视频帧及视频画面遮挡检测方法及装置

摘要

本发明涉及一种视频帧及视频画面遮挡检测方法及装置，包括：获取背景图像帧，并获取当前视频画面的至少一个视频帧；将所述背景图像帧划分为至少四个背景图像帧子块，并根据所述背景图像帧子块的位置，将每个所述视频帧划分为对应的视频帧子块；根据预设的遮挡条件，所述背景图像帧子块和所述视频帧子块，得到发生遮挡的视频帧子块的数量；当所述发生遮挡的视频帧子块的数量与全部所述视频帧子块的数量的比值大于预设的第一阈值时，确定所述视频帧发生遮挡。根据本发明实施例的视频帧及视频画面遮挡检测方法及装置能够有效能够避免摄像机视场内出现大型运动物体，引起全局直方图分布发生变化，导致产生误检的问题。

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种视频帧及视频画面遮挡检测方 法及装置。

背景技术

视频遮挡，即摄像头受到干扰而影响对画面内容的观看，例如有人用手 遮挡摄像头，用颜料喷涂摄像头等。这种状况持续一定的时间才可认定为视 频遮挡。对于偶然行为引起的视频画面的短时突然变化，应排除在视频遮挡 之外。

摄像头遮挡检测的基础是视频场景变化检测，需要检测出遮挡发生时图 像帧的变化。基于像素域的检测主要是通过分析图像帧的颜色、形状、纹理 和运动等信息的变化，通过设置阈值，以及通过比较两帧图像的直方图中灰 度值的差值，进行变化检测。大多采用背景建模对视频画面中的运动目标进 行检测。

由于摄像头拍摄环境的多样性，当摄像头视场内出现较大的运动物体 时，会遮挡摄像头，因此会引起全局直方图分布变化，这将导致算法产生误 检，以为发生了视频遮挡，事实上这种情况通常持续时间较短，属于无害干 扰，并不属于视频遮挡。

发明内容

技术问题

有鉴于此，本发明要解决的技术问题是避免将摄像机视场内出现的大型 运动物体等无害干扰误检为视频遮挡。

解决方案

为了解决上述技术问题，根据本发明一实施例，在第一方面提供了一种 视频帧遮挡检测方法，包括：

获取背景图像帧，并获取当前视频画面的至少一个视频帧；

将所述背景图像帧划分为至少四个背景图像帧子块，并根据所述背景图 像帧子块的位置，将每个所述视频帧划分为对应的视频帧子块；

根据预设的遮挡条件，所述背景图像帧子块和所述视频帧子块，得到发 生遮挡的视频帧子块的数量；

当所述发生遮挡的视频帧子块的数量与全部所述视频帧子块的数量的 比值大于预设的第一阈值时，确定所述视频帧发生遮挡。

结合第一方面，在第一种可能的实施方式中，所述根据预设的遮挡条件， 所述背景图像帧子块和所述视频帧子块，得到发生遮挡的视频帧子块的数量 包括：

根据所述视频帧子块，得到所述视频帧子块的直方图；

根据所述背景图像帧子块，得到所述背景图像帧子块的直方图；

根据所述视频帧子块的直方图中各个灰度级上的灰度值，与所述背景图 像帧子块的直方图中相应灰度级上的灰度值之差的绝对值，得到所述绝对值 的直方图；

根据所述视频帧子块的直方图，所述背景图像帧子块的直方图及所述绝 对值的直方图，得到发生遮挡的视频帧子块的数量。

结合第一方面和第一方面的第一种可能的实施方式，在第二种可能的实 施方式中，所述遮挡条件为：

max(H(I_n))>Th₁*max(H(B_n)),Th₁>1；以及

$\underset{i=1}{\overset{32}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right)>T{h}_2\underset{i=1}{\overset{3}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right),T{h}_2>1,$

其中，I_n为所述视频帧子块，B_n为所述背景图像帧子块，H(I_n)为所述 视频帧子块的直方图，H(B_n)为所述背景图像帧子块的直方图，H(|I_n-B_n|)为 所述绝对值的直方图，Th₁、Th₂为大于1的系数，i为量化后的灰度级。

结合第一方面的前二种可能的实施方式，在第三种可能的实施方式中， 在确定所述视频帧发生遮挡的情况下，还包括：

分别在所述视频帧子块内及所述背景图像帧子块内，获取任意两个特征 点组成特征点对，两对以上的所述特征点对组成特征点对集合；

根据所述特征点对的算术取值，计算所述视频帧子块的特征点对集合与 所述背景图像帧子块的特征点对集合的相似度，所述相似度为：

$\mathrm{sim}(\mathrm{pair}\left(I_n\right),\mathrm{pair}\left(B_n\right))=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}\rho ({\mathrm{pair}}_i\left(I_n\right),{\mathrm{pair}}_i\left(B_n\right));$

其中，sim(pair(I_n),pair(B_n))为所述视频帧子块的特征点对集合与所述背 景图像帧子块的特征点对集合的相似度，pair_i(I_n)为所述视频帧子块的特征 点对集合，pair_i(B_n)为所述背景图像帧子块的特征点对集合， ρ(pair_i(I_n),pair_i(B_n))为两个特征点对集合的相似度因子，

所述特征点对的算术取值为：

$\mathrm{pair}(a,b)=\left(\begin{array}{cc}-1,& \mathrm{value}\left(a\right)<\mathrm{value}\left(b\right)\\ 0,& \mathrm{value}\left(a\right)=\mathrm{value}\left(b\right)\\ 1,& \mathrm{value}\left(a\right)>\mathrm{value}\left(b\right)\end{array}\right);$

其中，value(a)、value(b)分别为特征点a及特征点b的八邻域平均灰度值；

当所述视频帧子块的特征点对集合与所述背景图像帧子块的特征点对 集合的相似度小于预设的第二阈值时，确定所述视频帧发生遮挡。

为了解决上述技术问题，根据本发明另一实施例，在第二方面提供一种 视频画面遮挡检测方法，根据上述的视频帧遮挡检测方法，确定所述视频帧 是否发生遮挡，其特征在于，所述方法还包括：

记录连续的发生遮挡的视频帧的个数；

当所述连续的发生遮挡的视频帧的个数大于预设的第三阈值时，确定所 述视频画面发生遮挡；或

根据所述连续的发生遮挡的视频帧的个数确定遮挡维持时间，当所述遮 挡维持时间大于预设的第四阈值时，确定所述视频画面发生遮挡。

结合第二方面，在第一种可能的实施方式中，所述视频画面遮挡检测方 法，还包括：

在未确定所述视频画面发生遮挡的情况下，每隔第一预设时间，基于背 景建模获取所述背景图像帧；

在确定所述视频画面发生遮挡的情况下，不获取所述背景图像帧。

为了解决上述技术问题，根据本发明又一实施例，在第三方面提供一种 视频帧遮挡检测装置，其特征在于，包括：

第一获取模块，用于获取背景图像帧，并获取当前视频画面的至少一个 视频帧；

划分模块，与所述第一获取模块连接，用于将所述背景图像帧划分为至 少四个背景图像帧子块，并根据所述背景图像帧子块的位置，将每个所述视 频帧划分为对应的视频帧子块；

第一计算模块，与所述划分模块连接，用于根据预设的遮挡条件，所述 背景图像帧子块和所述视频帧子块，得到发生遮挡的视频帧子块的数量；

第一确定模块，与所述第一计算模块连接，用于当所述发生遮挡的视频 帧子块的数量与全部所述视频帧子块的数量的比值大于预设的第一阈值时， 确定所述视频帧发生遮挡。

结合第三方面，在第一种可能的实施方式中，所述第一计算模块被配置 为：

根据所述视频帧子块，得到所述视频帧子块的直方图；

根据所述背景图像帧子块，得到所述背景图像帧子块的直方图；

根据所述视频帧子块的直方图中各个灰度级上的灰度值，与所述背景图 像帧子块的直方图中相应灰度级上的灰度值之差的绝对值，得到所述绝对值 的直方图；

根据所述视频帧子块的直方图，所述背景图像帧子块的直方图及所述绝 对值的直方图，得到发生遮挡的视频帧子块的数量。

结合第三方面，在第二种可能的实施方式中，所述第一计算模块得到发 生遮挡的视频帧子块的数量所基于的遮挡条件为：

max(H(I_n))>Th₁*max(H(B_n)),Th₁>1；以及

$\underset{i=1}{\overset{32}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right)>T{h}_2\underset{i=1}{\overset{3}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right),T{h}_2>1,$

其中，I_n为所述视频帧子块，B_n为所述背景图像帧子块，H(I_n)为所述 视频帧子块的直方图，H(B_n)为所述背景图像帧子块的直方图，H(|I_n-B_n|)为 所述绝对值的直方图，Th₁、Th₂为大于1的系数，i为量化后的灰度级。

结合第三方面的前二种可能的实施方式，在第三种可能的实施方式中， 所述视频帧遮挡检测装置，还包括：

第二获取模块，用于分别在所述视频帧子块内及所述背景图像帧子块 内，获取任意两个特征点组成特征点对，两对以上的所述特征点对组成特征 点对集合；

第二计算模块，与所述第二获取模块连接，用于根据所述特征点对的算 术取值，计算所述视频帧子块的特征点对集合与所述背景图像帧子块的特征 点对集合的相似度，所述相似度为：

$\mathrm{sim}(\mathrm{pair}\left(I_n\right),\mathrm{pair}\left(B_n\right))=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}\rho ({\mathrm{pair}}_i\left(I_n\right),{\mathrm{pair}}_i\left(B_n\right));$

其中，sim(pair(I_n),pair(B_n))为所述视频帧子块的特征点对集合与所述背 景图像帧子块的特征点对集合的相似度，pair_i(I_n)为所述视频帧子块的特征 点对集合，pair_i(B_n)为所述背景图像帧子块的特征点对集合， ρ(pair_i(I_n),pair_i(B_n))为两个特征点对集合的相似度因子，

所述特征点对的算术取值为：

$\mathrm{pair}(a,b)=\left(\begin{array}{cc}-1,& \mathrm{value}\left(a\right)<\mathrm{value}\left(b\right)\\ 0,& \mathrm{value}\left(a\right)=\mathrm{value}\left(b\right)\\ 1,& \mathrm{value}\left(a\right)>\mathrm{value}\left(b\right)\end{array}\right);$

其中，value(a)、value(b)分别为特征点a及特征点b的八邻域平均灰度值；

第二确定模块，与所述第二计算模块连接，用于当所述视频帧子块的特 征点对集合与所述背景图像帧子块的特征点对集合的相似度小于预设的第 二阈值时，确定所述视频帧发生遮挡。

为了解决上述技术问题，根据本发明再一实施例，在第四方面提供一种 视频画面遮挡检测装置，包括：

上述的视频帧遮挡检测装置，用于确定所述视频帧是否发生遮挡；

记录模块，与所述视频帧遮挡检测装置连接，用于记录连续的发生遮挡 的视频帧的个数；

第三确定模块，与所述记录模块连接，用于当所述连续的发生遮挡的视 频帧的个数大于预设的第三阈值时，确定所述视频画面发生遮挡；或

用于根据所述连续的发生遮挡的视频帧的个数确定遮挡维持时间，当所 述遮挡维持时间大于预设的第四阈值时，确定所述视频画面发生遮挡。

结合第四方面，在第一种可能的实施方式中，所述视频画面遮挡检测装 置，还包括：

第三获取模块，与所述第三确定模块连接，用于在未确定所述视频画面 发生遮挡的情况下，每隔第一预设时间，基于背景建模获取所述背景图像帧； 以及

用于在确定所述视频画面发生遮挡的情况下，不获取所述背景图像帧。

有益效果

根据本发明实施例的视频帧及视频画面遮挡检测方法及装置，通过将背 景图像帧划分为至少四个背景图像帧子块，并将每个视频帧划分为对应的视 频帧子块，当发生遮挡的视频帧子块的数量与全部视频帧子块的数量的比值 大于预设的第一阈值时，确定视频帧发生遮挡，能够避免摄像机视场内出现 大型运动物体，引起视频帧全局直方图分布发生变化，导致产生误检的问题。

进一步地，通过分别在视频帧子块内及背景图像帧子块内，获取特征点 对及特征点对集合，计算视频帧子块的特征点对集合与背景图像帧子块的特 征点对集合的相似度，当所述相似度小于预设的第二阈值时，确定视频帧发 生遮挡，根据本发明实施例的视频帧及视频画面遮挡检测方法及装置能够避 免环境光照突变等无害干扰引起全局直方图分布发生变化，导致产生误检的 问题。

进一步地，通过记录连续的发生遮挡的视频帧的个数；当连续的发生遮 挡的视频帧的个数大于预设的第三阈值时，确定视频画面发生遮挡；或根据 连续的发生遮挡的视频帧的个数确定遮挡维持时间，当遮挡维持时间大于预 设的第四阈值时，确定视频画面发生遮挡，根据本发明实施例的视频帧及视 频画面遮挡检测方法及装置能够避免当摄像机视场内出现大型运动物体时 导致的误检问题，也能够避免环境光照突变等无害干扰导致的误检问题。

进一步地，通过在未确定视频画面发生遮挡的情况下，每隔第一预设时 间，基于背景建模获取所述背景图像帧；在确定视频画面发生遮挡的情况下， 不获取所述背景图像帧。根据本发明实施例的视频帧及视频画面遮挡检测方 法及装置能够避免遮挡物体融入背景图像，导致的无法检测到遮挡的问题。

根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方 面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了 本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。

图1示出根据本发明一实施例的视频帧遮挡检测方法的流程图；

图2a-图2b示出根据本发明一实施例的背景图像帧及视频帧分块示意图；

图3a-图3b示出本发明实施例中B_n及其直方图示意图；

图4a-图4b示出本发明实施例中I_n及其直方图示意图；

图5a-图5b示出本发明实施例中|I_n-B_n|及其直方图示意图；

图6a-图6b示出本发明实施例中发生遮挡时的I_n及其直方图示意图；

图7a-图7b示出本发明实施例中发生遮挡时的|I_n-B_n|及其直方图示意 图；

图8示出根据本发明另一实施例的视频帧遮挡检测方法的流程图；

图9示出本发明实施例中特征点对的示意图；

图10示出根据本发明又一实施例的视频画面遮挡检测方法的流程图；

图11示出根据本发明一实施例的视频帧遮挡检测装置的结构示意图；

图12示出根据本发明另一实施例的视频帧遮挡检测装置的结构示意图；

图13示出根据本发明另一实施例的视频画面遮挡检测装置的结构示意 图；

图14示出根据本发明的另一个实施例的视频帧遮挡检测装置的结构框 图；

图15示出根据本发明的另一个实施例的视频画面遮挡检测装置的结构 框图。

具体实施方式

以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附 图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施 例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为 “示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的 具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以 实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路 未作详细描述，以便于凸显本发明的主旨。

实施例1

图1示出根据本发明一实施例的视频帧遮挡检测方法的流程图。如图1所 示，该方法主要包括：

步骤S101、获取背景图像帧，并获取当前视频画面的至少一个视频帧；

本发明实施例通过背景建模获取背景图像帧。背景建模是视频图像中运 动目标检测的一种方法，背景就是指静止的或是移动非常缓慢的物体。背景 建模基本思想是通过初始化背景模型及设定背景模型的更新策略，来完成对 视频帧每个像素点的分类处理。

步骤S102、将背景图像帧划分为至少四个背景图像帧子块，并根据背景 图像帧子块的位置，将每个视频帧划分为对应的视频帧子块；

将背景图像帧划分为N=N1*N2块，如果分块数目选择过少的话，就不容 易确定是否发生干扰；如果分块数目选择过多的话，同样容易受到镜头晃动 的影响，同时还会增加运算量并占用更多的存储空间。本发明实施例选择 N1=N2=4，背景图像帧分块示意图如图2a所示。进一步地，根据背景图像帧 子块的位置，将每个视频帧划分为对应的视频帧子块，即将视频帧子块也划 分为N=N1*N2块，如图2b所示。

步骤S103、根据预设的遮挡条件，背景图像帧子块和视频帧子块，得到 发生遮挡的视频帧子块的数量；

根据视频帧子块，得到视频帧子块的直方图；根据背景图像帧子块，得 到背景图像帧子块的直方图；根据视频帧子块的直方图中各个灰度级上的灰 度值，与背景图像帧子块的直方图中相应灰度级上的灰度值之差的绝对值， 得到绝对值的直方图；根据视频帧子块的直方图，背景图像帧子块的直方图 及绝对值的直方图，得到发生遮挡的视频帧子块的数量。

所述遮挡条件为：

max(H(I_n))>Th₁*max(H(B_n)),Th₁>1；以及

$\underset{i=1}{\overset{32}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right)>T{h}_2\underset{i=1}{\overset{3}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right),T{h}_2>1,$

其中，I_n为视频帧子块，B_n为背景图像帧子块，H(I_n)为视频帧子块的 直方图，H(B_n)为背景图像帧子块的直方图，H(|I_n-B_n|)为视频帧子块的直方 图中各个灰度级上的灰度值，与背景图像帧子块的直方图中相应灰度级上的 灰度值之差的绝对值的直方图，Th₁、Th₂为大于1的系数，i为量化后的灰度 级。

直方图是灰度级的函数，通常用H(x)表示，它表示图像中具有每种灰度 级的像素的个数，反映图像中每种灰度出现的频率。直方图的横坐标是灰度 级，纵坐标是该灰度级出现的频率，直方图是图像的最基本的统计特征。

构建I_n、B_n以及|I_n-B_n|全局直方图，并对全局灰度图直方图进行量化。 量化数过大的话，计算量和存储空间都比较大，量化数过小的话，会出现较 大的信息损失。一般选取量化数为32，即1≤i≤32。

背景建模提取的背景图像帧子块B_n及其直方图如图3a及图3b所示。

当不存在遮挡行为时，由于I_n与B_n画面内容非常接近，因此I_n的直方图 与B_n的直方图的分布较为接近。因此，|I_n-B_n|直方图主要分布在黑色的一 端(Bin=0)。无遮挡时I_n及其直方图如图4a及图4b所示，无遮挡时|I_n-B_n|及其 直方图如图5a及图5b所示。

当发生遮挡行为时，画面全局直方图分布发生较大变化，呈现非常集中 状况。并且|I_n-B_n|直方图的分布也会分散开。遮挡时I_n及其直方图如图6a及 图6b所示，遮挡时|I_n-B_n|及其直方图如图7a及图7b所示。

因此如下两个判定条件均满足时，可判定视频帧发生遮挡。

一是max(H(I_n))是否大于max(H(B_n))，即

max(H(I_n))>Th₁*max(H(B_n)),Th₁>1；

二是I_n的直方图中各个灰度级上的灰度值，与B_n的直方图中相应灰度级 上的灰度值的差值的直方图不是分布在黑色一端，而是呈分散状态，即

$\underset{i=1}{\overset{32}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right)>T{h}_2\underset{i=1}{\overset{3}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right),T{h}_2>1;$

判断每个子块是否满足遮挡条件，得到发生遮挡的视频帧子块的数量。

步骤S104、当发生遮挡的视频帧子块的数量与全部视频帧子块的数量的 比值大于预设的第一阈值时，确定视频帧发生遮挡。

用S(Pi)表示Pi视频帧子块的遮挡状态，当视频帧子块检测到遮挡后，置 其遮挡状态为1。

当统计到遮挡状态为1的视频帧子块数目占一定比例时，即，判断发生 遮挡的视频帧子块的数量与全部视频帧子块的数量的比值是否大于预设的 第一阈值，如果判断结果为是，则可判定视频帧发生遮挡。

$\underset{i=1}{\overset{N}{\Sigma }}S\left(P_i\right)>{\mathrm{Th}}_3*N$

其中，Th₃为预设的第一阈值。

运动物体对视频帧全局直方图影响较大，因此在现有技术中，当有大型 运动物体短时间出现在摄像机视场中时，会发生误检，当作视频帧遮挡来处 理。但若对视频帧进行分块，运动物体对视频帧的影响被限制到若干子块内， 且运动物体对某一子块的影响时间比对全局画面的影响时间大大减少。因此 引入分块直方图，可以避免物体运动对算法分析的干扰。根据本发明实施例 的视频帧遮挡检测方法能够避免摄像机视场内出现大型运动物体，引起全局 直方图分布发生变化，导致产生误检的问题。

实施例2

图8示出根据本发明另一实施例的视频帧遮挡检测方法的流程图。如图8 所示，该方法主要包括：

步骤S201-步骤S204与实施例1中步骤S101-S104相同。

步骤S205、分别在视频帧子块内及背景图像帧子块内，获取任意两个特 征点组成特征点对，两对以上的所述特征点对组成特征点对集合；

由于摄像头拍摄环境多样性，当环境光照发生突变时，也将会引起全局 直方图分布变化，导致算法产生误检。

因为光照对局部范围的影响基本一致，在步骤S204中判定视频帧发生遮 挡的情况下，可进一步地，分别在视频帧子块内及背景图像帧子块内，获取 任意两个特征点组成特征点对，如图9所示。两对以上的特征点对组成特征 点对集合。

步骤S206、根据特征点对的算术取值，计算视频帧子块的特征点对集合 与背景图像帧子块的特征点对集合的相似度；

每个特征点对的算术取值为：

$\mathrm{pair}(a,b)=\left(\begin{array}{cc}-1,& \mathrm{value}\left(a\right)<\mathrm{value}\left(b\right)\\ 0,& \mathrm{value}\left(a\right)=\mathrm{value}\left(b\right)\\ 1,& \mathrm{value}\left(a\right)>\mathrm{value}\left(b\right)\end{array}\right)$

其中，value(a)、value(b)分别为特征点a及特征点b的八邻域平均灰度值。 八邻域平均灰度值是以九宫格中间点为目标像素点，该目标像素点周边一圈 八个像素点的灰度值的平均值。

当发生光照突变时，大部分特征点对的值保持不变，而发生遮挡时，只 有少数特征点对的值能保持不变。因此，可通过对所有特征点对进行分析， 来判断是否为环境光照突变产生的干扰。

pair_i(I_n)为视频帧子块的特征点对集合，pair_i(B_n)为背景图像帧子块的特 征点对集合，两个特征点对的相似度因子为：

该视频帧子块的特征点对集合与背景图像帧子块的特征点对集合的相 似度为：

$\mathrm{sim}(\mathrm{pair}\left(I_n\right),\mathrm{pair}\left(B_n\right))=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}\rho ({\mathrm{pair}}_i\left(I_n\right),{\mathrm{pair}}_i\left(B_n\right))$

步骤S207、当视频帧子块的特征点对集合与背景图像帧子块的特征点对 集合的相似度小于预设的第二阈值时，确定视频帧发生遮挡；

否则，为光照突变产生的干扰。

根据本发明实施例的视频帧遮挡检测方法能够避免环境光照突变等无 害干扰引起全局直方图分布发生变化，导致产生误检的问题。

实施例3

图10示出根据本发明又一实施例的视频画面遮挡检测方法的流程图。如 图10所示，该方法主要包括：

步骤S301、根据实施例1或实施例2所述的视频帧遮挡检测方法，确定视 频帧是否发生遮挡；

步骤S302、记录连续的发生遮挡的视频帧的个数；

步骤S303、当连续的发生遮挡的视频帧的个数大于预设的第三阈值时， 确定视频画面发生遮挡；或根据连续的发生遮挡的视频帧的个数确定遮挡维 持时间，当遮挡维持时间大于预设的第四阈值时，确定视频画面发生遮挡。

遮挡维持一定时间，才能确定视频画面发生遮挡。

在一种可能的实施方式中，该方法还包括：

步骤S304、在未确定视频画面发生遮挡的情况下，每隔第一预设时间， 基于背景建模获取背景图像帧；在确定视频画面发生遮挡的情况下，不获取 所述背景图像帧。

在背景建模中，模型更新可能会导致遮挡物融入背景，一旦遮挡物融入 一定程度，将不会再检测到遮挡。因此，通过设立长期背景图像帧B_n'，当 未发生遮挡时，长期背景图像帧B_n'每间隔一预设的第二时间通过拷贝背景 图像帧进行更新，基于背景建模算法重新获取背景图像帧。当遮挡产生时， 长期背景图像帧B_n'将不再更新；当遮挡解除后，以长期背景图像帧B_n'作为 背景建模的背景模型。遮挡检测中以长期背景图像帧B_n'作为参考图像。

根据本发明实施例的视频画面遮挡检测方法能够避免当摄像机视场内 出现大型运动物体时导致的误检问题，也能够避免环境光照突变等无害干扰 导致的误检问题。进一步地根据本发明实施例的视频画面遮挡检测方法能够 避免遮挡物体融入背景图像，导致的无法检测到遮挡的问题。

实施例4

图11示出根据本发明一实施例的视频帧遮挡检测装置的结构示意图。如 图11所示，该装置10包括：第一获取模块101、划分模块102、第一计算模块 103、第一确定模块104。

第一获取模块101，用于获取背景图像帧，并获取当前视频画面的至少 一个视频帧；

划分模块102，与第一获取模块101连接，用于将所述背景图像帧划分为 至少四个背景图像帧子块，并根据所述背景图像帧子块的位置，将每个所述 视频帧划分为对应的视频帧子块；

第一计算模块103，与划分模块102连接，用于根据预设的遮挡条件，所 述背景图像帧子块和所述视频帧子块，得到发生遮挡的视频帧子块的数量；

第一确定模块104，与第一计算模块103连接，用于当所述发生遮挡的视 频帧子块的数量与全部所述视频帧子块的数量的比值大于预设的第一阈值 时，确定所述视频帧发生遮挡。

第一计算模块103被配置为：根据所述视频帧子块，得到所述视频帧子 块的直方图；根据所述背景图像帧子块，得到所述背景图像帧子块的直方图； 根据所述视频帧子块的直方图中各个灰度级上的灰度值，与所述背景图像帧 子块的直方图中相应灰度级上的灰度值之差的绝对值，得到所述绝对值的直 方图；根据所述视频帧子块的直方图，所述背景图像帧子块的直方图及所述 绝对值的直方图，得到发生遮挡的视频帧子块的数量。

第一计算模块103得到发生遮挡的视频帧子块的数量所基于的遮挡条件 为：

max(H(I_n))>Th₁*max(H(B_n)),Th₁>1；以及

$\underset{i=1}{\overset{32}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right)>T{h}_2\underset{i=1}{\overset{3}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right),T{h}_2>1,$

其中，I_n为所述视频帧子块，B_n为所述背景图像帧子块，H(I_n)为所述 视频帧子块的直方图，H(B_n)为所述背景图像帧子块的直方图，H(|I_n-B_n|)为 所述绝对值的直方图，Th₁、Th₂为大于1的系数，i为量化后的灰度级。

根据本发明实施例的视频帧遮挡检测装置能够避免摄像机视场内出现 大型运动物体，引起全局直方图分布发生变化，导致产生误检的问题。

实施例5

图12示出根据本发明另一实施例的视频帧遮挡检测装置的结构示意图。 如图12所示，该装置10在实施例4的基础上还包括：第二获取模块105、第二 计算模块106、第二确定模块107。

第二获取模块105，与第一确定模块104连接，用于分别在所述视频帧子 块内及所述背景图像帧子块内，获取任意两个特征点组成特征点对，两对以 上的所述特征点对组成特征点对集合；

第二计算模块106，与第二获取模块105连接，用于根据所述特征点对的 算术取值，计算所述视频帧子块的特征点对集合与所述背景图像帧子块的特 征点对集合的相似度，所述相似度为：

$\mathrm{sim}(\mathrm{pair}\left(I_n\right),\mathrm{pair}\left(B_n\right))=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}\rho ({\mathrm{pair}}_i\left(I_n\right),{\mathrm{pair}}_i\left(B_n\right));$

其中，sim(pair(I_n),pair(B_n))为所述视频帧子块的特征点对集合与所述背 景图像帧子块的特征点对集合的相似度，pair_i(I_n)为所述视频帧子块的特征 点对集合，pair_i(B_n)为所述背景图像帧子块的特征点对集合， ρ(pair_i(I_n),pair_i(B_n))为两个特征点对集合的相似度因子，

所述特征点对的算术取值为：

$\mathrm{pair}(a,b)=\left(\begin{array}{cc}-1,& \mathrm{value}\left(a\right)<\mathrm{value}\left(b\right)\\ 0,& \mathrm{value}\left(a\right)=\mathrm{value}\left(b\right)\\ 1,& \mathrm{value}\left(a\right)>\mathrm{value}\left(b\right)\end{array}\right);$

其中，value(a)、value(b)分别为特征点a及特征点b的八邻域平均灰度值；

第二确定模块107，与第二计算模块106连接，用于当所述视频帧子块的 特征点对集合与所述背景图像帧子块的特征点对集合的相似度小于预设的 第二阈值时，确定所述视频帧发生遮挡。

根据本发明实施例的视频帧遮挡检测装置能够避免环境光照突变等无 害干扰引起全局直方图分布发生变化，导致产生误检的问题。

实施例6

图13示出根据本发明另一实施例的视频画面遮挡检测装置的结构示意 图。如图13所示，该装置20包括：根据实施例4或实施例5中所述的视频帧遮 挡检测装置10，记录模块201，第三确定模块202。

根据实施例4或实施例5中所述的视频帧遮挡检测装置10，用于确定所述 视频帧是否发生遮挡；

记录模块201，与所述视频帧遮挡检测装置10连接，用于记录连续的发 生遮挡的视频帧的个数；

第三确定模块202，与记录模块201连接，用于当所述连续的发生遮挡的 视频帧的个数大于预设的第三阈值时，确定所述视频画面发生遮挡；或用于 根据所述连续的发生遮挡的视频帧的个数确定遮挡维持时间，当所述遮挡维 持时间大于预设的第四阈值时，确定所述视频画面发生遮挡。

进一步地，在另一种可能的实施方式中，该视频画面遮挡检测装置20， 还包括：

第三获取模块203，与第三确定模块202连接，用于在未确定所述视频画 面发生遮挡的情况下，每隔第一预设时间，基于背景建模获取所述背景图像 帧；以及用于在确定所述视频画面发生遮挡的情况下，不获取所述背景图像 帧。

实施例7

图14示出了本发明的另一个实施例的一种视频帧遮挡检测装置的结构 框图。所述视频帧遮挡检测装置1100可以是具备计算能力的主机服务器、个 人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不 对计算节点的具体实现做限定。

所述网络设备1100包括处理器(processor)1110、通信接口 (Communications Interface)1120、存储器(memory)1130和总线1140。其中，处 理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。

通信接口1120用于与网络设备通信，其中网络设备包括例如虚拟机管理 中心、共享存储等。

处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或 者是专用集成电路ASIC（Application Specific Integrated Circuit），或者是被 配置成实施本发明实施例的一个或多个集成电路。

存储器1130用于存放文件。存储器1130可能包含高速RAM存储器，也可 能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。 存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可 按一定的规则组合成虚拟卷。

在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代 码。该程序具体可用于：

获取背景图像帧，并获取当前视频画面的至少一个视频帧；

将所述背景图像帧划分为至少四个背景图像帧子块，并根据所述背景图 像帧子块的位置，将每个所述视频帧划分为对应的视频帧子块；

根据预设的遮挡条件，所述背景图像帧子块和所述视频帧子块，得到发 生遮挡的视频帧子块的数量；

当所述发生遮挡的视频帧子块的数量与全部所述视频帧子块的数量的 比值大于预设的第一阈值时，确定所述视频帧发生遮挡。

在第一种可能的实施方式中，所述根据预设的遮挡条件，所述背景图像 帧子块和所述视频帧子块，得到发生遮挡的视频帧子块的数量包括：

根据所述视频帧子块，得到所述视频帧子块的直方图；

根据所述背景图像帧子块，得到所述背景图像帧子块的直方图；

根据所述视频帧子块的直方图中各个灰度级上的灰度值，与所述背景图 像帧子块的直方图中相应灰度级上的灰度值之差的绝对值，得到所述绝对值 的直方图；

根据所述视频帧子块的直方图，所述背景图像帧子块的直方图及所述绝 对值的直方图，得到发生遮挡的视频帧子块的数量。

在第二种可能的实施方式中，所述遮挡条件为：

max(H(I_n))>Th₁*max(H(B_n)),Th₁>1；以及

$\underset{i=1}{\overset{32}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right)>T{h}_2\underset{i=1}{\overset{3}{\Sigma }}{H}_i\left(\right|I_n-B_n\left|\right),T{h}_2>1,$

其中，I_n为所述视频帧子块，B_n为所述背景图像帧子块，H(I_n)为所述 视频帧子块的直方图，H(B_n)为所述背景图像帧子块的直方图，H(|I_n-B_n|)为 所述绝对值的直方图，Th₁、Th₂为大于1的系数，i为量化后的灰度级。

在第三种可能的实施方式中，在确定所述视频帧发生遮挡的情况下，该 程序还用于：

分别在所述视频帧子块内及所述背景图像帧子块内，获取任意两个特征 点组成特征点对，两对以上的所述特征点对组成特征点对集合；

根据所述特征点对的算术取值，计算所述视频帧子块的特征点对集合与 所述背景图像帧子块的特征点对集合的相似度，所述相似度为：

$\mathrm{sim}(\mathrm{pair}\left(I_n\right),\mathrm{pair}\left(B_n\right))=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}\rho ({\mathrm{pair}}_i\left(I_n\right),{\mathrm{pair}}_i\left(B_n\right));$

其中，sim(pair(I_n),pair(B_n))为所述视频帧子块的特征点对集合与所述背 景图像帧子块的特征点对集合的相似度，pair_i(I_n)为所述视频帧子块的特征 点对集合，pair_i(B_n)为所述背景图像帧子块的特征点对集合， ρ(pair_i(I_n),pair_i(B_n))为两个特征点对集合的相似度因子，

所述特征点对的算术取值为：

$\mathrm{pair}(a,b)=\left(\begin{array}{cc}-1,& \mathrm{value}\left(a\right)<\mathrm{value}\left(b\right)\\ 0,& \mathrm{value}\left(a\right)=\mathrm{value}\left(b\right)\\ 1,& \mathrm{value}\left(a\right)>\mathrm{value}\left(b\right)\end{array}\right);$

其中，value(a)、value(b)分别为特征点a及特征点b的八邻域平均灰度值；

当所述视频帧子块的特征点对集合与所述背景图像帧子块的特征点对 集合的相似度小于预设的第二阈值时，确定所述视频帧发生遮挡。

实施例8

图15示出了本发明的另一个实施例的一种视频画面遮挡检测装置的结 构框图。所述视频画面遮挡检测装置2100可以是具备计算能力的主机服务 器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施 例并不对计算节点的具体实现做限定。

所述网络设备2100包括处理器(processor)2110、通信接口 (Communications Interface)2120、存储器(memory)2130和总线2140。其中，处 理器2110、通信接口2120、以及存储器2130通过总线2140完成相互间的通信。

通信接口2120用于与网络设备通信，其中网络设备包括例如虚拟机管理 中心、共享存储等。

处理器2110用于执行程序。处理器2110可能是一个中央处理器CPU，或 者是专用集成电路ASIC（Application Specific Integrated Circuit），或者是被 配置成实施本发明实施例的一个或多个集成电路。

存储器2130用于存放文件。存储器2130可能包含高速RAM存储器，也可 能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。 存储器2130也可以是存储器阵列。存储器2130还可能被分块，并且所述块可 按一定的规则组合成虚拟卷。

在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代 码。该程序具体可用于：

根据实施例7中所述的程序，确定所述视频帧是否发生遮挡，该程序还 用于：

记录连续的发生遮挡的视频帧的个数；

当所述连续的发生遮挡的视频帧的个数大于预设的第三阈值时，确定所 述视频画面发生遮挡；或

根据所述连续的发生遮挡的视频帧的个数确定遮挡维持时间，当所述遮 挡维持时间大于预设的第四阈值时，确定所述视频画面发生遮挡。

在第一种可能的实施方式中，该程序还用于：

在未确定所述视频画面发生遮挡的情况下，每隔第一预设时间，基于背 景建模获取所述背景图像帧；

在确定所述视频画面发生遮挡的情况下，不获取所述背景图像帧。

本领域普通技术人员可以意识到，本文所描述的实施例中的各示例性单 元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。 这些功能究竟以硬件还是软件形式来实现，取决于技术方案的特定应用和设 计约束条件。专业技术人员可以针对特定的应用选择不同的方法来实现所描 述的功能，但是这种实现不应认为超出本发明的范围。

如果以计算机软件的形式来实现所述功能并作为独立的产品销售或使 用时，则在一定程度上可认为本发明的技术方案的全部或部分（例如对现有 技术做出贡献的部分）是以计算机软件产品的形式体现的。该计算机软件产 品通常存储在计算机可读取的非易失性存储介质中，包括若干指令用以使得 计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各 实施例方法的全部或部分步骤。而前述的存储介质包括U盘、移动硬盘、只 读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random  Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限 于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易 想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护 范围应所述以权利要求的保护范围为准。