一种场景变化检测方法及装置制造方法及图纸

本发明专利技术实施例提供一种场景变化检测方法及装置，涉及图像检测技术领域，解决了场景变化检测的适应性和有效性差这一问题。该方法为：获取连续M个场景图像的图像属性信息，并计算获得连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数或梯度直方图波动参数，再获取连续N个场景图像的图像属性信息，最后根据连续M个场景图像中第1个场景图像的对焦值、对焦值波动参数以及连续N个场景图像的对焦值，确定场景是否发生变化，或者，根据连续M个场景图像中第1个场景图像的梯度直方图、梯度直方图波动参数以及连续N个场景图像的梯度直方图，确定场景是否发生变化。

【技术实现步骤摘要】
一种场景变化检测方法及装置
本专利技术涉及图像检测
，尤其涉及一种场景变化检测方法及装置。
技术介绍
自动对焦技术是系统通过对成像的分析、自动调整成像设备中镜头与图像传感器的距离，让拍摄的重点物体处于对焦状态。自动对焦又可分为主动对焦和被动对焦。主动对焦方式通过引入光学以外额外的测距系统来获得成像系统与对焦物体之间的距离，然后通过精确计算获得对焦信息。被动对焦方式是系统通过对摄像机获得的数字图像进行分析，计算出图像的对焦值，一般认为处于对焦状态下的图像的对焦值最大，通过移动镜头位置，使得对焦区域图像对焦值达到最大值来实现自动对焦。在视频监控、视频拍摄等应用场景下，自动对焦完成后需持续检测拍摄场景是否发生变化，如果场景发生变化，需重新进行自动对焦。现有技术中的自动对焦是对图像的锐度或亮度进行时域的均值滤波，然后使用滤波后的锐度或亮度来判断场景是否发生变化，通过确定一固定参数，然后比较滤波后的锐度或亮度相对于对焦完成时刻的锐度或亮度的波动大于这一固定参数，则认为场景发生变化。由于对比参数为固定取值，而且没有提供图像的锐度或亮度自适应的取值的方法，使得场景变化检测的适应性差，另外现有技术的场景变化检测只考虑了图像的锐度和亮度，所考虑的信息不足，导致无法检测出某些特定场景变化，使得场景变化检测的有效性差。
技术实现思路
本专利技术的实施例提供一种场景变化检测方法及装置，能够提高场景变化检测的适应性和有效性。为达到上述目的，本专利技术的实施例采用如下技术方案：第一方面，本专利技术实施例提供一种场景变化检测方法，包括：分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3；根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref；重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。在第一方面的第一种可能的实现方式中，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref，包括：对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。在第一方面的第二种可能的实现方式中，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的梯度直方图波动参数HIST_diff_ref，包括：对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。在第一方面的第三种可能的实现方式中，所述根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，包括：获取系数K1，K1大于0；若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。在第一方面的第四种可能的实现方式中，所述根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化，包括：获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数；获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。在第一方面的第五种可能的实现方式中，所述获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，包括：获取所述连续N个场景图像的其中一个场景图像的HIST；获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数；获取系数K2，K2大于0；若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值大于所述HIST_diff_ref的K2倍，则确定所述连续N个场景图像的其中一个场景图像的HIST的第i分组发生变化，再分别对所述连续N个场景图像的其中一个场景图像的HIST的每一分组进行判断，计算获得所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数。第二方面，本专利技术实施例提供一种场景变化检测装置，包括：自动对焦模块，用于分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3，以及根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref，并重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；场景检测模块，用于根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。在第二方面的第一种可能的实现方式中，所述自动对焦模块，具体用于对所述连续M个场景图像中除第1个场景图像以外的每一个场景图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种场景变化检测方法，其特征在于，应用于自动对焦完成后，持续检测拍摄场景是否发生变化的场景，包括：在自动对焦完成后，画面处于对焦状态时，分别获取连续M个场景图像的图像属性信息，所述连续M个场景图像的图像属性信息包括对焦值FV或梯度直方图HIST，所述连续M个场景图像中第1个场景图像的对焦值为FV_infc，所述连续M个场景图像中第1个场景图像的梯度直方图为HIST_infc，其中，M大于等于3；根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref或梯度直方图波动参数HIST_diff_ref；重新获取连续N个场景图像的图像属性信息，所述连续N个场景图像的图像属性信息包括FV或HIST，其中，N大于0；根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，或者，根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化。2.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref，包括：对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的FV与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值进行求和，再将求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的对焦值波动参数FV_diff_ref。3.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像的图像属性信息，按照预设算法，计算获得所述连续M个场景图像中除第1个场景图像以外的场景图像的梯度直方图波动参数HIST_diff_ref，包括：对所述连续M个场景图像中除第1个场景图像以外的每一个场景图像的HIST与所述连续M个场景图像中第1个场景图像的HIST_infc之差的绝对值进行求和，再将所述求和后的值除以M-1，计算获得所述连续M个场景图像中除第1个场景图像以外的梯度直方图波动参数HIST_diff_ref。4.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像中第1个场景图像的对焦值FV_infc、所述FV_diff_ref以及所述连续N个场景图像的FV，按照第一预设规则，确定场景是否发生变化，包括：获取系数K1，K1大于0；若所述连续N个场景图像的每一个场景图像的FV分别与所述连续M个场景图像中第1个场景图像的FV_infc之差的绝对值都大于所述FV_diff_ref的K1倍，则确定场景发生变化。5.根据权利要求1所述的场景变化检测方法，其特征在于，所述根据所述连续M个场景图像中第1个场景图像的梯度直方图HIST_infc、所述HIST_diff_ref以及所述连续N个场景图像的HIST，按照第二预设规则，确定场景是否发生变化，包括：获取所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数门限值L，L大于0小于所述连续N个场景图像的每一个场景图像的HIST的总分组数；获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，若所述连续N个场景图像的每一个场景图像的HIST发生变化的分组数都大于L，则确定场景发生变化。6.根据权利要求5所述的场景变化检测方法，其特征在于，所述获取所述连续N个场景图像的其中一个场景图像的HIST发生变化的分组数，包括：获取所述连续N个场景图像的其中一个场景图像的HIST；获取所述连续N个场景图像的其中一个场景图像的HIST的第i分组，其中，i大于0小于所述连续N个场景图像的其中一个场景图像的HIST的总分组数；获取系数K2，K2大于0；若所述连续N个场景图像的其中一个场景图像的HIST的第i分组与所述连续M个场景图像中第1个场景...

【专利技术属性】
技术研发人员：林少伟，李水平，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：