一種場景變化檢測方法及裝置制造方法
【專利摘要】本發明實施例提供一種場景變化檢測方法及裝置，涉及圖像檢測【技術領域】，解決了場景變化檢測的適應性和有效性差這一問題。該方法為：獲取連續M個場景圖像的圖像屬性信息，并計算獲得連續M個場景圖像中除第1個場景圖像以外的場景圖像的對焦值波動參數或梯度直方圖波動參數，再獲取連續N個場景圖像的圖像屬性信息，最后根據連續M個場景圖像中第1個場景圖像的對焦值、對焦值波動參數以及連續N個場景圖像的對焦值，確定場景是否發生變化，或者，根據連續M個場景圖像中第1個場景圖像的梯度直方圖、梯度直方圖波動參數以及連續N個場景圖像的梯度直方圖，確定場景是否發生變化。
【專利說明】一種場景變化檢測方法及裝置
【技術領域】
[0001]本發明涉及圖像檢測【技術領域】，尤其涉及一種場景變化檢測方法及裝置。
【背景技術】
[0002]自動對焦技術是系統通過對成像的分析、自動調整成像設備中鏡頭與圖像傳感器的距離，讓拍攝的重點物體處于對焦狀態。自動對焦又可分為主動對焦和被動對焦。主動對焦方式通過引入光學以外額外的測距系統來獲得成像系統與對焦物體之間的距離，然后通過精確計算獲得對焦信息。被動對焦方式是系統通過對攝像機獲得的數字圖像進行分析，計算出圖像的對焦值，一般認為處于對焦狀態下的圖像的對焦值最大，通過移動鏡頭位置，使得對焦區域圖像對焦值達到最大值來實現自動對焦。在視頻監控、視頻拍攝等應用場景下，自動對焦完成后需持續檢測拍攝場景是否發生變化，如果場景發生變化，需重新進行自動對焦。
[0003]現有技術中的自動對焦是對圖像的銳度或亮度進行時域的均值濾波，然后使用濾波后的銳度或亮度來判斷場景是否發生變化，通過確定一固定參數，然后比較濾波后的銳度或亮度相對于對焦完成時刻的銳度或亮度的波動大于這一固定參數，則認為場景發生變化。由于對比參數為固定取值，而且沒有提供圖像的銳度或亮度自適應的取值的方法，使得場景變化檢測的適應性差，另外現有技術的場景變化檢測只考慮了圖像的銳度和亮度，所考慮的信息不足，導致無法檢測出某些特定場景變化，使得場景變化檢測的有效性差。

【發明內容】

[0004]本發明的實施例提供一種場景變化檢測方法及裝置，能夠提高場景變化檢測的適應性和有效性。
[0005]為達到上述目的`，本發明的實施例采用如下技術方案:
[0006]第一方面，本發明實施例提供一種場景變化檢測方法，包括:
[0007]分別獲取連續M個場景圖像的圖像屬性信息，所述連續M個場景圖像的圖像屬性信息包括對焦值FV或梯度直方圖HIST，所述連續M個場景圖像中第I個場景圖像的對焦值為FV_infc，所述連續M個場景圖像中第I個場景圖像的梯度直方圖為HIST_infc，其中，M大于等于3 ;
[0008]根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref或梯度直方圖波動參數HIST_diff_ref ；
[0009]重新獲取連續N個場景圖像的圖像屬性信息，所述連續N個場景圖像的圖像屬性信息包括FV或HIST，其中，N大于0 ;
[0010]根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_difT_ref以及所述連續N個場景圖像的FV，按照第一預設規則，確定場景是否發生變化，或者，根據所述連續M個場景圖像中第I個場景圖像的梯度直方圖11151'_111化、所述11151'_(11€^1'社以及所述連續N個場景圖像的HIST，按照第二預設規則，確定場景是否發生變化。
[0011]在第一方面的第一種可能的實現方式中，所述根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref，包括:
[0012]對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的FV與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值進行求和，再將求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref。
[0013]在第一方面的第二種可能的實現方式中，所述根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的梯度直方圖波動參數HIST_diff_ref，包括:
[0014]對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的HIST與所述連續M個場景圖像中第I個場景圖像的HIST_infc之差的絕對值進行求和，再將所述求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的梯度直方圖波動參數HIST_diff_ref。
[0015]在第一方面的第三種可能的實現方式中，所述根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_diff_ref以及所述連續N個場景圖像的FV，按照第一預設規則，確定場景是否發生變化，包括:
[0016]獲取系數Kl，Kl大于0;
[0017]若所述連續N個場景圖像的每一個場景圖像的FV分別與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值都大于所述FV_diff_ref的Kl倍，則確定場景發生變化。
[0018]在第一方面的第四種可能的實現方式中，所述根據所述連續M個場景圖像中第I個場景圖像的梯度直方圖HIST_infc、所述HIST_diff_ref以及所述連續N個場景圖像的HIST,按照第二預設規則，確定場景是否發生變化，包括:
[0019]獲取所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數門限值L，L大于0小于所述連續N個場景圖像的每一個場景圖像的HIST的總分組數；
[0020]獲取所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數，若所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數都大于L，則確定場景發
生變化。
[0021]在第一方面的第五種可能的實現方式中，所述獲取所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數，包括:
[0022]獲取所述連續N個場景圖像的其中一個場景圖像的HIST ；
[0023]獲取所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組，其中，i大于0小于所述連續N個場景圖像的其中一個場景圖像的HIST的總分組數；
[0024]獲取系數K2，K2大于0 ;
[0025]若所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組與所述連續M個場景圖像中第I個場景圖像的HISTjnfc之差的絕對值大于所述HIST_diff_ref的K2倍，則確定所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組發生變化，再分別對所述連續N個場景圖像的其中一個場景圖像的HIST的每一分組進行判斷，計算獲得所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數。
[0026]第二方面，本發明實施例提供一種場景變化檢測裝置，包括:
[0027]自動對焦模塊，用于分別獲取連續M個場景圖像的圖像屬性信息，所述連續M個場景圖像的圖像屬性信息包括對焦值FV或梯度直方圖HIST，所述連續M個場景圖像中第I個場景圖像的對焦值為FV_infc，所述連續M個場景圖像中第I個場景圖像的梯度直方圖為HIST_infc，其中，M大于等于3，以及根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref或梯度直方圖波動參數HIST_diff_ref，并重新獲取連續N個場景圖像的圖像屬性信息，所述連續N個場景圖像的圖像屬性信息包括FV或HIST，其中，N大于0 ;
[0028]場景檢測模塊，用于根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_diff_ref以及所述連續N個場景圖像的FV,按照第一預設規則,確定場景是否發生變化，或者，根據所述連續M個場景圖像中第I個場景圖像的梯度直方圖HIST_infc、所述HIST_diff_ref以及所述連續N個場景圖像的HIST，按照第二預設規則，確定場景是否發生變化。
[0029]在第二方面的第一種可能的實現方式中，所述自動對焦模塊，具體用于對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的FV與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值進行求和，再將求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref o
[0030]在第二方面的第二種可能的實現方式中，所述自動對焦模塊，具體用于對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的HIST與所述連續M個場景圖像中第I個場景圖像的HIST_infc之差的絕對值進行求和，再將所述求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的梯度直方圖波動參數HIST_diff_refo
[0031]在第二方面的第三種可能的實現方式中，所述場景檢測模塊，具體用于獲取系數Kl, Kl大于0，若所述連續N個場景圖像的每一個場景圖像的FV分別與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值都大于所述FV_diff_ref的Kl倍，則確定場景發生變化。
[0032]在第二方面的第四種可能的實現方式中，所述場景檢測模塊，具體用于獲取所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數門限值L，L大于0小于所述連續N個場景圖像的每一個場景圖像的HIST的總分組數，獲取所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數，若所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數都大于L，則確定場景發生變化。
[0033]在第二方面的第五種可能的實現方式中，所述場景檢測模塊，具體用于獲取所述連續N個場景圖像的其中一個場景圖像的HIST，以及獲取所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組，其中，i大于0小于所述連續N個場景圖像的其中一個場景圖像的HIST的總分組數，并獲取系數K2，K2大于0，若所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組與所述連續M個場景圖像中第I個場景圖像的HIST_infc之差的絕對值大于所述HIST_diff_ref的K2倍，則確定所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組發生變化，再分別對所述連續N個場景圖像的其中一個場景圖像的HIST的每一分組進行判斷，計算獲得所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數。
[0034]本發明實施例提供了一種場景變化檢測方法及裝置，通過分別獲取連續M個場景圖像的圖像屬性信息，所述連續M個場景圖像的圖像屬性信息包括對焦值FV或梯度直方圖HIST，所述連續M個場景圖像中第I個場景圖像的對焦值為FV_infc，所述連續M個場景圖像中第I個場景圖像的梯度直方圖為HIST_infc，其中，M大于等于3，以及根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref或梯度直方圖波動參數HIST_diff_ref，再重新獲取連續N個場景圖像的圖像屬性信息，所述連續N個場景圖像的圖像屬性信息包括FV或HIST，其中，N大于0 ;最后，根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_diff_ref以及所述連續N個場景圖像的FV,按照第一預設規貝U，確定場景是否發生變化，或者，根據所述連續M個場景圖像中第I個場景圖像的梯度直方圖HISTjnf C、所述HIST_diff_ref以及所述連續N個場景圖像的HIST，按照第二預設規貝U，確定場景是否發生變化。本方案在進行場景變化檢測時利用了場景圖像的對焦值和梯度直方圖信息，通過對場景圖像的對焦值或梯度直方圖的波動參數的計算，實現了可變的對比參數，而對焦值或梯度直方圖的波動反應了噪聲和亮度等因素對場景變化的影響，即考慮了更多的場景圖像信息，從而提高了場景變化檢測的適應性和有效性。
【專利附圖】

【附圖說明】
[0035]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0036]圖1為本發明實施例提供的場景變化檢測方法流程示意圖；
[0037]圖2為本發明實施例提供的場景變化檢測方法流程示意圖一；
[0038]圖3為本發明實施例提供的場景變化檢測方法流程示意圖二 ；
[0039]圖4為本發明實施例提供的場景變化檢測裝置示意圖。
【具體實施方式】
[0040]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0041]本發明實施例提供一種場景變化檢測方法，如圖1所示，該方法包括:
[0042]S101、場景變化檢測裝置分別獲取連續M個場景圖像的圖像屬性信息，所述連續M個場景圖像的圖像屬性信息包括對焦值FV或梯度直方圖HIST，所述連續M個場景圖像中第
I個場景圖像的對焦值為FV_infc，所述連續M個場景圖像中第I個場景圖像的梯度直方圖為HIST_infc，其中，M大于等于3。
[0043]具體的，在自動對焦完成后，畫面處于對焦狀態，則分別記錄連續M個場景圖像對焦值FV或梯度直方圖HIST。
[0044]S102、場景變化檢測裝置根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref或梯度直方圖波動參數HIST_diff_ref。
[0045]場景變化檢測裝置獲取所述連續M個場景圖像中每一個場景圖像的FV，其中，所述連續M個場景圖像中第I個場景圖像的對焦值為FV_infc，通過對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的FV與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值進行求和，再將求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref，具體的如下公式所示:
【權利要求】
1.一種場景變化檢測方法，其特征在于，包括: 分別獲取連續M個場景圖像的圖像屬性信息，所述連續M個場景圖像的圖像屬性信息包括對焦值FV或梯度直方圖HIST，所述連續M個場景圖像中第1個場景圖像的對焦值為FV_infc，所述連續M個場景圖像中第1個場景圖像的梯度直方圖為HIST_infC，其中，M大于等于3 ; 根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第1個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref或梯度直方圖波動參數 HIST_diff_ref ； 重新獲取連續N個場景圖像的圖像屬性信息，所述連續N個場景圖像的圖像屬性信息包括FV或HIST，其中，N大于O ; 根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_diff_ref以及所述連續N個場景圖像的FV，按照第一預設規則，確定場景是否發生變化，或者，根據所述連續M個場景圖像中第1個場景圖像的梯度直方圖HIST_infc、所述HIST_diff_ref以及所述連續N個場景圖像的HIST，按照第二預設規則，確定場景是否發生變化。
2.根據權利要求1所述的場景變化檢測方法，其特征在于，所述根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref，包括: 對所述連續M個場景圖像中除第1個場景圖像以外的每一個場景圖像的FV與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值進行求和，再將求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數 FV_diff_ref。
3.根據權利要求1所述的場景變化檢測方法，其特征在于，所述根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的梯度直方圖波動參數HIST_diff_ref，包括: 對所述連續M個場景圖像中除第1個場景圖像以外的每一個場景圖像的HIST與所述連續M個場景圖像中第1個場景圖像的HIST_infc之差的絕對值進行求和，再將所述求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的梯度直方圖波動參數 HIST_diff_ref。
4.根據權利要求1所述的場景變化檢測方法，其特征在于，所述根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_diff_ref以及所述連續N個場景圖像的FV，按照第一預設規則，確定場景是否發生變化，包括: 獲取系數Kl，Kl大于O ; 若所述連續N個場景圖像的每一個場景圖像的FV分別與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值都大于所述FV_difT_ref的Kl倍，則確定場景發生變化。
5.根據權利要求1所述的場景變化檢測方法，其特征在于，所述根據所述連續M個場景圖像中第I個場景圖像的梯度直方圖HIST_infc、所述HIST_diff_ref以及所述連續N個場景圖像的HIST，按照第二預設規則，確定場景是否發生變化，包括: 獲取所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數門限值L，L大于O小于所述連續N個場景圖像的每一個場景圖像的HIST的總分組數； 獲取所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數，若所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數都大于L，則確定場景發生變化。
6.根據權利要求5所述的場景變化檢測方法，其特征在于，所述獲取所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數，包括: 獲取所述連續N個場景圖像的其中一個場景圖像的HIST ； 獲取所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組，其中，i大于O小于所述連續N個場景圖像的其中一個場景圖像的HIST的總分組數； 獲取系數K2，K2大于O ; 若所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組與所述連續M個場景圖像中第I個場景圖像的HISTjnfc之差的絕對值大于所述HIST_diff_ref的K2倍，則確定所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組發生變化，再分別對所述連續N個場景圖像的其中一個場景圖像的HIST的每一分組進行判斷，計算獲得所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數。
7.—種場景變化檢測裝置，其特征在于，包括: 自動對焦模塊，用于分別獲取連續M個場景圖像的圖像屬性信息，所述連續M個場景圖像的圖像屬性信息包括對焦值FV或梯度直方圖HIST，所述連續M個場景圖像中第I個場景圖像的對焦值為FV_infc，所述連續M個場景圖像中第I個場景圖像的梯度直方圖為HIST_infc，其中，M大于等于3，以及根據所述連續M個場景圖像的圖像屬性信息，按照預設算法，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數FV_diff_ref或梯度直方圖波動參數HIST_diff_ref，并重新獲取連續N個場景圖像的圖像屬性信息，所述連續N個場景圖像的圖像屬性信息包括FV或HIST，其中，N大于O ; 場景檢測模塊，用于根據所述連續M個場景圖像中第I個場景圖像的對焦值FV_infc、所述FV_diff_ref以及所述連續N個場景圖像的FV，按照第一預設規則，確定場景是否發生變化，或者，根據所述連續M個場景圖像中第I個場景圖像的梯度直方圖HIST_infc、所述HIST_diff_ref以及所述連續N個場景圖像的HIST，按照第二預設規則，確定場景是否發生變化。
8.根據權利要求7所述的場景變化檢測裝置，其特征在于，所述自動對焦模塊，具體用于對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的FV與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值進行求和，再將求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的場景圖像的對焦值波動參數 FV_diff_ref。
9.根據權利要求7所述的場景變化檢測裝置，其特征在于，所述自動對焦模塊，具體用于對所述連續M個場景圖像中除第I個場景圖像以外的每一個場景圖像的HIST與所述連續M個場景圖像中第I個場景圖像的HIST_infc之差的絕對值進行求和，再將所述求和后的值除以M-1，計算獲得所述連續M個場景圖像中除第I個場景圖像以外的梯度直方圖波動參數 HIST_diff_ref。
10.根據權利要求7所述的場景變化檢測裝置，其特征在于，所述場景檢測模塊，具體用于獲取系數K1，K1大于O，若所述連續N個場景圖像的每一個場景圖像的FV分別與所述連續M個場景圖像中第I個場景圖像的FV_infc之差的絕對值都大于所述FV_diff_ref的Kl倍，則確定場景發生變化。
11.根據權利要求7所述的場景變化檢測裝置，其特征在于，所述場景檢測模塊，具體用于獲取所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數門限值L，L大于O小于所述連續N個場景圖像的每一個場景圖像的HIST的總分組數，獲取所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數，若所述連續N個場景圖像的每一個場景圖像的HIST發生變化的分組數都大于L，則確定場景發生變化。
12.根據權利要求7所述的場景變化檢測裝置，其特征在于，所述場景檢測模塊，具體用于獲取所述連續N個場景圖像的其中一個場景圖像的HIST，以及獲取所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組，其中，i大于O小于所述連續N個場景圖像的其中一個場景圖像的HIST的總分組數，并獲取系數K2，K2大于O，若所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組與所述連續M個場景圖像中第I個場景圖像的HISTjnfc之差的絕對值大于所述HIST_difT_ref的K2倍，則確定所述連續N個場景圖像的其中一個場景圖像的HIST的第i分組發生變化，再分別對所述連續N個場景圖像的其中一個場景圖像的HIST的 每一分組進行判斷，計算獲得所述連續N個場景圖像的其中一個場景圖像的HIST發生變化的分組數。
【文檔編號】H04N5/232GK103763458SQ201410024730
【公開日】2014年4月30日 申請日期:2014年1月20日 優先權日:2014年1月20日
【發明者】林少偉, 李水平 申請人:華為技術有限公司