图像中运动目标的检测方法、装置、电子设备及可读介质与流程

1.本公开属于计算机视觉技术领域，特别涉及一种图像中运动目标的检测方法、装置、电子设备及可读介质。


背景技术：

2.相关技术中对于图像的运动检测方式通常是采用单阈值对图像中像素点变化值进行评估的方式来检测图像是否存在运动目标。
3.这种方式在图像中存在噪声的情况下会将图像中的噪声识别为运动目标，因此对于图像质量的要求较高，容错率较低，并且通常只能判断图像中是否存在目标，无法直接获知图像中运动目标的位置，若需获知还需对图像进行全图中的各像素点进行比对检测，过程极其复杂。


技术实现要素：

4.本公开提供的一种图像中运动目标的检测方法、装置、电子设备及可读介质。
5.本公开一些实施例提供一种图像中运动目标的检测方法，所述方法包括：
6.获取针对运动目标在相邻时刻拍摄的两个目标图像之间的帧差图像；
7.将所述帧差图像划分为多个区块图像，计算每个所述区块图像的平均帧差；
8.将所述平均帧差大于运动帧差阈值的区块图像作为运动区块图像，并将所述平均帧差小于静止帧差阈值的区块图像作为静止区块图像，并将所述平均帧差小于或等于所述运动帧差阈值且大于或等于所述静止帧差阈值的区块图像作为待定区块图像，其中所述运动帧差阈值大于所述静止帧差阈值；
9.将相邻的区块图像中存在所述运动区块图像的待定区块图像变更为运动区块图像，并将相邻的区块图像中不存在所述运动区块图像的待定区块图像变更为静止区块图像；
10.根据所述运动区块图像和所述静止区块图像的图像分布区域确定所述运动目标所在图像区域。
11.可选地，所述将相邻的区块图像中存在所述运动区块图像的待定区块图像变更为运动区块图像，并将相邻的区块图像中不存在所述运动区块图像的待定区块图像变更为静止区块图像，包括：
12.判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像；
13.在识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将所述待定区块图像变更为运动区块图像，然后重新判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像；
14.在未识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将剩余的所述待定区块图像变更为静止区块图像。
15.可选地，所述判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块
图像，包括：
16.判断每个所述待定区块图像周围8邻域的区块图像中是否存在所述运动区块图像。
17.可选地，所述根据所述运动区块图像和所述静止区块图像的图像分布区域确定所述运动目标所在图像区域，包括：
18.获取所述运动区块图像之间的运动块连通域和所述静止区块图像之间的静止块连通域；
19.将所包含运动区块图像的数量小于运动块数量阈值的运动块连通域进行删除；
20.将处于所述运动块连通域内部的静止区块图像变更为运动区块图像；
21.计算每个所述运动块连通域的外接矩阵，得到所述述运动目标所在图像区域的块级二值化结果。
22.可选地，在所述计算每个所述运动块连通域的外接矩阵，得到所述运动目标所在图像区域的块级二值化结果之后，所述方法还包括：
23.利用所述块级二值化结果对所述目标图像进行标注；
24.利用标注后的目标图像对图像分类模型进行训练。
25.可选地，所述获取针对运动目标在相邻时刻拍摄的两个目标图像之间的帧差图像，包括：
26.获取针对运动目标在相邻时刻拍摄的两个目标图像；
27.将所述两个目标图像按照目标比率进行下采样，得到每个所述目标图像相对应的缩小目标图像；
28.计算两个所述目标图像中对应位置的像素点之间的绝对差，得到所述帧差图像。
29.可选地，所述将所述帧差图像划分为多个区块图像，计算每个所述区块图像的平均帧差，包括：
30.按照目标尺寸将所述帧差图像进行划分，得到多个所述目标尺寸的区块图像；
31.计算每个所述区块图像中各像素点的帧差平均值，得到每个所述区块图像的平均帧差。
32.本公开一些实施例提供一种图像中运动目标的检测装置，所述装置包括：
33.获取模块，被配置为获取针对运动目标在相邻时刻拍摄的两个目标图像之间的帧差图像；
34.将所述帧差图像划分为多个区块图像，计算每个所述区块图像的平均帧差；
35.判断模块，被配置为将所述平均帧差大于运动帧差阈值的区块图像作为运动区块图像，并将所述平均帧差小于静止帧差阈值的区块图像作为静止区块图像，并将所述平均帧差小于或等于所述运动帧差阈值且大于或等于所述静止帧差阈值的区块图像作为待定区块图像，其中所述运动帧差阈值大于所述静止帧差阈值；
36.将相邻的区块图像中存在所述运动区块图像的待定区块图像变更为运动区块图像，并将相邻的区块图像中不存在所述运动区块图像的待定区块图像变更为静止区块图像；
37.输出模块，被配置为根据所述运动区块图像和所述静止区块图像的图像分布区域确定所述运动目标所在图像区域。
38.可选地，所述输出模块，还被配置为：
39.获取所述运动区块图像之间的运动块连通域和所述静止区块图像之间的静止块连通域；
40.将所包含运动区块图像的数量小于运动块数量阈值的运动块连通域进行删除；
41.将处于所述运动块连通域内部的静止区块图像变更为运动区块图像；
42.计算每个所述运动块连通域的外接矩阵，得到所述运动目标所在图像区域的块级二值化结果。
43.可选地，所述装置还包括：
44.训练模块，被配置为：
45.利用所述块级二值化结果对所述目标图像进行标注；
46.利用标注后的目标图像对图像分类模型进行训练。
47.可选地，所述判断模块，还被配置为：
48.判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像；
49.在识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将所述待定区块图像变更为运动区块图像，然后重新判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像；
50.在未识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将剩余的所述待定区块图像变更为静止区块图像。
51.可选地，所述判断模块，还被配置为：
52.判断每个所述待定区块图像周围8邻域的区块图像中是否存在所述运动区块图像。
53.可选地，所述获取模块，还被配置为：
54.获取针对运动目标在相邻时刻拍摄的两个目标图像；
55.将所述两个目标图像按照目标比率进行下采样，得到每个所述目标图像相对应的缩小目标图像；
56.计算两个所述目标图像中对应位置的像素点之间的绝对差，得到所述帧差图像。
57.可选地，所述获取模块，还被配置为：
58.按照目标尺寸将所述帧差图像进行划分，得到多个所述目标尺寸的区块图像；
59.计算每个所述区块图像中各像素点的帧差平均值，得到每个所述区块图像的平均帧差。
60.本公开一些实施例提供一种计算处理设备，包括：
61.存储器，其中存储有计算机可读代码；
62.一个或多个处理器，当所述计算机可读代码被所述一个或多个处理器执行时，所述计算处理设备执行如上述的图像中运动目标的检测方法。
63.本公开一些实施例提供一种非瞬态计算机可读介质，存储计算机可读代码，当所述计算机可读代码在计算处理设备上运行时，导致所述计算处理设备执行上述的图像中运动目标的检测方法。
64.本公开提供的一种图像中运动目标的检测方法、装置、电子设备及可读介质，通过利用两个时刻连续的图像之间的帧差图像检测运动目标所在图像区域时，利用运动帧差阈
值和静止帧差阈值两个阈值来对帧差图像中的静止区块图像和运动区块图像进行识别，并将平均帧差处于运动帧差阈值和静止帧差阈值之间的待定区块图像周围存在运动区块图像时，将待定区块图像作为运动区块图像，否则作为静止区块图像，从而减轻了图像中噪声数据对于运动目标识别的干扰，可便捷地确定图像中运动目标所在图像区域，对于提高了识别图像中运动目标的鲁棒性。
65.上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。
附图说明
66.为了更清楚地说明本公开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一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本邻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。
67.图1示意性地示出了本公开一些实施例提供的一种图像中运动目标的检测方法的流程示意图；
68.图2示意性地示出了本公开一些实施例提供的一种图像中运动目标的检测方法的效果示意图之一；
69.图3示意性地示出了本公开一些实施例提供的另一种图像中运动目标的检测方法的流程示意图之一；
70.图4示意性地示出了本公开一些实施例提供的另一种图像中运动目标的检测方法的流程示意图之二；
71.图5示意性地示出了本公开一些实施例提供的另一种图像中运动目标的检测方法的流程示意图之三；
72.图6示意性地示出了本公开一些实施例提供的另一种图像中运动目标的检测方法的流程示意图之四；
73.图7示意性地示出了本公开一些实施例提供的另一种图像中运动目标的检测方法的流程示意图之五；
74.图8示意性地示出了本公开一些实施例提供的一种图像中运动目标的检测方法的效果示意图之二；
75.图9示意性地示出了本公开一些实施例提供的一种图像中运动目标的检测装置的结构示意图；
76.图10示意性地示出了用于执行根据本公开一些实施例的方法的计算处理设备的框图；
77.图11示意性地示出了用于保持或者携带实现根据本公开一些实施例的方法的程序代码的存储单元。
具体实施方式
78.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例
中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本邻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，都属于本公开保护的范围。
79.图1示意性地示出了本公开提供的一种图像中运动目标的检测方法的流程示意图，所述方法包括：
80.步骤101，获取针对运动目标在相邻时刻拍摄的两个目标图像之间的帧差图像。
81.需要说明的，运动目标是指运动的人、动物、器械等事物，而目标图像是通过摄像机对准该运动目标进行连续拍摄得到的，通过摄像机在连续拍摄过程中会按照特定时间间隔对运动目标进行拍摄，从而获取多个拍摄时刻连续的图像，而本公开中获取的目标图像则是其中拍摄时刻相邻的两个图像。
82.在本公开实施例中，获取t时刻的目标图像i
t,0
和t+1时刻的目标图像i
t-1,1
后，系统将自动计算两个目标图像之间的帧差图像，帧差图像是用于表征图像帧之间像素值差距的图像数据。可以理解，由于对于运动目标进行拍摄过程中，由于运动目标在图像中处于运动状态，因此理论上运动目标在上一时刻的目标图像i
t,0
的像素值会相较于下一时刻的目标图像i
t-1,1
的像素值会发生变动，因此可通过分析两个图像之间的帧差图像来识别出运动目标所在的像素点。
83.步骤102，将所述帧差图像划分为多个区块图像，计算每个所述区块图像的平均帧差。
84.在本公开实施例中，系统将帧差图像按照固定尺寸或者是多个不同尺寸划分为多个区块图像，划分的密度可以根据检测的精度要求设置，通常是划分密度越高则检测精度越高，具体可根据实际需求设置，此处不做限定。
85.步骤103，将所述平均帧差大于运动帧差阈值的区块图像作为运动区块图像，并将所述平均帧差小于静止帧差阈值的区块图像作为静止区块图像，并将所述平均帧差小于或等于所述运动帧差阈值且大于或等于所述静止帧差阈值的区块图像作为待定区块图像，其中所述运动帧差阈值大于所述静止帧差阈值。
86.需要说明的是，静止帧差阈值th
dif2
是用于衡量两张目标图像中不存在运动目标的像素点之间帧差的阈值，运动帧差阈值th
dif1
时用于衡量两张目标图像中存在运动目标的像素点之间帧差的阈值，静止帧差阈值和运动帧差阈值可以根据实验经验设置，也可以是用户自行设置，具体可以根据实际需求设置，此处不做限定。
87.在本公开实施例中，系统将每个区块图像的平均帧差u(m,n)与运动帧差阈值th
dif1
和静止帧差阈值th
dif2
进行比对，其中，(m，n)表示该区块图像在帧差图像中的坐标位置。在一个区块图像的平均帧差u(m,n)大于该运动帧差阈值th
dif1
时，即u(m,n)＞th
dif1
，则说明该区块图像中存在运动目标，将该区块图像作为运动区块图像，标记1。在一个区块图像的平均帧差u(m,n)小于该静止帧差阈值th
dif2
，即u(m,n)＜th
dif2
，则说明该区块图像中不存在运动目标，将该区块图像作为静止区块图像，标记为0。而对于平均帧差处于运动帧差阈值和静止帧差阈值之间，即th
dif2
≤u(m,n)≤th
dif1
，则需要将该区块图像标记为待定区块图像，进一步判断该待定图像区域中是否存在运动目标。该待定区块图像是其中可能存在运动目标的区块图像，可以理解，由于待定区块图像的平均帧差介于运动帧差阈值和静止帧差阈值之间，因此可能为运动区块图像或者静止区块图像，这种不确定性可以是图像噪
声或者图像拍摄质量较低导致的，因此需要进一步对待定区块图像的进行判定以消除图像噪声或者图像质量对于运动目标所在区块图像的干扰。
88.步骤104，将相邻的区块图像中存在所述运动区块图像的待定区块图像变更为运动区块图像，并将相邻的区块图像中不存在所述运动区块图像的待定区块图像变更为静止区块图像。
89.在本公开实施例中，系统将检测每个待定区块图像相邻的区块图像是否存在至少一个运动区块图像，若存在则将该待定区块图像视为运动区块图像，标记为1，若不存在则将该待定区块图像继续视为待定区块图像，此时由于运动区板图像增加，因此系统将重新对每个待定区块图像相邻的区块图像中是否存在运动区块图像进行检测，直至某次循环后每个待定区块图像的相邻区块图像中均不存在运动区块图像，此时将剩余的待定区块图像视为静止区块图像。示例性的，参照图2，空心框格为待定区块图像，实心框格为运动区块图像，其余区域为静止区块图像。
90.步骤105，根据所述运动区块图像和所述静止区块图像的图像分布区域确定所述运动目标所在图像区域。
91.在本公开实施例中，系统可以将运动区块图像所在的在目标图像中的图像分布区域作为运动目标所在图像区域，还可以进一步对运动区块图像所在区域进行去燥、填空等操作，以使得所识别到运动目标所在图像区域更为准确，具体可以根据实际需求设置，此处不做限定。
92.本公开实施例通过利用两个时刻连续的图像之间的帧差图像检测运动目标所在图像区域时，利用运动帧差阈值和静止帧差阈值两个阈值来对帧差图像中的静止区块图像和运动区块图像进行识别，并将平均帧差处于运动帧差阈值和静止帧差阈值之间的待定区块图像周围存在运动区块图像时，将待定区块图像作为运动区块图像，否则作为静止区块图像，从而减轻了图像中噪声数据对于运动目标识别的干扰，可便捷地确定图像中运动目标所在图像区域，对于提高了识别图像中运动目标的鲁棒性。
93.可选地，参照图3，所述步骤104，包括：
94.步骤1041，判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像。
95.步骤1042，在识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将所述待定区块图像变更为运动区块图像，然后重新判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像。
96.步骤1043，在未识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将剩余的所述待定区块图像变更为静止区块图像。
97.在本公开实施例中，系统对于帧差图像的二值化矩阵q
m*n
，可执行如下递归逻辑的来将待定区块图像变更为静止区块图像或运动区块图像：
98.s1、对于帧差图像q中的每一个块q(m0,n0)，如果q(m0,n0)＝1(1用于标记运动区块图像)，将该q(m0,n0)标记为已处理，其中(m0，n0)表示待定区块图像位于帧差图像中的位置；
99.s2、遍历每个q(m0,n0)的8邻域中的每一个区块图像；
100.s3、设当前遍历到的区块图像为q(m1,n1)，标记q(m1,n1)为已处理，其中(m1，n1)
表示运动区块图像位于帧差图像中的位置；
101.s4、如果q(m1,n1)的平均帧差u(m1,n1)满足th
dif2
≤u(m,n)≤th
dif1
，那么令q(m1,n1)＝1，令m0＝m1,n0＝n1返回步骤s2；
102.s5、访问(m0，n0)的下一个8邻域的区块图像块，并返回执行步骤s3。
103.通过以上方式可以将每个待定区块图像划分为运动区块图像和静止区块图像，以得到的帧差图像的二值化矩阵。
104.本公开实施例通过依据相邻区块对待定区块图像划分为运动区块图像和静止区块图像，减少了目标图像中的噪声对于图像中运动目标识别的干扰，提高了图像中运动目标识别的准确性。
105.可选地，所述步骤1041，包括：判断每个所述待定区块图像周围8邻域的区块图像中是否存在所述运动区块图像。
106.在本公开实施例中，考虑到图像是以二维平面进行分步，因此每个待定区块图像的相邻区块图像实际存在上下左右以及各斜角位置，共计8个，这些相邻区块图像和待定区块图像以九宫格的方式进行排布，因此在检测待定区块图像周围是否存在运动区块图像时，可直接对待定区块图像周围8邻域的区块图像进行识别。
107.可选地，参照图4，所述步骤105，包括：
108.步骤1051，获取所述运动区块图像之间的运动块连通域和所述静止区块图像之间的静止块连通域。
109.步骤1052，将所包含运动区块图像的数量小于运动块数量阈值的运动块连通域进行删除。
110.步骤1053，将处于所述运动块连通域内部的静止区块图像变更为运动区块图像。
111.步骤1054，计算每个所述运动块连通域的外接矩阵，得所述运动目标所在图像区域的块级二值化结果。
112.在本公开实施例中，通过对帧差图像中的运动区块图像置1，静止区块图像置0，即可得到帧差图像的二值化矩阵，然后对该二值化矩阵进行快级连通域分析。其中，所包含运动区块图像较少的运动块连通域可能是噪声数据干扰导致的，因此可将该所包含运动区块图像小于运动块数量阈值的运动块连通域进行删除，以消除噪声干扰。并且还可以对运动块连通域中的空洞，也就是内部的静止区块图像变更为运动区块图像，以填补运动块连通域中的空洞，即如果一个静止区块图像的上方和下方(或左方和右方)都有同一个连通域的运动区块图像，则它也被划分到这个连通域。从而即可得到消噪声音后的块级二值化结果。
113.本公开实施例通过对帧差图像的二值化矩阵执行删除较小运动块连通域和填补运动块连通域中空洞的方式减少了所得到二值化结果中的噪声干扰，提高了所识别到图像中运动目标所在区域的准确性。
114.可选地，参照图5，所述步骤101，包括：
115.步骤1011，获取针对运动目标在相邻时刻拍摄的两个目标图像。
116.步骤1012，将所述两个目标图像按照目标比率进行下采样，得到每个所述目标图像相对应的缩小目标图像。
117.步骤1013，计算两个所述目标图像中对应位置的像素点之间的绝对差，得到所述帧差图像。
118.在本公开实施例中，为了提升处理速度，可以将读取的t时刻的图像i
t,0
(宽为w，高为h)进行比率为r(r《1)的下采样(即k宽高各缩小为原值的r倍)得到i
t,1
(宽为w*r，高为h*r)。然后通过如下公式(1)计算得到帧差图像：
119.dt(i,j)＝abs(i
t,1
(i，j)-i
t-1,1
(i，j)) (1)
120.其中，dt(i,j)表示t时刻的帧差图像，abs()为求绝对差函数。
121.可选地，参照图6，所述步骤102，包括：
122.步骤1021，按照目标尺寸将所述帧差图像进行划分，得到多个所述目标尺寸的区块图像。
123.步骤1022，计算每个所述区块图像中各像素点的帧差平均值，得到每个所述区块图像的平均帧差。
124.在本公开实施例中，为了保证帧差图像所划分出每个区块图像之间的相互保持平衡，因此可采用固定尺寸s，该固定尺寸可以是例如：10、8、12等，将帧差图像dt分成长宽为s的区块图像。
125.然后通过如下公式(2)计算每个区块图像b(m,n)的平均帧差：
126.u(m,n)＝σd(i,j)/(s*s)，d(i,j)∈b(m,n) (2)
127.其中，u(m,n)表示处于b(m，n)位置的区块图像的平均帧差，d(i,j)表示帧差图像，s表示划分的固定尺寸。
128.可选地，参照图7，在所述步骤1054之后，所述方法还包括：
129.步骤1055，利用所述块级二值化结果对所述目标图像进行标注。
130.步骤1056，利用标注后的目标图像对图像分类模型进行训练。
131.在本公开实施例中，根据所得到的块级二值化结果对目标图像进行标注，即可得到例如图8中的矩形框体，该矩形框体所在图像区域即可运动目标所在图像区域。然后将标注后的目标图像输入至神经网络等图像分类模型判断其类别，即可得到可以识别图像中运动目标的机器模型，该机器模型可以进一步对运动目标进行分类，也可以是直接是识别运动目标的图像分类模型，具体可以根据实际需求设置，此处不做限定。
132.本公开实施例通过利用运动帧差阈值和静止帧差阈值对目标图像进行二值化操作得到的块级二值化结果对图像分类模型进行训练，提高了图像分类模型进行分类的准确性。
133.图9示意性地示出了本公开提供的一种图像中运动目标的检测装置20的结构示意图，所述装置包括：
134.获取模块201，被配置为获取针对运动目标在相邻时刻拍摄的两个目标图像之间的帧差图像；
135.将所述帧差图像划分为多个区块图像，计算每个所述区块图像的平均帧差；
136.判断模块202，被配置为将所述平均帧差大于运动帧差阈值的区块图像作为运动区块图像，并将所述平均帧差小于静止帧差阈值的区块图像作为静止区块图像，并将所述平均帧差小于或等于所述运动帧差阈值且大于或等于所述静止帧差阈值的区块图像作为待定区块图像，其中所述运动帧差阈值大于所述静止帧差阈值；
137.将相邻的区块图像中存在所述运动区块图像的待定区块图像变更为运动区块图像，并将相邻的区块图像中不存在所述运动区块图像的待定区块图像变更为静止区块图
像；
138.输出模块203，被配置为根据所述运动区块图像和所述静止区块图像的图像分布区域确定所述运动目标所在图像区域。
139.可选地，所述输出模块203，还被配置为：
140.获取所述运动区块图像之间的运动块连通域和所述静止区块图像之间的静止块连通域；
141.将所包含运动区块图像的数量小于运动块数量阈值的运动块连通域进行删除；
142.将处于所述运动块连通域内部的静止区块图像变更为运动区块图像；
143.计算每个所述运动块连通域的外接矩阵，得到所述运动目标所在图像区域的块级二值化结果。
144.可选地，所述装置还包括：
145.训练模块，被配置为：
146.利用所述块级二值化结果对所述目标图像进行标注；
147.利用标注后的目标图像对图像分类模型进行训练。
148.可选地，所述判断模块202，还被配置为：
149.判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像；
150.在识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将所述待定区块图像变更为运动区块图像，然后重新判断与所述待定区块图像相邻的区块图像中是否存在所述运动区块图像；
151.在未识别到所述待定区块图像相邻的区块图像中存在所述运动区块图像时，将剩余的所述待定区块图像变更为静止区块图像。
152.可选地，所述判断模块202，还被配置为：
153.判断每个所述待定区块图像周围8邻域的区块图像中是否存在所述运动区块图像。
154.可选地，所述获取模块201，还被配置为：
155.获取针对运动目标在相邻时刻拍摄的两个目标图像；
156.将所述两个目标图像按照目标比率进行下采样，得到每个所述目标图像相对应的缩小目标图像；
157.计算两个所述目标图像中对应位置的像素点之间的绝对差，得到所述帧差图像。
158.可选地，所述获取模块201，还被配置为：
159.按照目标尺寸将所述帧差图像进行划分，得到多个所述目标尺寸的区块图像；
160.计算每个所述区块图像中各像素点的帧差平均值，得到每个所述区块图像的平均帧差。
161.本公开实施例通过利用两个时刻连续的图像之间的帧差图像检测运动目标所在图像区域时，利用运动帧差阈值和静止帧差阈值两个阈值来对帧差图像中的静止区块图像和运动区块图像进行识别，并将平均帧差处于运动帧差阈值和静止帧差阈值之间的待定区块图像周围存在运动区块图像时，将待定区块图像作为运动区块图像，否则作为静止区块图像，从而减轻了图像中噪声数据对于运动目标识别的干扰，可便捷地确定图像中运动目标所在图像区域，对于提高了识别图像中运动目标的鲁棒性。
162.以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本邻域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
163.本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本邻域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开实施例的计算处理设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在非瞬态计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
164.例如，图10示出了可以实现根据本公开的方法的计算处理设备。该计算处理设备传统上包括处理器310和以存储器320形式的计算机程序产品或者非瞬态计算机可读介质。存储器320可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。存储器320具有用于执行上述方法中的任何方法步骤的程序代码331的存储空间330。例如，用于程序代码的存储空间330可以包括分别用于实现上面的方法中的各种步骤的各个程序代码331。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(cd)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图11所述的便携式或者固定存储单元。该存储单元可以具有与图10的计算处理设备中的存储器320类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元包括计算机可读代码331’，即可以由例如诸如310之类的处理器读取的代码，这些代码当由计算处理设备运行时，导致该计算处理设备执行上面所描述的方法中的各个步骤。
165.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
166.本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本公开的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。
167.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
168.在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一
个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
169.最后应说明的是：以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本邻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公开各实施例技术方案的精神和范围。