本发明涉及一种用于各种现场智能监测系统、室内灯光智能控制系统等系统中，对采集图像进行处理的基于图像分析的室内抗干扰运动识别方法。
背景技术：
各种现场智能监测系统、室内灯光智能控制系统等系统，需要实时采集监测现场图像数据并进行处理和判断，以确定是否发生需要监测的事件。例如，室内灯光智能控制系统中，图像传感器采集的图像数据经处理单元的运算处理后，可以判断是否有人员进入或移动等运动事件，据此确定是否进行开、关灯操作。在图像传感器采集图像过程中受传感器材料属性，电路结构，以及传感器工作环境等的影响会引入各种噪声(如高斯噪声、瑞利噪声、伽马噪声等)。这些噪声会影响图像质量，从而干扰运动事件检测，造成误判。因此图像处理的第一步通常是降噪。噪声需要通过一些数学的方法去除，需要占用处理器的运算资源和存储资源。一方面在嵌入式系统中处理器的处理能力和存储空间有限，对于成本敏感的嵌入试产品，增加处理器处理能力或存储空间直接影响成本控制；另一方面对于需要微动事件判断的应用，并不需要关注图像输出的质量，而是要实现对微动事件的判断，因此过高的资源调用提高了运行成本。
技术实现要素：
本发明所要解决的技术问题是，提供一种能够过滤图像噪声干扰，提高微动事件判断准确性，同时硬件资源要求较低的基于图像分析的室内抗干扰运动识别方法。
本发明的基于图像分析的室内抗干扰运动识别方法，包括以下步骤：
第一步，定义噪声干扰因素和动态差；
同一台图像采集设备，间隔时间t，采集两帧图像；第一帧图像定义为参考帧，第二帧图像与第一帧图像做像素点的灰度值比较；设第二帧图像中像素点i的灰度值表示为yic；参照图像中对应像素点i的灰度值表示为yib；两幅图中像素点i灰度值差值的绝对值表示为：
δyi＝|yic-yib|(1)
δyi表示两帧图像上像素点i位置的灰度差异；
上述采集的两帧图像，第一帧为静态图像，若第二帧图像与第一帧图像相比，没有发生人或物体的运动，则第二帧图像也是静态图像；若第二帧图像相比第一帧图像发生了人或物体的运动，则第二帧为动态图像；
所述静态图像采集的方法是：图像采集设备固定，保持检测区域内无人或物的运动，同时光源保持不变，间隔时间为t，抓取两帧图像；
按照式(1)对两帧静态图像的像素点灰度值进行对比，获得图像传感器在当前环境中的噪声干扰因素；
具体的，对两帧静态图像对比结果，当δyi等于0时，说明在像素点i处，设备或环境对图像未造成干扰，或者设备或环境的干扰在两幅图对应像素灰度值相减操作后被抵消；当δyi不等于0时，说明设备或环境的干扰对像素点i的灰度造成的影响无法通过两者相减抵消，这个相减未能抵消的数，定义为干扰因素；对一帧静态图像和一帧动态图像按照式(1)计算得到的像素点灰度值对比结果定义为动态差；用
第二步，用划分网格的方法，分割待检测图像；将待检测图像划分成n个大小相同的分块,用k0,k1,…,kn-1表示；
第三步，以分块为单位计算动态差的均值；计算当前一帧图像与一帧参照图像对应的第k分块的动态差均值
其中，δβki表示第k分块的第i个像素点的动态差(动态图像和参考图像灰度值之差的绝对值)。
则第k0分块的动态差均值表示为
第四步，以分块为单位计算干扰因素均值；图像采集设备固定，保持拍摄区域内无人或运动的物体，同时光源保持不变，每间隔时间t抓取一帧图像，连续抓取n帧图像；以第一帧图像为参考图像，其它n-1帧图像分别与其进行比较，每两帧计算得到图像上每个分块的单次的平均干扰因素，设第j帧图像与参考图像比较，计算得到的第k块的像素平均干扰因素为
其中，
对第k分块，一共可以得到n-1组平均干扰因素，再对n-1组平均干扰因素求平均值得第k分块多次比较后的平均干扰因素
第五步，运动检测分析；将设备部署到需要进行运动检测的区域，检测目标在采集到的图像上所占的面积要小于一个分块面积；将图像划分为n分块,分块对应到图像中标识为(k00,…,k0j,…,ki0,…,kij)，用如下矩阵表示：
使用第四步方法，计算求得各分块的平均干扰因素
开始运动检测后，每间隔时间t，抓取一帧图像；使用第三步方法比较抓取到的图像与前一帧图像，求得各分块的平均动态差
每个分块对比各自的平均动态差和平均干扰因素；若平均动态差值小于等于平均干扰因素的值，则认为该分块未发生运动事件，对应分块矩阵位置填0；若平均动态差值大于平均干扰因素的值，则认为有事件发生，该事件是否为运动事件需要进一步判断，对应分块矩阵位置填1。每个分块经过比较后，可以得到一个由0，1组成的矩阵；
根据矩阵中1的分布，进一步分析是否发生运动事件；当检测目标数量为1个时，可以判断：若相邻1～4块分块值为1，则认为是运动事件发生；若矩阵中的值全部为1，则发生了外部环境的突变导致整幅图像发生变化而非运动事件发生；若发生变化的分块不相邻，则认为是异常事件，丢弃该次判断。
本发明通过运算获得在实际应用中设备和环境的干扰因素，然后在判断运动事件时，排除这个干扰因素，完成判断。处理过程通过对图像一些特征信息变化的分析，实现对检测场景中运动事件的判断，对图像本身的显示效果和质量并没有较高要求，避免采用对资源要求高的传统的图像降噪等处理算法，从而在保证处理准确度的同时，降低了对嵌入式设备硬件资源的要求。
具体实施方式
由于在一幅除却噪声的理想图像中，运动事件在图像中表现为某一部分像素点的灰度值发生变化，并且发生变化的像素点分布相对集中，而不是分散在整幅图像中。在实际使用中，我们会看到即使没有微动动作发生，不同的时间抓取的图像，每个像素点的灰度值不同程度地发生变化，这个变化是由于图像传感器设备和环境带来的噪声引起的，这些噪声会对微动事件判断造成干扰，因此要识别微动事件需要尽可能地排除噪声的干扰。
基于上述认识，本发明实施例的基于图像分析的室内抗干扰运动识别方法包括以下步骤：
第一步，定义噪声干扰因素和动态差；
同一台图像采集设备，间隔时间t，采集两帧图像；第一帧图像定义为参考帧，第二帧图像与第一帧图像做像素点的灰度值比较；设第二帧图像中像素点i的灰度值表示为yic；参照图像中对应像素点i的灰度值表示为yib；两幅图中像素点i灰度值差值的绝对值表示为：
δyi＝|yic-yib|(1)
δyi表示两帧图像上像素点i位置的灰度差异；
上述采集的两帧图像，第一帧为静态图像，若第二帧图像与第一帧图像相比，没有发生人或物体的运动，则第二帧图像也是静态图像；若第二帧图像相比第一帧图像发生了人或物体的运动，则第二帧为动态图像；
所述静态图像采集的方法是：图像采集设备固定，保持检测区域内无人或物的运动，同时光源保持不变，间隔时间为t，抓取两帧图像；
按照式(1)对两帧静态图像的像素点灰度值进行对比，获得图像传感器在当前环境中的噪声干扰因素；
具体的，对两帧静态图像对比结果，当δyi等于0时，说明在像素点i处，设备或环境对图像未造成干扰，或者设备或环境的干扰在两幅图对应像素灰度值相减操作后被抵消；当δyi不等于0时，说明设备或环境的干扰对像素点i的灰度造成的影响无法通过两者相减抵消，这个相减未能抵消的数，定义为干扰因素。
对一帧静态图像和一帧动态图像按照式(1)计算得到的像素点灰度值对比结果定义为动态差。对于理想的图像(即不存在干扰的图像)，动态差不等于0，表示拍摄区域发生了人或物的运动；动态差等于0，表示拍摄区域没有运动事件。而在实际应用中无法得到理想图像，因此动态差中包含了干扰因素。本文的目的就是要过滤动态差中的干扰因素，得到有效的动作事件判断结果。
为区分干扰因素和动态差，便于理解，用
第二步，用划分网格的方法，分割待检测图像；本文目的是检测运动事件，从整幅图像上看，运动事件只会引起图像局部相对集中区域的像素点发生变化。另外若对每个像素点进行动作判断容易受到某个点异常的影响引起误判。因此在本算法中，根据微动事件在整幅图像中表现为局部像素点发生变化的特点，将待检测图像划分成n个大小相同的分块(用k0,k1,…,kn-1表示)，当一个微动动作发生时，一个分块或相邻的几个分块的像素点灰度值发生变化，而其它分块的像素点灰度值不会发生变化。以分块作为运算单位，可以平滑个别像素点异常的干扰，又能够对动作事件做出有效的判断。后续计算和分析，均以分块为单位进行。
第三步，以分块为单位计算动态差的均值；计算当前一帧图像与一帧参照图像对应的第k分块的动态差均值
其中，δβki表示第k分块的第i个像素点的动态差(动态图像和参考图像灰度值之差的绝对值)。
则第k0分块的动态差均值表示为
第四步，以分块为单位计算干扰因素均值；为得到更加精确的干扰因素，采用多帧静态图像与作为参考的静态图像分别求得干扰因素，再将多组干扰因素求平均的方法，得到多次比较后的各分块的平均干扰因素。具体方法如下，图像采集设备固定，保持拍摄区域内无人或运动的物体，同时光源保持不变，每间隔时间t抓取一帧图像，连续抓取n帧图像；以第一帧图像为参考图像，其它n-1帧图像分别与其进行比较，每两帧计算得到图像上每个分块的单次的平均干扰因素，设第j帧图像与参考图像比较，计算得到的第k块的像素平均干扰因素为
其中，
对第k分块，一共可以得到n-1组平均干扰因素，再对n-1组平均干扰因素求平均值得第k分块多次比较后的平均干扰因素
第五步，运动检测分析；将设备部署到需要进行运动检测的区域，检测目标在采集到的图像上所占的面积要小于一个分块面积；将图像划分为n分块,分块对应到图像中标识为(k00,…,k0j,…,ki0,…,kij)，用如下矩阵表示：
使用第四步方法，计算求得各分块的平均干扰因素
开始运动检测后，每间隔时间t，抓取一帧图像；使用第三步方法比较抓取到的图像与前一帧图像，求得各分块的平均动态差
每个分块对比各自的平均动态差和平均干扰因素；若平均动态差值小于等于平均干扰因素的值，则认为该分块未发生运动事件，对应分块矩阵位置填0；若平均动态差值大于平均干扰因素的值，则认为有事件发生，该事件是否为运动事件需要进一步判断，对应分块矩阵位置填1。每个分块经过比较后，可以得到一个由0，1组成的矩阵；如：
根据矩阵中1的分布，进一步分析是否发生运动事件；基于检测设备部署的前提，被检测目标在采集到的图像上所占的面积小于一个分块面积。当检测目标数量为1个时，可以判断，若相邻1～4块分块值为1，则认为是运动事件发生；如上矩阵(a)和(b)。若矩阵中的值全部为1，则发生了外部环境的突变导致整幅图像发生变化而非运动事件发生；比如室内灯光突然打开，如上矩阵(c)。若发生变化的分块不相邻，则认为是异常事件，丢弃该次判断。
上述处理过程通过对图像一些特征信息变化的分析，实现对检测场景中运动事件的判断，对图像本身的显示效果和质量并没有较高要求，避免采用对资源要求高的传统的图像降噪等处理算法，从而在保证处理准确度的同时，降低了对嵌入式设备硬件资源的要求。