量大于等于第一阈值 后，判断所述全局运动矢量的一致性指数是否大于等于第二阈值； 第二计算单元，用于在所述第二判断单元确认所述全局运动矢量的一致性指数大于等 于第二阈值时，根据所述全局运动矢量占图像分辨率的比例计算场景变化的分数，具体计 算方式如下：
其中，score为场景变化的分数，mVX、mvY分别为全局运动矢量的横向分量、纵向分量， imgWidth、imgHeight为图像的宽度、高度； 第二输出单元，用于在所述第二判断单元确认所述全局运动矢量的一致性指数小于第 二阈值时，输出场景全部变化，在所述第二判断单元确认所述全局运动矢量的一致性指数 大于等于第二阈值时，输出所述第二计算单元计算的场景变化的分数。
9. 根据权利要求6至8中任一项所述的场景变化检测装置，其特征在于，所述视频采集 模块、所述数据存储模块和所述分析处理模块被设置于同一个装置中；或 所述数据存储模块和所述分析处理模块被设置于一个装置中，与一个或多个设置于其 他装置的视频采集模块连接，以构成一路或多路视频的检测装置。
10. 根据权利要求6至8中任一项所述的场景变化检测装置，其特征在于，所述分析处 理模块还用于按时段和/或根据视频线路存储当前提取的特征点信息； 所述相应的历史特征点信息为特定视频线路的历史特征点信息，或特定时间的历史特 征点信息，或特定视频线路的特定时间的历史特征点信息。
【专利摘要】本发明涉及图像处理领域，公开了一种场景变化检测方法及其装置。在本发明中，将获取的视频段数据中的一帧或多帧图像分块，提取每块的特征点和相应信息，并根据当前提取的特征点信息与相应的历史特征点信息来判断场景是否有变化，分块提取特征点确保了特征点均匀地散布于整个检测区域，最大程度地使特征点落于背景物体上，从而削弱局部运动物体的干扰，提高检测准确率。此外，按时段存储特征点信息，可通过调取其中的任意历史时期的特征数据用于特征比对，检测当前场景与历史场景之间的场景变化程度，这样，对于一些非常缓慢的场景变化现象就可以通过当前场景与较早前的历史场景比对检测出变化。
【IPC分类】G06T7-00, G06T7-20
【公开号】CN104680504
【申请号】CN201310611672
【发明人】施行, 武晓阳, 涂植跑, 俞海
【申请人】杭州海康威视数字技术股份有限公司
【公开日】2015年6月3日
【申请日】2013年11月26日