是送些技术、方法和设备在适当的情况下 旨在作为说明书的一部分。
[0046] 接下来，在图3所示的样本中示出了本发明的原理。在图3中，存在两个视频顿， 左侧的视频顿没有任何物体，而右侧的视频顿有箱子。如果时间序列是从左到右，则其是丢 弃事件；否则，其是移除事件。W其中任意一种方式，可W通过背景减法来检测R0C，并且黑 色矩形32示出了检测到的R0C的边界。用浅灰色矩形33标记确定的R0C内部的区域。用 深灰色矩形31标记确定的R0C外部的区域。
[0047] 在左侧的顿中，仅存在非常均匀的背景图。因此，在内部区域和外部区域的视觉特 征之间没有大的特征差分。然而，在右侧的顿中，由于存在箱子，在内部区域和外部区域的 视觉特征之间存在较大的特征差分。如果特征差分的转变是从小到大，则其指示丢弃事件； 否则，其指示移除事件。因此，在本发明中，使用特征差分的转变来将R0C分类为移除的物 体或者丢弃的物体。注意，为了便于说明，上面使用了视觉特征。实际上，也可W使用对于 人眼是难W确定的或者不清楚的非视觉图像特征来产生特征差分。
[0048] 在真实世界的视频中，阴影或者噪声非常普遍，送经常造成错误的R0C边界。该实 施例的方法的目的在于即使R0C边界被不正确地检测到，也产生作为丢弃或者移除的可靠 分类结果。
[0049] 该实施例的方法计算内部区域和外部区域之间的特征差分，送提供一种边界。例 女口，错误的R0C可能比真实的R0C更大或者更小。错误的R0C可能从真实的R0C偏离。错 误的R0C的形状可能与真实的R0C不同。R0C的朝向可能从真实的R0C旋转。总之，倘若检 测到的R0C与R0C的地面实况有点重叠，则检测到的R0C的内部区域和检测到的R0C的外 部区域之间的特征差分仍然能够很好地区分具有物体的R0C和没有物体的R0C。本发明中 的方法进行了进一步改进，并且获得更稳健并且实用的内容判断结果。
[0050] 此外，在本发明中，在选择特征时没有特别的限制。能够提取包括现有技术使用的 边缘特性的任意图像特征，只要其能够判断R0C的内部和外部之间的显著差异即可。本发 明提供充分的特征选择。
[0051] 现在返回到本发明的【具体实施方式】。
[0052] 图4A是根据能够实现本发明的实施例的第一示例性系统配置的示意性框图。摄 像设备400包括照相机传感器410和连接的计算设备420。照相机传感器410获取视频或 者图像序列。计算设备420实现判断检测到的R0C的内容的方法。计算设备420可W是紧 凑并且易于嵌入摄像设备400的集成电路芯片的形式。例如，摄像设备400可W是手持式 照相机、网络照相机或者具有照相机的移动电话。
[0053] 图4B是根据能够实现本发明的实施例的第二示例性系统配置的示意性框图。照 相机传感器410用来获得视频或者图像序列。计算机网络430向计算设备420发送送些视 频或者图像序列。计算设备420实现检测移除物体事件和丢弃物体事件的方法。计算设备 420可W是本地个人计算机、远程服务器或者工作站的形式。
[0054] 图5是示出图4A和图4B中的计算设备420的示例性硬件配置的框图。
[0055] 输入/输出（I/O)接口 510促进从照相机传感器410到计算设备420的图像发送， I/O接口 510可W是符合通用串行总线扣SB)标准并且具有相应的USB连接器的串行总线。 也可W从能够包括SIM卡、SD卡、USB存储卡等的本地存储设备440下载图像序列。
[0056] I/O接口 510获得图像，并将其发送给存储器550。处理器520被布置为检索存储 器550中存储的、所公开的方法的软件程序。处理器520还被布置为取出诸如图6、7、14、 15和16所示的步骤的根据所公开的方法的所有步骤，对送些步骤进行解码并执行。处理 器520使用系统总线530将来自各个操作的结果记录到存储器550中。除了存储器550之 夕F，还可W经由I/O接口 560将输出更永久地存储在存储设备440上。作为另选方案，还可 W使用音频/视频接口 568在监视器450上显示输出W供人观看。
[0057] 计算设备420可W是各种形式，例如图4A中的摄像设备中嵌入的处理系统或者图 4B中的独立计算机，其中，可W移除一个或多个不必要的部件或者添加一个或多个附加部 件。
[0058] 下文中，参照附图详细描述本发明的R0C内容判断方法。
[0059] 图6示意性地示出了根据本发明的R0C内容判断方法的通用流程图。提供都与检 测到的改变区域相关联的场景模型和当前顿。
[0060] 场景模型与从图像序列得出的背景和前景信息相关。通过聚集当前顿之前的跨时 间段的多个顿上的场景中的像素或者块的视觉特性，来创建场景模型。倘若场景模型与当 前顿一起使得能够计算R0C，则对场景模型的形式没有限制。根据一个实施例，场景模型简 单地是当前顿之前的图像顿中的一个。总之，场景模型的结构取决于R0C检测和R0C内容 判断的目的。
[0061] 此外，要处理的图像顿可W是彩色图像或者灰色图像。附带地，只要获取了R0C， 则不特别限制R0C获取方法。例如，可W使用背景减法方法来检测R0C。不限制获取的R0C 的数量。如果获取了两个或更多个改变区域，则下面的处理分别适用于各R0C的内容判断。
[0062] 在步骤S100的区域对确定步骤中，从检测到的R0C的内部和外部确定至少一个 区域对。图6示出了确定区域对的示例性流程图。存在Η个步骤；S110,提取R0C的边界； S120,获得沿提取的R0C的边界的候选区域；W及S130,找到无效区域对，并且从所述候选 区域对中移除图像区域对。在步骤S110中，提取R0C的边界。
[0063] 下面说明步骤S110的详情。从图8和图9可W看出，外部边界框是包围检测到的 R0C的外接矩形。将要处理的图像顿分割为大小相等的块。各块的大小是8*8。当然，也可 W利用其它块大小，例如1〇*1〇、4*4等。当将块大小设置为1*1时，各块实际上是图像像素。 对块的大小没有特别限制。大小越小，边界提取结果的详细水平越高。为了获得效率和精 度之间的合理的折衷，本发明使用最小/最大搜索方法来提取指示R0C的边界的块。对于 当前边界框中的各行和各列，该方法搜索检测到的R0C的最小和最大块索引。在图8中示 出了针对行的搜索处理。对于各行，搜索方向是从外部到内部。其结果是，记录限定左侧边 界块的最小块索引；并且记录限定右侧边界块的最大块索引。在搜索了行之后，按照列进行 搜索。在图9中示出了针对列的搜索处理。对于各列，搜索方向也是从外部到内部。其结 果是，记录限定顶部边界块的最小块索引；并且记录限定底部边界块的最大块索引。然后， 将按照行和按照列的搜索结果组合。提取指示R0C的边界的块。作为另选方案，也可W通 过其它合适的提取方法来获取R0C的边界。只要送些方法能够提供R0C的边界，送不会对 最终R0C内容判断结果产生根本的影响。
[0064] 现在返回到图7,下面说明步骤S120的详情。在该步骤中，该实施例的方法获得沿 所提取的R0C的边界的候选区域对。
[0065] 区域对包括来自检测到的ROC的内部的区域和来自检测到的ROC的外部的区域。 要配对的内部区域外部区域与同一边界区域相邻。
[0066] 首先，逐行进行扫描。然后，逐列进行扫描。W图10作为示例。黑色块指示R0C 边界。块91、92、93、94位于1?00的边界上。在图11中示出了图10的坐标系。
[0067] 如果块91的坐标是（i，j)，则来自R0C的内部的区域在（i+1，j)，来自R0C外部的 区域在（i-1，j)。
[0068] 如果块92的坐标是（i，j)，则来自ROC的内部的区域在来自ROC外部的 区域在（i+1，j)。
[0069] 如果块93的坐标是（i，j)，则来自ROC的内部的区域在（i，j+l)，来自ROC外部的 区域在（i，j-1)。
[0070] 如果块94的坐标是（i，j)，则来自ROC的内部的区域在来自ROC外部的 区域在（i，j+1)。
[0071] 在步骤S120之后，沿ROC的边界收集候选区域对。
[0072] 然后，在步骤S130中，该方法找到无效区域对，并且从收集的候选区域对中移除 无效区域对。如果边界块没有内部块和外部块两者，则丢弃其相应的区域对。由于该区域 对的两个成员之间的特征差分不表示R0C的内部和外部之间的差分。存在两种移除无效区 域对的情况。
[0073] 在一种情形下，边界块在图像顿的边界。从图12可W看出，黑色块指示R0C边界。 块112在图像顿的边界上，其左侧的块在图像顿111的范围的外部。因此，与边界块112相 对应的区域对是无效的，并且从候选集合中移除。
[0074] 在另一种情形下，边界块的区域对两者都在R0C的边界外部。从图12可W看出，黑 色块仍然指示R0C边界。块121在边界上。收集其左侧的块和右侧的块作为候选区域对。 但是，由于该对两者都在R0C边界外部，因此它们是无效的，并且在S130中移除。此外，块 122在边界上。收集其上侧的块和下侧的块作为候选区域对。但是，由于该对两者都在R0C 边界外部，因此它们是无效的，并且在S130中移除。
[0075] 步骤S100的目的是确定作为特征差分的计算基础的区域对。图7仅给出了确定 区域对的示例方法。只要实现确定区域对的目的，本发明不旨在限制任意其它区域对确定 方法。
[0076] 现在返回到图6。在步骤S100之后，