运动目标检测方法、装置及可读介质与流程

本发明涉及图像检测识别的技术领域，特别涉及一种运动目标检测方法、装置及可读介质。

背景技术：

随着智能家居市场的不断壮大，带有红外目标检测功能的智能空调更加具有竞争优势。相比于可见光图像，红外图像因缺乏较好的对比度和分辨率(原理：红外摄像头将物体表面的红外辐射转换成红外图像，得到的红外图像可以直观的显示被检测目标表面的红外辐射温度场分布)，所以很难反映出目标的纹理信息，因而可以有效保护用户隐私，从而更容易受到消费者的青睐。

但是基于序列图像的运动目标检测是一个较为复杂的过程，应用环境和算法方案的不同将极大影响运动目标检测的效果。例如，申请号为201410114133.1的专利公开了一种空调控制方法及空调，具体公开了红外空调其摄像头依赖驱动电机而旋转，因而其运动目标检测的速度较为缓慢。而且，其采用的运动目标检测方法主要为帧间差分法，该方法不能提取出检测目标的完整区域，只能提取出边界，同时依赖于选择的帧间时间间隔，具体表现为：对快速运动的物体，需要选择较小的时间间隔，如果选择不合适，当物体在前后两帧中没有重叠时，会被检测为两个分开的物体；而对慢速运动的物体，应该选择较大的时间差，如果时间选择不适当，当物体在前后两帧中几乎完全重叠时，则检测不到物体，如此导致运动目标检测的不够准确。

技术实现要素：

本发明实施例提供了一种运动目标检测方法、装置及可读介质，能够提高运动目标检测的准确性。

第一方面，本发明实施例提供了一种运动目标检测方法，包括：

获取序列图像，其中所述序列图像中包括若干帧图像，所述若干帧图像包括至少一个具有运动目标的目标帧图像；

根据所述若干帧图像中的第一帧图像，确定所述若干帧图像的初始背景模型；

根据所述初始背景模型对所述第一帧图像之后的每一帧图像进行运动目标检测，将第一次检测到运动目标像素点的该帧图像确定为第一个目标帧图像；

根据所述初始背景模型，确定第一个目标帧图像中的背景像素点；

将第一个目标帧图像中的背景像素点对所述初始背景模型进行随机更新，获得目标背景模型；

对第一个目标帧图像之后的每一帧图像均执行：

根据上一个目标帧图像的目标背景模型对该帧图像进行运动目标检测，将检测到运动目标像素点的该帧图像确定为目标帧图像；

根据上一个目标帧图像的目标背景模型，确定该目标帧图像中的背景像素点；

将该目标帧图像中的背景像素点对上一个目标帧图像的目标背景模型进行随机更新，获得该目标帧图像的目标背景模型。

第二方面，本发明实施例提供了一种运动目标检测装置，包括：

获取模块，用于获取序列图像，其中所述序列图像中包括若干帧图像，所述若干帧图像包括至少一个具有运动目标的目标帧图像；

第一确定模块，用于根据所述若干帧图像中的第一帧图像，确定所述若干帧图像的初始背景模型；

检测模块，用于根据所述初始背景模型对所述第一帧图像之后的每一帧图像进行运动目标检测，将第一次检测到运动目标像素点的该帧图像确定为第一个目标帧图像；

第二确定模块，用于根据所述初始背景模型，确定第一个目标帧图像中的背景像素点；

随机更新模块，用于将第一个目标帧图像中的背景像素点对所述初始背景模型进行随机更新，获得目标背景模型；

循环执行模块，用于对第一个目标帧图像之后的每一帧图像均执行：

根据上一个目标帧图像的目标背景模型对该帧图像进行运动目标检测，将检测到运动目标像素点的该帧图像确定为目标帧图像；

根据上一个目标帧图像的目标背景模型，确定该目标帧图像中的背景像素点；

将该目标帧图像中的背景像素点对上一个目标帧图像的目标背景模型进行随机更新，获得该目标帧图像的目标背景模型。

第三方面，本发明实施例提供了一种运动目标检测装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行上述所述的方法。

第四方面，本发明实施例提供了一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述所述的方法。

由上述方案可知，本发明实施例提供的运动目标检测方法通过根据确定的初始背景模型，确定第一个目标帧图像中的背景像素点，将第一个目标帧图像中的背景像素点对初始背景模型进行随机更新，获得目标背景模型，而且对第一个目标帧图像之后的每一帧图像均执行将该目标帧图像中的背景像素点对上一个目标帧图像的目标背景模型进行随机更新，获得该目标帧图像的目标背景模型的步骤，因此可以实现每一个目标帧图像的背景模型的不断更新，如此可以提高运动目标检测的准确性；同时，上述方案采用随机更新的策略，可以进一步降低目标背景模型随着更新次数的增多而产生的累积误差，从而可以进一步提高运动目标检测的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本发明第一个实施例提供的运动目标检测方法的流程图；

图2是本发明第二个实施例提供的运动目标检测方法的流程图；

图3是本发明第三个实施例提供的运动目标检测方法的流程图；

图4是本发明第四个实施例提供的运动目标检测方法的流程图；

图5是本发明第五个实施例提供的运动目标检测方法的流程图；

图6是本发明第六个实施例提供的运动目标检测方法的流程图；

图7是本发明一个实施例提供的运动目标检测装置所在设备的示意图；

图8是本发明一个实施例提供的运动目标检测装置的示意图；

图9是本发明一个实施例提供的一帧图像中按照设定包围规则选定的一个像素点和位于该像素点周围的像素点的示意图；

图10是本发明一个实施例提供的背景模型(含初始背景模型和目标背景模型)中的每一个一帧图像按照设定包围规则选定的一个像素点和位于该像素点周围的像素点的示意图；

图11是本发明一个实施例提供的实际检测用例。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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做出创造性劳动的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。

图1是本发明一个实施例提供的运动目标检测方法的流程图。如图1所示，该运动目标检测方法可以包括以下步骤：

步骤101、获取序列图像，其中所述序列图像中包括若干帧图像，所述若干帧图像包括至少一个具有运动目标的目标帧图像。

在本步骤中，序列图像是在不同时间、不同方位对目标依序连续获取的系列图像，其中，该序列图像中包括有若干帧图像。在序列图像的每一帧图像中均包括有背景和前景，其中，前景是指在假设背景为静止的情况下，任何有意义的运动目标即为前景。为了提取所需要的目标信息，需要分离和提取运动目标。在运动目标的提取过程中，由于背景的变化，如光照、动态环境、阴影等多种因素的影响，都可能造成帧间的较大差异，从而影响提取前景目标的准确性，因此，对于前景目标的分离和提取，需要采用更加准确的背景建模方法，以消除背景误差。

步骤102、根据所述若干帧图像中的第一帧图像，确定所述若干帧图像的初始背景模型。

在本步骤中，可参见下文步骤201至步骤205中的描述。

步骤103、根据所述初始背景模型对所述第一帧图像之后的每一帧图像进行运动目标检测，将第一次检测到运动目标像素点的该帧图像确定为第一个目标帧图像。

在本步骤中，可参见下文步骤301至步骤303中的描述。

步骤104、根据所述初始背景模型，确定第一个目标帧图像中的背景像素点。

在本步骤中，可参见下文步骤301、步骤304以及步骤301、步骤305中的描述。

步骤105、将第一个目标帧图像中的背景像素点对所述初始背景模型进行随机更新，获得目标背景模型；

在本步骤中，可参见下文步骤501至步骤503中的描述。

步骤106、对第一个目标帧图像之后的每一帧图像均执行：

根据上一个目标帧图像的目标背景模型对该帧图像进行运动目标检测，将检测到运动目标像素点的该帧图像确定为目标帧图像(可参见下文步骤401至步骤403中的描述)；

根据上一个目标帧图像的目标背景模型，确定该目标帧图像中的背景像素点(可参见下文步骤401、步骤404以及步骤401、步骤405中的描述)；

将该目标帧图像中的背景像素点对上一个目标帧图像的目标背景模型进行随机更新，获得该目标帧图像的目标背景模型(可参见下文步骤601至步骤603中的描述)。

在本发明实施例中，通过根据确定的初始背景模型，确定第一个目标帧图像中的背景像素点，将第一个目标帧图像中的背景像素点对初始背景模型进行随机更新，获得目标背景模型，而且对第一个目标帧图像之后的每一帧图像均执行将该目标帧图像中的背景像素点对上一个目标帧图像的目标背景模型进行随机更新，获得该目标帧图像的目标背景模型的步骤，因此可以实现每一个目标帧图像的背景模型的不断更新，如此可以提高运动目标检测的准确性；同时，上述方案采用随机更新的策略，可以进一步降低目标背景模型随着更新次数的增多而产生的累积误差，从而可以进一步提高运动目标检测的准确性。

此外，背景技术中提及了现有红外空调的摄像头依赖驱动电机而旋转，因而其运动目标检测的速度较为缓慢。而本发明提供的运动目标检测方法可以应用于固定的摄像头中，如此可使摄像头不再依赖驱动电机而旋转，从而可以提高运动目标检测的速度。背景技术采用的运动目标检测方法主要为帧间差分法，该方法不能提取出检测目标的完整区域，只能提取出边界。而本发明提供的运动目标检测方法可以对每一帧的运动目标像素点完成检测，从而可以提取出运动目标的完整区域，进而提高更好的视觉效果。

图2是本发明一个实施例提供的运动目标检测方法的流程图。如图2所示，在本发明的一个实施例中，步骤102，包括：

步骤201、获取所述第一帧图像中的一个像素点。

步骤202、按照设定包围规则，确定位于该像素点周围的待填充像素点。

请参阅图9，图9为一幅像素大小为32*32的图像(即像素个数为32*32个)，其中每一个小方格为一个像素点，每一个像素点包含其坐标位置和像素灰度(每个像素点的像素灰度值在0～255之间)。例如所获取第一帧图像中的一个像素点的灰度值为i5，设定包围原则例如可以是在i5周围设置一个3*3的全包围邻域，当然也可以是4*4的全包围邻域；当该像素点为处于第一帧图像的角落上时，该设定包围原则可以是在该像素点的周围设置由3个像素点组成的半包围邻域；当该像素点为处于第一帧图像的各条边上且不是角落时，该设定包围原则可以是在该像素点的周围设置由5个像素点组成的半包围邻域。按照设定包围原则，在处于上述邻域中的若干个像素点确定为待填充像素点。

步骤203、在每一个所述待填充像素点的灰度值中，随机选择一个灰度值填充到该像素点，以作为该像素点的灰度值。

以图9为例，i1、i2、i3、i4、i6、i7、i8和i9均为i5的待填充像素点的灰度值，随机选择一个待填充像素点的灰度值与i5进行替换，以作为i5新的灰度值。再例如，第一帧图像中所选定的一个像素点的坐标为(i，j)，按照3*3的全包围邻域的包围规则的待填充像素点的坐标分别为(i-1，j-1)至(i+1，j+1)且不包括(i，j)，随机选择一个待填充像素点的灰度值与(i，j)的灰度值进行替换，以作为(i，j)新的灰度值。

步骤204、将按照设定包围规则，确定位于该像素点周围的待填充像素点，并在每一个所述待填充像素点的灰度值中，随机选择一个灰度值填充到该像素点，以作为该像素点的灰度值作为该像素点的初始化过程，所述第一帧图像中所有的像素点均按照该像素点的初始化过程执行，形成所述初始背景模型。

通常而言，序列图像中的第一帧图像的背景会受到如光照、动态环境、阴影等多种因素的影响而产生较大的噪声，如此会使第一帧图像的背景像素点不能够反映较为真实的背景。因此，本发明实施例采用在每一个待填充像素点的灰度值中，随机选择一个灰度值填充到该像素点，以作为该像素点的灰度值，如此来提高第一帧图像所反映背景的鲁棒性和准确性，从而有利于对运动目标的检测。例如，当按照设定包围规则选定3*3的全包围邻域时，可以保证在尽量小的邻域范围内对该像素点的灰度值进行替换，以使第一帧图像的灰度不会被修正太多，从而可以进一步保证背景初始化后的准确性。

在本发明的一个实施例中，在步骤204之后，还包括：

步骤205、将所述第一帧图像中所有的像素点均按照该像素点的初始化过程执行作为一个第一帧图像的背景初始化过程，对第一设定个数的第一帧图像均执行所述背景初始化过程，形成所述初始背景模型。

在本步骤中，请参阅图10，在对第一帧图像的背景进行初始化时，为保证后续的运动目标检测的更加准确，可以增大第一帧图像的背景数量，从而通过增大样本数量来降低单个第一帧图像的背景可能造成检测准度不够高的风险，即可以降低运动目标检测过程中产生的误差影响。例如，第一设定个数n可以为20个，即初始背景模型具有20个经过背景初始化过程的第一帧图像。

需要说明的是，由于采用在每一个所述待填充像素点的灰度值中，随机选择一个灰度值填充到该像素点，以作为该像素点的灰度值，因此形成的初始背景模型中的每一个经过背景初始化过程的第一帧图像中的所有像素点灰度值不会完全一致，即初始背景模型具有20个像素点灰度值不同的第一帧图像。

图3是本发明一个实施例提供的运动目标检测方法的流程图。如图3所示，在本发明的一个实施例中，步骤103，包括：

步骤301、将所述第一帧图像之后的每一帧图像中的每一个像素点的灰度值与所述初始背景模型的每一个第一帧图像中与该像素点位于相同位置的像素点的灰度值做差后取绝对值，获得第一差值图像中与该像素点位于相同位置的像素点的灰度值，其中所述第一差值图像为所述第一帧图像之后的每一帧图像和所述初始背景模型的每一个第一帧图像之差。

在本步骤中，第一差值图像的每一个像素点的灰度值公式为：f3d(x，y，k)＝abs(sample(x，y，k)-f(x，y))，其中abs表示绝对值，sample(x，y，k)表示初始背景模型中每一个第一帧图像中的每一个像素点，k为1-n的整数。

步骤302、当所述第一差值图像中与该像素点位于相同位置的像素点的灰度值大于等于设定阈值时，确定所述第一差值图像中与该像素点位于相同位置的像素点为第一待确定像素点。

在本步骤中，当f3d(x，y，k)≥r时，则说明该像素点较大可能为运动目标像素点，因此可以将该像素点称之为第一待确定像素点，其中r为设定阈值，例如r可以是20。

步骤303、当所述第一待确定像素点的个数大于等于第二设定个数时，确定所述第一待确定像素点为运动目标像素点，其中所述第二设定个数不超过所述第一设定个数。

在本步骤中，对于相同位置的像素点，当第一待确定像素点的个数大于等于第二设定个数时，则可以确定该第一待确定像素点为该帧图像的运动目标像素点，例如第二设定个数为19个。相关技术中，背景模型只有一个图像，而本申请的一个背景模型(包括初始化背景模型和目标背景模型)则具有20个图像，如此可进一步提高运动目标检测的准确性。

如图11所示，采用本发明实施例提供的运动目标检测方法，能够对运动目标检测的更加准确。

步骤104，包括：

步骤301、将所述第一帧图像之后的每一帧图像中的每一个像素点的灰度值与所述初始背景模型的每一个第一帧图像中与该像素点位于相同位置的像素点的灰度值做差后取绝对值，获得第一差值图像中与该像素点位于相同位置的像素点的灰度值，其中所述第一差值图像为所述第一帧图像之后的每一帧图像和所述初始背景模型的每一个第一帧图像之差。

该步骤在前面已经描述过，在此不进行赘述。

步骤304、当所述第一差值图像中与该像素点位于相同位置的像素点的灰度值小于所述设定阈值时，确定所述第一差值图像中与该像素点位于相同位置的像素点为背景像素点。

在本步骤中，当f3d(x，y，k)＜r时，则说明该像素点较大可能为背景像素点，因此可以将该像素点确定为背景像素点，其中r为设定阈值，例如r可以是20。

步骤104，还可以包括：

步骤305、当所述第一待确定像素点的个数小于第二设定个数时，确定所述第一待确定像素点为背景像素点。

在本步骤中，对于相同位置的像素点，当第一待确定像素点的个数小于第二设定个数时，则可以确定该第一待确定像素点为该帧图像的背景像素点，例如第二设定个数为19个。相关技术中，背景模型只有一个图像，而本申请的一个背景模型(包括初始化背景模型和目标背景模型)则具有20个图像，如此可进一步提高运动目标检测的准确性。

需要说明的是，第二设定个数和第一设定个数的比值可以反映背景模型的敏感度。当该比值越接近1，则表示运动目标检测的准确度和敏感度越高；当该比值越接近0，则表示运动目标检测的准确度和敏感度越低。

图4是本发明一个实施例提供的运动目标检测方法的流程图。如图4所示，步骤106，包括：

步骤401、将第一个目标帧图像之后的每一帧图像中的每一个像素点的灰度值与上一个目标帧图像的目标背景模型的每一个目标帧图像中与该像素点位于相同位置的像素点的灰度值做差后取绝对值，获得第二差值图像中与该像素点位于相同位置的像素点的灰度值，其中所述第二差值图像为第一个目标帧图像之后的每一帧图像和上一个目标帧图像的目标背景模型的每一个目标帧图像之差。

该步骤同步骤301类似，在此不再进行赘述。

步骤402、当所述第二差值图像中与该像素点位于相同位置的像素点的灰度值大于等于设定阈值时，确定所述第二差值图像中与该像素点位于相同位置的像素点为第二待确定像素点。

该步骤同步骤302类似，在此不再进行赘述。

步骤403、当所述第二待确定像素点的个数大于等于第二设定个数时，确定所述第二待确定像素点为运动目标像素点，其中所述第二设定个数不超过所述第一设定个数；

该步骤同步骤303类似，在此不再进行赘述。

通过执行上述步骤401至403，可以进一步提高运动目标检测的准确性。

步骤404、当所述第二差值图像中与该像素点位于相同位置的像素点的灰度值小于所述设定阈值时，确定所述第二差值图像中与该像素点位于相同位置的像素点为背景像素点。

该步骤同步骤404类似，在此不再进行赘述。

步骤405、当所述第二待确定像素点的个数小于第二设定个数时，确定所述第二待确定像素点为背景像素点。

该步骤同步骤405类似，在此不再进行赘述。

图5是本发明一个实施例提供的运动目标检测方法的流程图。如图5所示，在本发明的一个实施例中，步骤105，包括：

步骤501、获取采样因子，其中所述采样因子大于等于1；

如背景技术所述，背景差分法通常需要每隔一段时间更新背景模型，但是固定的更新间隔可能不利于背景模型对运动目标进行适应匹配，因此本发明采用随机采样策略，即当一个像素点被分类为背景时，会随机地决定该像素是否更新上一个目标背景模型。

采样因子表示每个被分类为背景的像素点有与第一随机数的倒数相同大小概率的可能性来更新上一个目标背景模型。举例说明：若采样因子为1，则对每个目标帧图像的目标模型都要进行更新，若采样因子很大则说明很长时间内对上一个目标背景模型不更新。

步骤502、在1和所述采样因子的范围内，随机生成一个第一随机数，将每一个所述背景像素点的灰度值对所述初始背景模型的每一个第一帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第一设定概率进行随机更新，其中所述第一随机数的倒数等于所述第一设定概率。

在本步骤中，更新的方式为：将每一个所述背景像素点的灰度值对所述初始背景模型的每一个第一帧图像中与所述背景像素点位于相同位置的像素点的灰度值进行更新，如此可以使每一目标帧图像的背景像素点均能够准备地覆盖到上一个目标帧图像的对应位置处的背景像素点。

步骤503、在1和所述采样因子的范围内，随机生成一个第二随机数，将在一个所述背景像素点周围的待填充像素点的灰度值中随机选择的一个灰度值对所述初始背景模型的每一个第一帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第二设定概率进行随机更新，其中所述第二随机数的倒数等于所述第二设定概率。

在本步骤中，更新的方式为：在一个所述背景像素点周围的待填充像素点的灰度值中随机选择的一个灰度值对所述初始背景模型的每一个第一帧图像中与所述背景像素点位于相同位置的像素点的灰度值进行更新。上述两种随机更新的方式均可以同时采用，从而起到降低目标背景模型随着更新次数的增多而产生的累积误差，从而可以进一步提高运动目标检测的准确性。

图6是本发明一个实施例提供的运动目标检测方法的流程图。如图6所示，步骤106，包括：

步骤601、获取采样因子，其中所述采样因子大于等于1。

该步骤同步骤501类似，在此不再进行赘述。

步骤602、在1和所述采样因子的范围内，随机生成一个第一随机数，将每一个所述背景像素点的灰度值对上一个目标帧图像的目标背景模型的每一个目标帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第一设定概率进行随机更新，其中所述第一随机数的倒数等于所述第一设定概率。

该步骤同步骤502类似，在此不再进行赘述。

步骤603、在1和所述采样因子的范围内，随机生成一个第二随机数，将在一个所述背景像素点周围的待填充像素点的灰度值中随机选择的一个灰度值对上一个目标帧图像的目标背景模型的每一个目标帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第二设定概率进行随机更新，其中所述第二随机数的倒数等于所述第二设定概率。

该步骤同步骤503类似，但是有一点不同的是：当该目标帧图像中的运动目标像素点相对上一个目标帧图像中的运动目标像素点发生移动时，此时该目标帧图像的运动目标像素点会覆盖上一个目标帧图像中的部分背景像素点，以及该目标帧图像的背景像素点会覆盖上一个目标帧图像中的部分运动目标像素点，为此采用步骤603的更新方式可以使得目标背景模型更新的更加准确。

如图7和图8所示，本发明实施例提供了一种运动目标检测装置所在的设备和运动目标检测装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图7所示，为本发明实施例提供的运动目标检测装置所在设备的一种硬件结构图，除了图7所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图8所示，作为一个逻辑意义上的装置，是通过其所在设备的cpu将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。

如图8所示，本实施例提供的运动目标检测装置，包括：

获取模块801，用于获取序列图像，其中所述序列图像中包括若干帧图像，所述若干帧图像包括至少一个具有运动目标的目标帧图像；

第一确定模块802，用于根据所述若干帧图像中的第一帧图像，确定所述若干帧图像的初始背景模型；

检测模块803，用于根据所述初始背景模型对所述第一帧图像之后的每一帧图像进行运动目标检测，将第一次检测到运动目标像素点的该帧图像确定为第一个目标帧图像；

第二确定模块804，用于根据所述初始背景模型，确定第一个目标帧图像中的背景像素点；

随机更新模块805，用于将第一个目标帧图像中的背景像素点对所述初始背景模型进行随机更新，获得目标背景模型；

循环执行模块806，用于对第一个目标帧图像之后的每一帧图像均执行：

根据上一个目标帧图像的目标背景模型对该帧图像进行运动目标检测，将检测到运动目标像素点的该帧图像确定为目标帧图像；

根据上一个目标帧图像的目标背景模型，确定该目标帧图像中的背景像素点；

将该目标帧图像中的背景像素点对上一个目标帧图像的目标背景模型进行随机更新，获得该目标帧图像的目标背景模型。

在本发明实施例中，获取模块801可用于执行上述方法实施例中的步骤101，第一确定模块802可用于执行上述方法实施例中的步骤102，检测模块803可用于执行上述方法实施例中的步骤103，第二确定模块804可用于执行上述方法实施例中的步骤104，随机更新模块805可用于执行上述方法实施例中的步骤105，循环执行模块806可用于执行上述方法实施例中的步骤106。

在本发明的一个实施例中，所述第一确定模块802，还用于：

按照设定包围规则，确定位于该像素点周围的待填充像素点；

在每一个所述待填充像素点的灰度值中，随机选择一个灰度值填充到该像素点，以作为该像素点的灰度值；

将按照设定包围规则，确定位于该像素点周围的待填充像素点，并在每一个所述待填充像素点的灰度值中，随机选择一个灰度值填充到该像素点，以作为该像素点的灰度值作为该像素点的初始化过程，所述第一帧图像中所有的像素点均按照该像素点的初始化过程执行，形成所述初始背景模型。

在本发明的一个实施例中，所述第一确定模块802，还用于：

将所述第一帧图像中所有的像素点均按照该像素点的初始化过程执行作为一个第一帧图像的背景初始化过程，对第一设定个数的第一帧图像均执行所述背景初始化过程，形成所述初始背景模型。

在本发明的一个实施例中，所述检测模块803，还用于：

将所述第一帧图像之后的每一帧图像中的每一个像素点的灰度值与所述初始背景模型的每一个第一帧图像中与该像素点位于相同位置的像素点的灰度值做差后取绝对值，获得第一差值图像中与该像素点位于相同位置的像素点的灰度值，其中所述第一差值图像为所述第一帧图像之后的每一帧图像和所述初始背景模型的每一个第一帧图像之差；

当所述第一差值图像中与该像素点位于相同位置的像素点的灰度值大于等于设定阈值时，确定所述第一差值图像中与该像素点位于相同位置的像素点为第一待确定像素点；

当所述第一待确定像素点的个数大于等于第二设定个数时，确定所述第一待确定像素点为运动目标像素点，其中所述第二设定个数不超过所述第一设定个数；

所述循环模块806，还用于：

将第一个目标帧图像之后的每一帧图像中的每一个像素点的灰度值与上一个目标帧图像的目标背景模型的每一个目标帧图像中与该像素点位于相同位置的像素点的灰度值做差后取绝对值，获得第二差值图像中与该像素点位于相同位置的像素点的灰度值，其中所述第二差值图像为第一个目标帧图像之后的每一帧图像和上一个目标帧图像的目标背景模型的每一个目标帧图像之差；

当所述第二差值图像中与该像素点位于相同位置的像素点的灰度值大于等于设定阈值时，确定所述第二差值图像中与该像素点位于相同位置的像素点为第二待确定像素点；

当所述第二待确定像素点的个数大于等于第二设定个数时，确定所述第二待确定像素点为运动目标像素点，其中所述第二设定个数不超过所述第一设定个数。

在本发明的一个实施例中，所述第二确定模块804，还用于：

所述当所述第一差值图像中与该像素点位于相同位置的像素点的灰度值小于所述设定阈值时，确定所述第一差值图像中与该像素点位于相同位置的像素点为背景像素点；

或，

当所述第一待确定像素点的个数小于第二设定个数时，确定所述第一待确定像素点为背景像素点；

所述循环模块806，还用于：

当所述第二差值图像中与该像素点位于相同位置的像素点的灰度值小于所述设定阈值时，确定所述第二差值图像中与该像素点位于相同位置的像素点为背景像素点；

或，

当所述第二待确定像素点的个数小于第二设定个数时，确定所述第二待确定像素点为背景像素点。

在本发明的一个实施例中，所述随机更新模块805，还用于：

获取采样因子，其中所述采样因子大于等于1；

在1和所述采样因子的范围内，随机生成一个第一随机数，将每一个所述背景像素点的灰度值对所述初始背景模型的每一个第一帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第一设定概率进行随机更新，其中所述第一随机数的倒数等于所述第一设定概率；

在1和所述采样因子的范围内，随机生成一个第二随机数，将在一个所述背景像素点周围的待填充像素点的灰度值中随机选择的一个灰度值对所述初始背景模型的每一个第一帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第二设定概率进行随机更新，其中所述第二随机数的倒数等于所述第二设定概率；

所述循环模块806，还用于：

获取采样因子，其中所述采样因子大于等于1；

在1和所述采样因子的范围内，随机生成一个第一随机数，将每一个所述背景像素点的灰度值对上一个目标帧图像的目标背景模型的每一个目标帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第一设定概率进行随机更新，其中所述第一随机数的倒数等于所述第一设定概率；

在1和所述采样因子的范围内，随机生成一个第二随机数，将在一个所述背景像素点周围的待填充像素点的灰度值中随机选择的一个灰度值对上一个目标帧图像的目标背景模型的每一个目标帧图像中与所述背景像素点位于相同位置的像素点的灰度值按照第二设定概率进行随机更新，其中所述第二随机数的倒数等于所述第二设定概率。

可以理解的是，本发明实施例示意的结构并不构成对运动目标检测装置的具体限定。在本发明的另一些实施例中，运动目标检测装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。

上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本发明实施例还提供了一种运动目标检测装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行本发明任一实施例中的运动目标检测方法。

本发明实施例还提供了一种计算机可读介质，存储用于使一计算机执行如本文所述的运动目标检测方法的指令。具体地，可以提供配有存储介质的方法或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该方法或者装置的计算机(或cpu或mpu)读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如cd-rom、cd-r、cd-rw、dvd-rom、dvd-ram、dvd-rw、dvd+rw)、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作方法等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的cpu等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

需要说明的是，上述各流程和各方法结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的方法结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。

以上各实施例中，硬件单元可以通过机械方式或电气方式实现。例如，一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器，fpga或asic)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。

上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。