供的运动目标识别方法流程图；
[0034]图7为本发明实施例三提供的运动目标识别方法流程图；
[0035]图8为本发明实施例四提供的运动目标识别方法流程图；
[0036]图9为本发明实施例提供的实际运动目标的识别装置结构示意图。
【具体实施方式】
[0037]本发明实施例的基本思想是通过每帧视频图像的前景图像，确定候选运动目标的运动数据，根据确定的该候选运动目标的运动数据，判断该候选运动目标是否满足运动稳定性条件，其中，这里的运动稳定性条件为表示运动过程具有渐变性特点的条件，若该候选运动目标满足运动稳定性条件，则确定该候选运动目标为实际运动目标。由于某些因突然发生背景扰动(比如树叶晃动等)所产生的干扰运动目标是不满足运动稳定性条件的，从而可以减少将这些干扰运动目标误判为实际运动目标的概率，提高对实际运动目标的识别准确率。
[0038]下面结合说明书附图对本发明实施例作进一步详细描述。
[0039]如图1所示，为本发明实施例一提供的实际运动目标的识别方法流程图，包括以下步骤:
[0040]SlOl:连续获取预设时间的多帧视频图像；
[0041]S102:根据预设的高斯模型，确定每帧视频图像的前景图像，其中，至少一帧所述前景图像包括第一候选运动目标；
[0042]S103:根据所述每帧视频图像的前景图像，确定所述第一候选运动目标的运动数据，其中，所述运动数据为表示候选运动目标的运动特点的数据；
[0043]S104:根据所述第一候选运动目标的运动数据，判断所述第一候选运动目标是否满足运动稳定性条件，若是，则进入步骤S105，否则进入步骤S106，其中，所述运动稳定性条件为表示运动过程具有渐变性特点的条件；
[0044]S105:确定所述第一候选运动目标为实际运动目标；
[0045]S106:确定所述第一候选运动目标为干扰运动目标。
[0046]本发明实施例不同于传统的抗干扰方法，传统的抗干扰方法是从背景建模的角度出发，试图通过建立无干扰的背景和前景图来识别运动目标，比如通过高斯模型识别运动目标，但是，这种方法会将背景中的一些干扰运动目标误判为实际运动目标，因此，仅通过高斯模型这种背景建模的方式来进行运动目标识别，产生误判的几率较高；基于此，本发明实施例从目标跟踪的角度出发，利用目标跟踪获得候选运动目标的运动数据，通过分析这些运动数据来确定实际运动目标，排除干扰运动目标，本发明实施例可用于辅助上述混合高斯模型来更准确地识别实际运动目标及干扰运动目标。
[0047]在具体实施过程中，可以首先通过高斯模型建立前景图像，这里的前景图像即为呈现候选运动目标的图像，这里的高斯模型可以是开始时应用的普通高斯模型，也可以是后来增强了的混合高斯模型；根据预设的高斯模型，确定连续获取的每帧视频图像的前景图像，根据确定的每帧视频图像的前景图像，确定需要确认的候选运动目标的运动数据，根据确定的该候选运动目标的运动数据，判断该候选运动目标是否满足运动稳定性条件，其中，这里的运动稳定性条件为表示运动过程具有渐变性特点的条件，若该候选运动目标满足运动稳定性条件，则确定该候选运动目标为实际运动目标。由于干扰运动目标的运动通常是没有规律的，其运动也没有持续性，因此，不满足运动稳定性条件的候选运动目标通常可认为是干扰运动目标，比如背景中树叶的晃动等。
[0048]在具体实施过程中，可以采用以下三种方式来区分实际运动目标及干扰运动目标，需要说明的是，这三种方式可以分别实施，也可以两者结合或三者结合实施，下面对这三种方式分别进行介绍:
[0049]方式一、通过候选运动目标运动方向的变化次数区分实际运动目标及干扰运动目标；
[0050]具体地，所述运动数据包括:所述第一候选运动目标的运动方向的变化幅度，所述运动方向的变化幅度为候选运动目标在当前帧前景图像中的运动方向相对于，所述候选运动目标在所述当前帧的前一帧前景图像中的运动方向，的变化角度；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标的运动方向的变化幅度大于第一设定变化幅度的次数不大于第二设定阈值。
[0051]在实际的运动目标监控中，实际的运动目标经常会是某个人物，如图2所示，为一个实际运动目标运动方向示意图；从图中可见，该实际运动目标在较长的时间长度内，运动方向只发生了一次明显变化，这里的明显变化指的是运动方向的变化幅度超过了所述第一设定变化幅度；在具体实施过程中，针对树叶晃动这种背景中的干扰，这类干扰目标的运动方向经常会突然变化，针对这种情况，可以分析一定时间长度内，候选运动目标运动方向的变化幅度大于第一设定变化幅度的次数，如果该次数大于第二设定阈值，则确定该候选运动目标为干扰运动目标，这里，只有在目标运动方向的变化幅度超过第一设定变化幅度后，才记为一次方向变化，这是因为实际运动目标在运动中并不一定严格朝着一个方向运动，也会发生轻微的运动方向的变化，不过这种运动方向变化的幅度一般是较小的，而干扰运动目标运动方向的变化通常是突然的、幅度较大的变化，比如，在具体实施中，可以将上述第一设定变化幅度设为45度，在目标运动方向的变化幅度超过45度时，记为一次方向变化，在设定的2s时间长度内，若这样的方向变化超过2次(第二设定阈值)，则认为是干扰运动目标。
[0052]如图3所示，为一个干扰运动目标运动方向变化示意图；从图中可见，该运动目标在预设的一个较短的时间长度(2s)内，运动方向突变了 4次(每次变化的幅度大于第一设定变化幅度45度)，该次数大于2次(第二设定阈值)，这时，可确定该候选运动目标为干扰运动目标。
[0053]本发明实施例的基本思想是通过分析运动目标的运动方向是否具有规律性和持续性，若运动目标的运动方向没有规律性和持续性，比如，树叶在背景中的扰动，树叶飘动的方向经常会大幅度变换，这类运动目标就可以被认为是干扰目标。
[0054]方式二、通过候选运动目标面积大小的突变次数区分实际运动目标及干扰运动目标；
[0055]具体地，所述运动数据包括:所述第一候选运动目标的面积大小的变化幅度；所述面积大小的变化幅度为候选运动目标在当前帧前景图像中的面积大小相对于，所述候选运动目标在所述当前帧的在前一帧前景图像中的面积大小，的变化量；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标的面积大小的变化幅度大于第三设定变化幅度的次数不大于第四设定阈值。
[0056]在实际的运动目标监控中，实际运动目标本身的面积大小一般是固定的，或者是渐变的，但是，干扰运动目标往往会在发生晃动时面积发生突变；如图4 (a)所示，为通过高斯模型建立的前景图1，图4 (b)所示，为通过高斯模型建立的前景图2，前景图1和前景图2分别为相邻的两帧视频图像的前景图像，从这两幅图可以看出，干扰运动目标(一条丝巾)的面积发生了明显的变化；因此，采用本发明实施例可有效滤除没有实际意义的干扰运动目标。
[0057]在具体实施过程中，可以分析一定时间长度内，候选运动目标面积大小的变化幅度大于第三设定变化幅度的次数，如果该次数大于第四设定阈值，则确定该候选运动目标为干扰运动目标，这里，只有在运动目标面积大小的