CN108596169B - 基于视频流图像的分块信号转换与目标检测方法及装置 - Google Patents

Abstract

本发明公开一种基于视频流图像的分块信号转换与目标检测方法及装置，将视频图像进行网格分块，对分块后的二维子图像，利用分块区域内所有像素值的方差值，表示该区域在视频监控时刻的信号波动值，完成二维图像到一维信号的数据降维度处理。对于整体视频图像，转化为若干个一维信号波形进行检测，对于图像各区域的分块子图像，得到相对应的一维信号数据，从而通过实时波形的方法显示，利用数字信号处理中平滑滤波的方法降噪处理，排除子区域中背景的微弱变化，当前景目标或异常状况出现时，一维信号出现强烈的波动变化，可以明显的判断出视频流当中存在的异常波动，实现对视频检测区域中前景目标出现与否的判断。

Description

基于视频流图像的分块信号转换与目标检测方法及装置

技术领域

本发明涉及视频图像处理技术领域，具体涉及一种基于视频流图像的分块信号转换与目标检测方法及装置。

背景技术

随着信息时代计算机视觉技术的快速发展，人类生产生活等领域，视频图像采集与处理的应用呈现爆发式增长状态，从空天卫星遥感影像，到地面无人驾驶在一般的视频监控中，前景目标的检测方法是以背景图像为基础，通过全局图像做差分计算，利用多种滤波方法滤除背景噪音，实现对感兴趣目标的判断。或者利用视频图像的二维光流场计算方法，通过运动物体的速度特性进行检测。或者利用基于图像识别、目标分类、深度学***台的抖动、自然场景中树叶的晃动等情况，需要采用背景更新、图像去抖动、样本图像学习、深度神经网络等算法，通过大数据量运算完成。此类方法计算量大，实时检测中需要对图像全局像素点进行处理，数据计算过程复杂，实时图像处理中对每帧图像的计算量大，在线监测的时效性不高。

比如，王洋等提出一种对于铁路施工处异物侵限的检测报警***(王洋.京沪高速铁路跨越或并行既有铁路施工异物侵限报警技术研究[D]. 北京:北京交通大学,2010)。***在铁路施工现场以不同角度安装二维激光传感器形成激光光幕，能够检测到不同方向的异物侵限。作者提出了基于最小二乘法原理的异物识别算法，根据侵入物体的外轮廓直线特征参数以及运动情况进行异物识别，区分正常行驶的列车与侵限异物。另一方面，***包含基于ZigBee与GPRS的无线网络，实现对现场设备的远程配置以及对报警结果的远程访问。该方法利用二维激光扫描传感器，利用扫描区域点云距离的方式，对监测区域内的前景目标和异物入侵，进行实施的检测和报警，其不具有视频回放的功能，且检测区域较小。并且单个二维激光扫描传感器只是检测一个扇面区域的异物情况，如果对一个空间区域进行监测，需要多个二维激光扫描传感器拼成一个立体区域，所以成本较高。

又如，中南大学的习可等提出基于智能视频技术的铁路入侵检测方法(习可.基于智能视频技术的铁路入侵检测[D].长沙:中南大学, 2010.)，以及北京交通大学杨柳旭等，提出列车远程瞭望***关键算法(杨柳旭.列车远程瞭望***关键算法研究[D].北京：北京交通大学，2016)。此类基于视频图像处理技术的目标检测与异物入侵方法，大部分基于传统的图像处理算法，通过图像差分或背景图像建模等方法，进行前景目标的检测。这些***的入侵检测算法分为预处理、背景提取、重点监控区域自动提取、运动目标检测、运动物体入侵检测和模板匹配等多个步骤。预处理包括镜头畸变校正、图像增强以及防抖动处理。背景提取基于优化的数学模型实现，运动目标检测包括目标特征提取与运动目标跟踪。最终，可以实现监测区域内目标的检测，以及关键视频图像的提取。上述方法主要利用传统图像处理视频处理的方式，对视频流中每帧图像进行较多个步骤的图像处理，数据量大、计算量大、实时视频处理的实效性不好。此类技术需要建立动态背景模型，针对光照变化的情况，进行动态背景更新，然后通过图像差分或其他特征提取方法，检测前景目标，所以此技术对外界的环境变化比较敏感，容易产生较多的噪声干扰，影响检测精度。因此亟需一种新的技术方案来解决现有技术中存在的问题。

发明内容

本发明的目的在于提供一种基于视频流图像的分块信号转换与目标检测方法及装置，将视频图像进行网格分块，对分块后的二维子图像，利用分块区域内所有像素值的方差值，表示该区域在视频监控时刻的信号波动值，完成二维图像到一维信号的数据降维度处理。本发明利用局部图像像素值的方差，表示本区域中视频图像数据的整体变化情况。对于整体视频图像，可以转化为若干个一维信号波形进行检测。对于图像各区域的分块子图像，得到相对应的一维信号数据，从而通过实时波形的方法显示，利用数字信号处理中平滑滤波的方法降噪处理，排除子区域中背景的微弱变化，当前景目标或异常状况出现时，一维信号出现强烈的波动变化，可以明显的判断出视频流当中存在的异常波动，实现对视频检测区域中前景目标出现与否的判断。

为实现上述目的，本发明的技术方案为：基于视频流图像的分块信号转换与目标检测方法，所述方法包括：

视频数据采集：利用视频图像数据采集设备采集并保存监控区域的视频流图像数据；

全局视频处理：对视频流图像进行灰度化处理，对灰度化处理后的视频流图像进行全局降采样；

局部信号转换：将视频流全局图像进行视频区域分割形成子区域，对子区域进行区域均值滤波，计算视频流图像子区域的方差；

一维信号处理：将子区域图像的方差值，按照时间的推移绘制成波形，进行信号均值滤波，计算一维信号波形的差值，获得背景图像的参考值实现前景目标视频图像检测。

如上所述的基于视频流图像的分块信号转换与目标检测方法，所述全局视频处理方法包括：

视频流图像预处理，将监控相机安装于固定平台，利用计算机接收摄像头实时采集的视频图像，定义为I(x,y,t)，其中I(x,y)表示每一帧图像的数据，I(x,y,t)即为时间t时刻对应的视频流图像，其图像宽度为W、图像高度为H；

图像灰度化处理，对监控相机所采集的三通道RGB彩色数字图像转为单通道的8位灰度图像，即像素灰度值在0-255之间，记为：B(x,y,t)；

视频图像全局降采样，对全局图像进行降维度、降采样计算，图像宽度方向、高度方向相同的比例缩放系数为w,h，新的降采样图像为L(x,y,t)，新的降采样图像长度和高度为M、N，满足公式：

M＝W/w,N＝H/h

对降采样后图像进行一次高斯模糊处理，完成初次图像滤波，得到图像G(x,y,t)，新图像G(x,y,t)中的像素灰度值与前期降采样图像L(x,y,t)，满足公式：

如上所述的基于视频流图像的分块信号转换与目标检测方法，所述局部信号转换方法包括：

对高斯模糊处理后得到图像G(x,y,t)，采用区域网格划分方法，将全局图像G(x,y,t)分割成尺寸大小相同的小窗口，定义图像分割系数为k，将全局图像划分为k×k个子区域R_n(x,y,t)，其中n＝1,2,...,k×k，局部图像的尺寸为W_n,H_n，局部图像的尺寸为W_n,H_n；

对于网格分块后的子区域R_n(x,y,t)，采用j×j的均值滤波模板，对子区域图像进行噪声滤除和平滑处理，以f(x,y,t)为在子区域图像R_n(x,y,t) 中移动平滑处理的窗口模板，得到子区域滤波后的图像F_n(x,y,t)：

计算图像子区域内所有像素在时刻t的平均值Ave_n(t)：

利用子区域图像所有像素点灰度值与平均值，计算t时刻的方差D_n(t)：

如上所述的基于视频流图像的分块信号转换与目标检测方法，所述一维信号处理过程中：

进行信号均值滤波处理，获取视频图像按照网格分块信号化的一维信号

其中λ_n取值为3至10以内奇数；

通过公式Sa_n(t)＝|S_n(t)-S_n(t-1)|计算一维信号波形的差值；

通过公式

获得背景图像的参考值，Sa_n(t)为当前t时刻的信号值，当大于α倍T_n的阈值时，判断为前景目标在视频监控区域内出现，视频图像生成数据储存的自动触发开关trigger_n ， 满足公式

后，对当前场景进行自动的图像采集，保存前景目标出现时的重要视频图像。

本发明还提供一种基于视频流图像的分块信号转换与目标检测装置，所述装置包括：

视频数据采集单元，利用视频图像数据采集设备采集并保存监控区域的视频流图像数据；

上述的视频图像数据采集设备包括：摄像头，用于视频采集；计算机：用于采集与存储视频图像数据，并执行本发明所设计的算法；显示器：用于视频图像与检测结果的存储与展示；

全局视频处理单元，用于对视频流图像进行灰度化处理，对灰度化处理后的视频流图像进行全局降采样；

局部信号转换单元，用于将视频流全局图像进行视频区域分割形成子区域，对子区域进行区域均值滤波，计算视频流图像子区域的方差；

一维信号处理单元，用于将子区域图像的方差值，按照时间的推移绘制成波形，进行信号均值滤波，计算一维信号波形的差值，获得背景图像的参考值实现前景目标视频图像检测。

如上所述的基于视频流图像的分块信号转换与目标检测装置，所述全局视频处理单元包括全局降采样模块，所述全局降采样模块用于对视频图像全局降采样，全局降采样满足公式：

M＝W/w,N＝H/h

上式中，图像宽度方向、高度方向相同的比例缩放系数为w,h，图像宽度为W、图像高度为H，新的降采样图像长度和高度为M、N。

如上所述的基于视频流图像的分块信号转换与目标检测装置，所述局部信号转换单元包括视频区域分割模块，所述视频区域分割模块用于将全局视频图像分割成若干子区域，定义图像分割系数为k，则全局视频图像通过视频区域分割模块划分为k×k个子区域局部图像R_n(x,y,t)。

如上所述的基于视频流图像的分块信号转换与目标检测装置，所述局部信号转换单元包括区域均值滤波模块，所述区域均值滤波模块用于对子区域进行区域均值滤波，区域均值滤波公式为

j×j代表均值滤波模板，F_n(x,y,t)代表子区域滤波图像。

如上所述的基于视频流图像的分块信号转换与目标检测装置，所述一维信号处理单元包括前景目标检测模块，前景目标检测模块用于获得背景图像的参考值实现前景目标视频图像检测，通过公式

获得背景图像的参考值，Sa_n(t)为当前t时刻的信号值，当大于α倍T_n的阈值时，判断为前景目标在视频监控区域内出现，视频图像生成数据储存的自动触发开关trigger_n，满足公式

后，对当前场景进行自动的图像采集，保存前景目标出现时的重要视频图像。

本发明具有如下优点：本发明将摄像头监控的全局视频图像区域，划分为多个子区域，将子区域窗口的二维图像转换为一维信号波形，可以简化实时图像处理的数据量，提高视频帧的检测速度；本发明将全局视频图像，划分成子区域窗口，进行局部处理，这种视频流图像的分块化处理方式，可以为后续的多块子图像的并行处理，提供基础，可利用GPU对子图像进行并行处理，显著降低视频流图像的处理时间；本发明针对视频监控区域的图像数据，利用子区域像素值的均值和方差，将图像数据转化为信号波形，通过区域内像素值的波动幅度，判断其中是否出现了前景目标，可以消除传统图像处理中，帧差法或背景图像差值法引起的大量噪声干扰；本发明将二维图像转为一维信号的方法，对背景图像中光照、微小运动、相机平台抖动引起的明显噪点，具有较好的平滑作用，比传统图像处理方法更加简单；本发明利用信号处理的概念和方法，对视频流图像进行了分块信号化处理，并对其对应的波形进行了前景目标的触发判断，可以自动检测目标发生的时间，并自动提取和保存目标出现时的视频流图像，可用于数据回放。

附图说明

图1为基于视频流图像的分块信号转换与目标检测方法示意图；

图2为基于视频流图像的分块信号转换与目标检测方法高速周期机械运动的示意图；

图3为基于视频流图像的分块信号转换与目标检测方法视频区域分割示意图；

图4为基于视频流图像的分块信号转换与目标检测方法视频图像子区域均值波形示意图；

图5为基于视频流图像的分块信号转换与目标检测方法视频图像子区域方差波形

图6为基于视频流图像的分块信号转换与目标检测方法视频图像子区域邻域差值波形；

图7为基于视频流图像的分块信号转换与目标检测方法视频图像分块区域内的前景目标图像示意图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1和图2所示，基于视频流图像的分块信号转换与目标检测方法，方法包括：

视频数据采集：利用视频图像数据采集设备采集并保存监控区域的视频流图像数据；

全局视频处理：对视频流图像进行灰度化处理，对灰度化处理后的视频流图像进行全局降采样；

局部信号转换：将视频流全局图像进行视频区域分割形成子区域，对子区域进行区域均值滤波，计算视频流图像子区域的方差；

一维信号处理：将子区域图像的方差值，按照时间的推移绘制成波形，进行信号均值滤波，计算一维信号波形的差值，获得背景图像的参考值实现前景目标视频图像检测。

基于视频流图像的分块信号转换与目标检测方法的一个实施例中，全局视频处理方法包括：

视频流图像预处理，将监控相机安装于固定平台，利用计算机接收摄像头实时采集的视频图像，定义为I(x,y,t)，其中I(x,y)表示每一帧图像的数据，I(x,y,t)即为时间t时刻对应的视频流图像，其图像宽度为W、图像高度为H；

图像灰度化处理，对监控相机所采集的三通道RGB彩色数字图像转为单通道的8位灰度图像，即像素灰度值在0-255之间，记为：B(x,y,t)；

对于视频监控采集的图像，具有较高的分辨率，即包含大量像素点参与计算。在实时图像处理中，本发明利用子区域内像素值的整体变化来计算，所以首先对全局图像进行降维度、降采样计算。由于像素值为整数值，所以设定图像宽度方向、高度方向相同的比例缩放系数为w,h，则新的降采样图像为L(x,y,t)，其图像长度和高度为M、N，满足视频图像全局降采样，对全局图像进行降维度、降采样计算，图像宽度方向、高度方向相同的比例缩放系数为w,h，新的降采样图像为L(x,y,t)，新的降采样图像长度和高度为M、N，满足公式：

M＝W/w,N＝H/h

其中，图像长度M和高度N为整数，即表示W和H可以分别被w 和h整除。之后，对降采样后图像进行一次高斯模糊处理，完成初次图像滤波，得到图像G(x,y,t)，降低背景噪声干扰，其中新图像中的像素灰度值与前期降采样图像L(x,y,t)，对降采样后图像进行一次高斯模糊处理，完成初次图像滤波，得到图像G(x,y,t)，新图像G(x,y,t)中的像素灰度值与前期降采样图像L(x,y,t)，满足公式：

基于视频流图像的分块信号转换与目标检测方法的一个实施例中，局部信号转换方法包括：

再次参见图1，对高斯模糊处理后得到图像G(x,y,t)，采用区域网格划分方法，将全局图像G(x,y,t)分割成尺寸大小相同的小窗口，定义图像分割系数为k，将全局图像划分为k×k个子区域R_n(x,y,t)，其中n＝1,2,...,k×k，局部图像的尺寸为W_n,H_n，局部图像的尺寸为W_n,H_n；参见图3所示为将全局视频图像，按照本发明分成2×2的网格窗口的效果。

参见图4，为利用本发明对图3所示视频图像，进行处理的波形。可以看出，子窗口背景有树木、草地、植被和光照变化等动态背景，其均值波形在前景目标出现前，有窄幅波动；但当前景目标出现时，其出现较明显的波动。对于网格分块后的子区域R_n(x,y,t)，采用j×j的均值滤波模板，对子区域图像进行噪声滤除和平滑处理，以f(x,y,t)为在子区域图像R_n(x,y,t)中移动平滑处理的窗口模板，得到子区域滤波后的图像 F_n(x,y,t)：

计算图像子区域内所有像素在时刻t的平均值Ave_n(t)：

利用子区域图像所有像素点灰度值与平均值，计算t时刻的方差D_n(t)：

参见图5，由此方法，视频流图像数据按照网格分块处理，通过方差值计算，将子窗口区域的二维图像转化为一维信号，表示监控视频在t 时刻，此区域的像素值波动情况。方差值表示区域内像素值的能量波动，比均值波形更能明显的表示目标出现时刻的波动。

基于视频流图像的分块信号转换与目标检测方法的一个实施例中，一维信号处理过程中：

对于视频图像按照网格分块信号化的一维信号D_n(t)，由于实际检测中噪音的出现，造成相邻时刻较大的一阶导数偏差，影响前景目标的正常判断。本发明实施例中利用λ_n＝3的三邻域均值滤波，一定程度的降低噪声影响，其中λ可以选择大于等于3的奇数，但是邻域均值滤波的范围越大，则导致信号波形过于平滑，而降低对前景目标的判断，一般λ_n取值为3至10以内奇数；之后进行信号均值滤波处理，获取视频图像按照网格分块信号化的一维信号

通过公式Sa_n(t)＝|S_n(t)-S_n(t-1)|计算一维信号波形的差值；通过视频图像子区域的方差计算得到的一维波形，滤波后可以平滑少量噪声干扰，得到对应窗口的动态波形。当没有前景目标出现时，动态波形只有微弱的变化；当前景目标出现时，波形会产生较大的波动。

一维信号相邻数据的差值波形中，当前景目标出现时，产生较大的阶跃信号，如图6所示，对于出现这种大幅波动的信号，可以判断其已经超过背景微小噪声干扰的波动范围，即定义为前景目标的出现。本发明实施例中定义τ_n＝10帧视频图像对应的信号波形均值，通过公式

获得背景图像的参考值T_n，Sa_n(t)为当前t时刻的信号值，当大于α倍T_n的阈值时，判断为前景目标在视频监控区域内出现，视频图像生成数据储存的自动触发开关trigger_n，满足公式

后，对当前场景进行自动的图像采集，保存前景目标出现时的重要视频图像。

此刻，视频图像生成数据储存的自动触发开关trigger_n，对当前场景进行自动的图像采集，即可以保存前景目标出现时的重要视频图像。图7 所示为利用本发明所检测，并保存的前景目标视频图像示例，其中窗口2 和窗口4为整体监控区域的子图像，对应图3中对应的网格划分区域。对应子区域的一维信号波形，再次参考图4、图5和图6具有明显的信号波动，按照本发明的方法，可以准确检测并保存前景目标出现时的图像。

本发明还提供一种基于视频流图像的分块信号转换与目标检测装置，装置包括：

视频数据采集单元，利用视频图像数据采集设备采集并保存监控区域的视频流图像数据；其中，视频图像数据采集设备包括：摄像头，用于视频采集；计算机：用于采集与存储视频图像数据，并执行本发明所设计的算法；显示器：用于视频图像与检测结果的存储与展示；

全局视频处理单元，用于对视频流图像进行灰度化处理，对灰度化处理后的视频流图像进行全局降采样；

局部信号转换单元，用于将视频流全局图像进行视频区域分割形成子区域，对子区域进行区域均值滤波，计算视频流图像子区域的方差；

一维信号处理单元，用于将子区域图像的方差值，按照时间的推移绘制成波形，进行信号均值滤波，计算一维信号波形的差值，获得背景图像的参考值实现前景目标视频图像检测。

如上的基于视频流图像的分块信号转换与目标检测装置，全局视频处理单元包括全局降采样模块，全局降采样模块用于对视频图像全局降采样，全局降采样满足公式：

M＝W/w,N＝H/h

上式中，图像宽度方向、高度方向相同的比例缩放系数为w,h，图像宽度为W、图像高度为H，新的降采样图像长度和高度为M、N。

基于视频流图像的分块信号转换与目标检测装置的一个实施例中，局部信号转换单元包括视频区域分割模块，视频区域分割模块用于将全局视频图像分割成若干子区域，定义图像分割系数为k，则全局视频图像通过视频区域分割模块划分为k×k个子区域局部图像R_n(x,y,t)。

基于视频流图像的分块信号转换与目标检测装置的一个实施例中，局部信号转换单元包括区域均值滤波模块，区域均值滤波模块用于对子区域进行区域均值滤波，区域均值滤波公式为

j×j代表均值滤波模板，F_n(x,y,t)代表子区域滤波图像。

基于视频流图像的分块信号转换与目标检测装置的一个实施例中，一维信号处理单元包括前景目标检测模块，前景目标检测模块用于获得背景图像的参考值实现前景目标视频图像检测，通过公式

获得背景图像的参考值，Sa_n(t)为当前t时刻的信号值，当大于α倍T_n的阈值时，判断为前景目标在视频监控区域内出现，视频图像生成数据储存的自动触发开关trigger_n，满足公式

后，对当前场景进行自动的图像采集，保存前景目标出现时的重要视频图像。

本发明将摄像头监控的全局视频图像区域，划分为多个子区域，将子区域窗口的二维图像转换为一维信号波形，可以简化实时图像处理的数据量，提高视频帧的检测速度；本发明将全局视频图像，划分成子区域窗口，进行局部处理，这种视频流图像的分块化处理方式，可以为后续的多块子图像的并行处理，提供基础，可利用GPU对子图像进行并行处理，显著降低视频流图像的处理时间；本发明针对视频监控区域的图像数据，利用子区域像素值的均值和方差，将图像数据转化为信号波形，通过区域内像素值的波动幅度，判断其中是否出现了前景目标，可以消除传统图像处理中，帧差法或背景图像差值法引起的大量噪声干扰；本发明将二维图像转为一维信号的方法，对背景图像中光照、微小运动、相机平台抖动引起的明显噪点，具有较好的平滑作用，比传统图像处理方法更加简单；本发明利用信号处理的概念和方法，对视频流图像进行了分块信号化处理，并对其对应的波形进行了前景目标的触发判断，可以自动检测目标发生的时间，并自动提取和保存目标出现时的视频流图像，可用于数据回放。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (9)

1.基于视频流图像的分块信号转换与目标检测方法，其特征在于，所述方法包括：

视频数据采集：利用视频图像数据采集设备采集并保存监控区域的视频流图像数据；

全局视频处理：对视频流图像进行灰度化处理，对灰度化处理后的视频流图像进行全局降采样；

局部信号转换：将视频流全局图像进行视频区域分割形成子区域，对子区域进行区域均值滤波，计算视频流图像子区域的方差；

一维信号处理：将子区域图像的方差值，按照时间的推移绘制成波形，进行信号均值滤波，计算一维信号波形的差值，获得背景图像的参考值实现前景目标视频图像检测。

2.根据权利要求1所述的基于视频流图像的分块信号转换与目标检测方法，其特征在于，所述全局视频处理方法包括：

视频流图像预处理，将监控相机安装于固定平台，利用计算机接收摄像头实时采集的视频图像，定义为I(x,y,t)，其中I(x,y)表示每一帧图像的数据，I(x,y,t)即为时间t时刻对应的视频流图像，其图像宽度为W、图像高度为H；

图像灰度化处理，对监控相机所采集的三通道RGB彩色数字图像转为单通道的8位灰度图像，即像素灰度值在0-255之间，记为：B(x,y,t)；

视频图像全局降采样，对全局图像进行降维度、降采样计算，图像宽度方向、高度方向相同的比例缩放系数为w,h，新的降采样图像为L(x,y,t)，新的降采样图像长度和高度为M、N，满足公式：

M＝W/w,N＝H/h

对降采样后图像进行一次高斯模糊处理，完成初次图像滤波，得到图像G(x,y,t)，新图像G(x,y,t)中的像素灰度值与前期降采样图像L(x,y,t)，满足公式：

3.根据权利要求1所述的基于视频流图像的分块信号转换与目标检测方法，其特征在于，所述局部信号转换方法包括：

对高斯模糊处理后得到图像G(x,y,t)，采用区域网格划分方法，将全局图像G(x,y,t)分割成尺寸大小相同的小窗口，定义图像分割系数为k，将全局图像划分为k×k个子区域R_n(x,y,t)，其中n＝1,2,...,k×k，局部图像的尺寸为W_n,H_n；

对于网格分块后的子区域R_n(x,y,t)，采用j×j的均值滤波模板，对子区域图像进行噪声滤除和平滑处理，以f(x,y,t)为在子区域图像R_n(x,y,t)中移动平滑处理的窗口模板，得到子区域滤波后的图像F_n(x,y,t)：

计算图像子区域内所有像素在时刻t的平均值Ave_n(t)：

利用子区域图像所有像素点灰度值与平均值，计算t时刻的方差D_n(t)：

4.根据权利要求1所述的基于视频流图像的分块信号转换与目标检测方法，其特征在于，所述一维信号处理过程中：

进行信号均值滤波处理，获取视频图像按照网格分块信号化的一维信号

其中λ_n取值为3至10以内奇数；

通过公式Sa_n(t)＝|S_n(t)-S_n(t-1)|计算一维信号波形的差值；

通过公式

获得背景图像的参考值，Sa_n(t)为当前t时刻的信号值，当大于α倍T_n的阈值时，判断为前景目标在视频监控区域内出现，视频图像生成数据储存的自动触发开关trigger _n，满足公式

后，对当前场景进行自动的图像采集，保存前景目标出现时的重要视频图像。

5.基于视频流图像的分块信号转换与目标检测装置，其特征在于，所述装置包括：

视频数据采集单元，利用视频图像数据采集设备采集并保存监控区域的视频流图像数据；所述视频图像数据采集设备包括：摄像头，用于视频采集；计算机：用于采集与存储视频图像数据并执行算法；显示器：用于视频图像与检测结果的存储与展示；

全局视频处理单元，用于对视频流图像进行灰度化处理，对灰度化处理后的视频流图像进行全局降采样；

局部信号转换单元，用于将视频流全局图像进行视频区域分割形成子区域，对子区域进行区域均值滤波，计算视频流图像子区域的方差；

一维信号处理单元，用于将子区域图像的方差值，按照时间的推移绘制成波形，进行信号均值滤波，计算一维信号波形的差值，获得背景图像的参考值实现前景目标视频图像检测。

6.根据权利要求5所述的基于视频流图像的分块信号转换与目标检测装置，其特征在于，所述全局视频处理单元包括全局降采样模块，所述全局降采样模块用于对视频图像全局降采样，全局降采样满足公式：

M＝W/w,N＝H/h

上式中，图像宽度方向、高度方向相同的比例缩放系数为w,h，图像宽度为W、图像高度为H，新的降采样图像长度和高度为M、N。

7.根据权利要求5所述的基于视频流图像的分块信号转换与目标检测装置，其特征在于，所述局部信号转换单元包括视频区域分割模块，所述视频区域分割模块用于将全局视频图像分割成若干子区域，定义图像分割系数为k，则全局视频图像通过视频区域分割模块划分为k×k个子区域局部图像R_n(x,y,t)。

8.根据权利要求5所述的基于视频流图像的分块信号转换与目标检测装置，其特征在于，所述局部信号转换单元包括区域均值滤波模块，所述区域均值滤波模块用于对子区域进行区域均值滤波，区域均值滤波公式为

j×j代表均值滤波模板，F_n(x,y,t)代表子区域滤波图像。

9.根据权利要求5所述的基于视频流图像的分块信号转换与目标检测装置，其特征在于，所述一维信号处理单元包括前景目标检测模块，前景目标检测模块用于获得背景图像的参考值实现前景目标视频图像检测，通过公式

获得背景图像的参考值，Sa_n(t)为当前t时刻的信号值，当大于α倍T_n的阈值时，判断为前景目标在视频监控区域内出现，视频图像生成数据储存的自动触发开关trigger _n，满足公式

后，对当前场景进行自动的图像采集，保存前景目标出现时的重要视频图像。

Images