变化幅度超过第三设定阈值后，才记为一次面积变化，这是因为实际运动目标的面积大小也有可能发生变化，不过这种变化是渐变的，在相邻的前后帧图像中，实际运动目标的面积大小的变化幅度较小，比如逐渐远去的行人，而干扰运动目标的面积大小的变化通常是突然的、幅度较大的变化，比如，在具体实施中，可以将上述第三设定变化幅度设为30%，在运动目标面积大小的变化幅度大于30%时，记为一次面积变化，在设定的2s时间长度内，若这样的面积变化超过2次(第四设定阈值)，则认为是干扰运动目标。
[0058]方式三、通过候选运动目标在前景图像中出现的概率区分实际运动目标及干扰运动目标；
[0059]具体地，所述运动数据包括:所述第一候选运动目标在全部所述前景图像中出现的次数；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出现的次数大于第五设定阈值。
[0060]在实际的运动目标监控中，实际运动目标在前景图中一般是持续稳定出现的，而干扰运动目标一般是偶尔出现的，持续性较差，较典型的情况是，一些微小振动产生的散乱目标往往是在前几帧前景图中出现，在后几帧前景图中又消失了，比如，树叶的晃动往往不是持续的，如图5 (a)所示，为通过高斯模型建立的前景图3，图5 (b)所示，为通过高斯模型建立的如景图4,如景图3和如景图4分别为相邻的两巾贞视频图像的如景图像，从这两幅图中可以看出，在前景图3中出现的一些微小散乱目标(比如晃动的树叶)，在前景图4中消失了，这些微小散乱的候选运动目标实际是干扰运动目标。
[0061]为了进一步说明本发明实施例进行运动目标识别的方法，下面列举几个具体的实施例进行说明；
[0062]如图6所示，为本发明实施例二提供的运动目标识别方法流程图，包括:
[0063]S601:在设定时间长度内，连续获取多帧视频图像；
[0064]S602:根据预设的混合高斯模型，确定获取的每帧视频图像的前景图像，其中，至少一帧前景图像包括第一候选运动目标；
[0065]S603:根据确定的每帧视频图像的前景图像，确定第一候选运动目标的运动方向的变化幅度；该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该候选运动目标在前一帧前景图像中的运动方向的变化角度；
[0066]S604:判断在确定的全部前景图像中，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是否大于第二设定阈值，若大于则进入步骤S605，否则，进入步骤S606 ；
[0067]S605:确定该候选运动目标为干扰运动目标；
[0068]S606:确定该候选运动目标为实际运动目标。
[0069]如图7所示，为本发明实施例三提供的运动目标识别方法流程图，包括:
[0070]S701:在设定时间长度内，连续获取多帧视频图像；
[0071]S702:根据预设的混合高斯模型，确定获取的每帧视频图像的前景图像，其中，至少一帧前景图像包括第一候选运动目标；
[0072]S703:根据确定的每帧视频图像的前景图像，确定第一候选运动目标的面积大小的变化幅度；该面积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该候选运动目标在前一帧前景图像中的面积大小的变化量；
[0073]S704:判断在确定的全部前景图像中，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是否大于第四设定阈值，若大于则进入步骤S705，否则，进入步骤S706 ；
[0074]S705:确定该候选运动目标为干扰运动目标；
[0075]S706:确定该候选运动目标为实际运动目标。
[0076]如图8所示，为本发明实施例四提供的运动目标识别方法流程图，包括:
[0077]S801:在设定时间长度内，连续获取多帧视频图像；
[0078]S802:根据预设的混合高斯模型，确定获取的每帧视频图像的前景图像，其中，至少一帧前景图像包括第一候选运动目标；
[0079]S803:根据确定的每帧视频图像的前景图像，确定第一候选运动目标在确定的全部前景图像中出现的次数；
[0080]S804:判断在确定的全部前景图像中，第一候选运动目标出现的次数是否大于第五设定阈值，若大于，则进入步骤S805，否则，进入步骤S806 ；
[0081]S805:确定该候选运动目标为实际运动目标；
[0082]S806:确定该候选运动目标为干扰运动目标。
[0083]基于同一发明构思，本发明实施例中还提供了一种与实际运动目标的识别方法对应的实际运动目标的识别装置，由于该装置解决问题的原理与本发明实施例实际运动目标的识别方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
[0084]如图9所示，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，包括:
[0085]获取模块91，用于连续获取预设时间的多帧视频图像，并将获取的多帧视频图像传输至第一确定模块92 ；
[0086]第一确定模块92，用于根据预设的高斯模型，确定每帧视频图像的前景图像，并将确定的每帧视频图像的前景图像传输至第二确定模块93;其中，至少一帧所述前景图像包括第一候选运动目标；
[0087]第二确定模块93，用于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，并将确定的运动数据传输至判断模块94 ;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；
[0088]判断模块94，用于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，并将判断结果传输至第三确定模块95，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；
[0089]第三确定模块95，用于若所述第一候选运动目标满足所述运动稳定性条件，则确定所述第一候选运动目标为实际运动目标。
[0090]可选地，所述第二确定模块93确定的运动数据包括: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。
[0091]可选地，所述第二确定模块93确定的运动数据包括: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。
[0092]可选地，所述第二确定模块93确定的运动数据包括:所述第一候选运动目标在全部所述前景图像中出现的次数；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出现的次数大于第五设定阈值。
[0093]本领域内的技术人员应明白，本发明的实施例可提供为方法、系