)。首先，在第一 幀中確定于空間邊緣對(duì)應(yīng)的光線強(qiáng)度I(x，y) (S310)。當(dāng)定位多個(gè)空間邊緣時(shí)，可以確定每 個(gè)邊緣的光線強(qiáng)度。確定了每個(gè)幀的光線強(qiáng)度I(x，y)之后，確定幀的X處的空間邊緣圖像
[0093] 在下一個(gè)操作中，基于光線強(qiáng)度，X和y處的空間邊緣圖像和移動(dòng)平均線生成空間 邊緣圖像Gt (x，y)，舉例來說，所述移動(dòng)平均線對(duì)應(yīng)于背景邊緣圖像（S340)。這些操作繼續(xù)， 直到為時(shí)間周期At(多個(gè)幀）生成了可以表示為對(duì)應(yīng)梯度Gt (x，y)圖像的時(shí)空梯度。
[0094] 在獲得梯度Gt(x，y)圖像（或差異圖像）之后，可以基于相對(duì)于選定值的一個(gè)或 多個(gè)閾值對(duì)圖像進(jìn)行量化（S360)，從而獲得具有有意義邊緣的二進(jìn)制圖像?？梢曰诘仁?(2)執(zhí)行量化：
[0095]如果Gt> T，則G' t(x, y)=1，否則等于0 (2)
[0096] 該量化過程的更詳細(xì)描述可以基于等式（3)執(zhí)行，其中VE.對(duì)應(yīng)于梯度圖像在時(shí) 間t和t_l之間的差異。
[0097]
[0098] 在上述等式中，時(shí)間t_l可以對(duì)應(yīng)于在與時(shí)間t對(duì)應(yīng)的幀之前發(fā)生的幀。該幀可 以是與時(shí)間t對(duì)應(yīng)的幀之前的相鄰幀，或者在與時(shí)間t和t_l對(duì)應(yīng)的幀之間可以存在一個(gè) 或多個(gè)中間幀
[0099] 此外，在等式（3)中，符號(hào)B(x，y，t_l)對(duì)應(yīng)于時(shí)間t-1上空間邊緣的梯度，符號(hào) E(x，y，t)對(duì)應(yīng)于時(shí)間t上空間邊緣的梯度。因此，VE表示一個(gè)梯度，該梯度表明該空間邊 緣在相應(yīng)幀中的差異，舉例來說，所述差異可以作為空間邊緣在這些幀之間的移動(dòng)的結(jié)果 而生成?？臻g邊緣可以對(duì)應(yīng)于nXn個(gè)像素，所述像素包括之前定位的空間邊緣。
[0100] 考慮等式（3)，如果空間邊緣E和B之間不存在差異（或者至少該空間邊緣的差異 低于閾值），則梯度圖像E量化為值0。如果這些空間邊緣之間存在差異，則梯度圖像VE 量化為值1。如果空間圖像不在于時(shí)間t和t-1對(duì)應(yīng)的幀中出現(xiàn)，則梯度圖像量化為值2。[0101]返回至圖2,在下一個(gè)操作中，根據(jù)時(shí)空梯度生成多個(gè)運(yùn)動(dòng)模糊圖像（S240)。更具 體地，如等式（4)和（5)所示，可以通過結(jié)合每個(gè)幀中的各個(gè)量化梯度圖像和k個(gè)之前幀的 單調(diào)衰減的權(quán)重Wk來生成運(yùn)動(dòng)模糊圖像：
[0103]wk=ff-k+1,I^k^K,ff^K(5)
[0104] 在等式⑷中，執(zhí)行"加權(quán)邏輯0R"，其中如果G' tk= 1或0,則結(jié)果不是0或1， 而是Wk。如果一個(gè)以上G'tk等于1，則選擇與最長(zhǎng)衰減邊緣對(duì)應(yīng)的最小值權(quán)重）。因此， 根據(jù)一個(gè)實(shí)施方式，運(yùn)動(dòng)模糊圖像包括當(dāng)前幀中的空間邊緣的高位值，和對(duì)于K個(gè)幀而言， 之前的一個(gè)幀減去1，以此類推。該圖像看起來像對(duì)象的邊緣的單個(gè)快照，該對(duì)象的移動(dòng)引 起模糊。
[0105] 在下一個(gè)操作中，對(duì)運(yùn)動(dòng)模糊圖像執(zhí)行回歸分析，從而確定對(duì)象在N個(gè)幀中的運(yùn) 動(dòng)方向信息（S250)。更具體地，對(duì)于為每個(gè)運(yùn)動(dòng)模糊結(jié)果做出貢獻(xiàn)的每個(gè)幀周期（K個(gè)幀）， 在X和y處對(duì)平均運(yùn)動(dòng)模糊位置應(yīng)用線性回歸擬合，在每個(gè)運(yùn)動(dòng)模糊幀的（x，y)位置周圍 具有WXW個(gè)窗口。
[0106]根據(jù)擬合的斜率，PdPPy，可以根據(jù)以下等式計(jì)算運(yùn)動(dòng)方向0:
[0109] 0 (x,y,t) =arctan(py/px) (8)
[0110] 在以上等式中，在幀時(shí)間t上，并且針對(duì)每個(gè)幀延遲的I<k<K的平均運(yùn)動(dòng)模糊 位置在WXW大小的窗口中被發(fā)現(xiàn)，-w/2；^ (i，j) ；^w/2:

[0119] 運(yùn)動(dòng)模糊圖像的回歸擬合可以允許本實(shí)施方式基于比兩個(gè)相鄰幀更多的幀生成 高級(jí)運(yùn)動(dòng)特征，但是也可以執(zhí)行兩個(gè)幀的實(shí)施方式。運(yùn)動(dòng)模糊圖像的回歸擬合可以允許本 實(shí)施方式基于比兩個(gè)相鄰幀更多的幀生成高級(jí)運(yùn)動(dòng)特征，但是也可以執(zhí)行兩個(gè)幀的實(shí)施方 式。
[0120] 邊緣紋理轉(zhuǎn)換。方法的前述階段可以通過以下方式修改或補(bǔ)充:根據(jù)視頻幀中的 空間邊緣生成紋理。下面描述應(yīng)用于走廊的示例。
[0121] 參考圖4,從走廊中的相機(jī)接收視頻幀410。視頻幀410包括多個(gè)隨時(shí)間（幀）而 移動(dòng)的多個(gè)空間邊緣。在這種情況下，空間邊緣與走廊中向不同方向走的人相關(guān)。視頻幀 410中的空間邊緣可以被描述為邊緣紋理T(t) 420,邊緣紋理T(t) 420隨時(shí)間在不同幀中移 動(dòng)。因此，可以說邊緣紋理或空間邊緣具有不同空間和時(shí)間特征。
[0122] 可以根據(jù)以下等式，通過將空間邊緣轉(zhuǎn)換為紋理CM而生成邊緣紋理：
[0124] 其中w/2 <i，j<w/2,并且M= {0, 1，2}。在該等式中，可以為wXw個(gè)窗口上 的梯度邊緣的差異求和。
[0125] -旦定位幀中的紋理（空間邊緣）之后，確定移動(dòng)平均線。移動(dòng)平均線可以對(duì)應(yīng) 于-舉例來說-背景圖像，該背景圖像是根據(jù)在時(shí)間t針對(duì)視頻幀410和在時(shí)間t-1針對(duì) 前一幀420獲得的邊緣紋理T(t)的差異得到的。例如，背景圖像可以對(duì)應(yīng)于幀的在時(shí)間t 和t-1之間不移動(dòng)的部分。背景圖像可以被認(rèn)為是對(duì)應(yīng)于移動(dòng)平均線430。
[0126] 邊緣紋理T(t)和移動(dòng)平均線（背景圖像）可以表達(dá)為梯度圖像450中的梯度。在 該梯度圖像中，邊緣紋理T(t)被顯示為由與時(shí)間t上的空間邊緣對(duì)應(yīng)的線ET表示的明亮 部分。移動(dòng)平均線被顯示為圖像450的由線MA表示的較暗部分。
[0127] 一旦生成了梯度圖像，取邊緣紋理T(t)和移動(dòng)平均線之間的差異以產(chǎn)生紋理差 異D(t) 460。與D(t)對(duì)應(yīng)的差異圖像470可以對(duì)應(yīng)于在時(shí)間t疊加在輸入視頻幀上的邊緣 紋理T(t)。邊緣紋理可以在差異圖像中顯示，舉例來說，以不同顏色顯示。
[0128] 邊緣紋理的差異可以被量化，其中值0表示沒有紋理，值1表示相對(duì)于之前幀的相 同紋理，值2表示不同的或新的紋理，值3表示由于-舉例來說-低可信度而出現(xiàn)的未決情 況。邊緣紋理差異的量化可以_舉例來說-根據(jù)以下等式基于統(tǒng)計(jì)平均和可信度而被執(zhí) 行：
[0129]如果CO(x，y，t) <w2/T2,則vT(XU)=O (16)
[0130]如果、則Cl (X，y，t) > w2/T3，并且Cl (X，y，t) > 2C2 (X，y，t)， ▽:T(x，y，t)=l
[0131] 如果VT(W)美0,則C2 (x，y，t) >w2/T3,并且C2 (x，y，t) > 2C1 (x，y，t)， ^T(x,y,t)=2
[0132] 否則VT(XAt)=S
[0133] 場(chǎng)景活動(dòng)向量
[0134] 參考圖2,方法的第二階段包括基于運(yùn)動(dòng)方向信息生成N個(gè)幀的場(chǎng)景活動(dòng)向量 (S260)。更具體地，一旦確定了每個(gè)與空間邊緣對(duì)應(yīng)的位置上的運(yùn)動(dòng)方向信息，對(duì)于每個(gè) 幀，將特征組織為場(chǎng)景活動(dòng)向量SAV(t)。
[0135] 根據(jù)一個(gè)實(shí)施方式，這是通過多級(jí)表示實(shí)現(xiàn)的，多級(jí)表示包括連續(xù)以2x2的方式 將幀劃分為塊。參考圖5,目標(biāo)為生成場(chǎng)景活動(dòng)向量的第一操作包括將N個(gè)幀中的第一幀劃 分為一個(gè)或多個(gè)塊（S510)。例如，在0級(jí)，整個(gè)幀可以被認(rèn)為是一個(gè)塊。在1級(jí)，幀可以劃 分為4個(gè)塊。在2級(jí)，幀可以劃分為16個(gè)塊，以此類推。
[0136] 在劃分出塊之后，方法繼續(xù)，確定幀中的每個(gè)塊的一組特征參數(shù)（S520)。也就是 說，每個(gè)塊通過一個(gè)或多個(gè)特征參數(shù)來描述。也就是說，每個(gè)塊通過一個(gè)或多個(gè)特征參數(shù)來 描述。（在一個(gè)實(shí)施方式中，在操作S520中確定N個(gè)幀中的每一個(gè)中的每個(gè)塊的所有這些 特征參數(shù)）。
[0137] 分?jǐn)?shù)s是每個(gè)塊中非零方向值的和。
[0138] 主導(dǎo)方向(1是塊中所有方向0 1(1，7,〇的圓形平均（弧度為〇-2 3〇，其中1 = 1，...n_l〇
[0139] 可"[目度(^是圓方差的倒數(shù)，范圍為0_1，其中：
[0142] 速度是一個(gè)度量，該度量不是通過前述方法只利用相鄰幀直接獲得的，而是通過 利用更高級(jí)的方法支持可靠地獲得的。
[0143] 顏色是主導(dǎo)顏色，其中顏色被量化為多種顏色。例如，顏色的數(shù)量可以是三種顏 色：紅，綠，藍(lán)?；蛘?，顏色的數(shù)量可以多于三種顏色。例如，在一個(gè)實(shí)施方式中，顏色的數(shù)量 可以是以下十種顏色：紅，橙，黃，綠，藍(lán)綠，藍(lán)，紫，黑，灰和白。
[0144] 附加參數(shù)包括密度和時(shí)頻。密度是基于每單位塊區(qū)域中移動(dòng)的像素的百分比。時(shí) 頻是基于當(dāng)前幀上的事件和之前最近檢測(cè)到的事件之間的幀的數(shù)量的倒數(shù)。舉例來說，這 些參數(shù)可以用作運(yùn)動(dòng)特征，運(yùn)動(dòng)特征描述視頻剪輯的幀中的塊區(qū)域中發(fā)生的活動(dòng)。
[0145] 根據(jù)一個(gè)實(shí)施方式，可以提供這些參數(shù)中的每一個(gè)的可信度值?？尚哦戎悼梢蕴?供對(duì)相應(yīng)參數(shù)值的不一致或方差缺乏的度量?？尚哦戎悼梢越o予統(tǒng)計(jì)方差的反轉(zhuǎn)，統(tǒng)計(jì)方 差反過來可以縮放為某個(gè)范圍，例如，0-1。例如，如果塊區(qū)域只有一個(gè)顏色值，則它的方差 可以是0并且它的可信度可以是1。如果塊具有值為3的顏色量化（RGB)并且每個(gè)顏色具 有相同權(quán)重，則方差可能最大，可信度可以為0。
[0146] 基于這些特征參數(shù)，生成塊的場(chǎng)景活動(dòng)向量F(S530)。接下來確定幀中是否有更多 的塊（S540)。如果有，則重復(fù)上述操作，直到為幀中的所有塊都生成了場(chǎng)景活動(dòng)向量。m級(jí) 上的塊b的場(chǎng)景活動(dòng)向量可以表示為Fmj(x，y，s，d，cd)，其中（x，y)是塊的左上角坐標(biāo)的位 置。場(chǎng)景活動(dòng)向量（SAV)包含所有塊的特征，如下所示：
[0147]SAV(t) = [Fbm (x,y,s,d,cd) ] (19)
[0148] 其中m= 0,…，L級(jí)，b=I,…4/每級(jí)（針對(duì)非重疊塊）。
[0149] 在下一個(gè)操作中，基于為幀中的塊生成的場(chǎng)景活動(dòng)向量生成整個(gè)幀的場(chǎng)景活動(dòng)向 量（S550)。接下來確定是否還有額外幀要分析，例如，多年前分析的幀是否是需要分析的 最后一個(gè)幀（S560)。如果不是，則重復(fù)操作S510至S550。如果是，則執(zhí)行方法的下一個(gè)階 段，即事件檢測(cè)。
[0150] 在執(zhí)行事件檢測(cè)階段之前，先討論如何執(zhí)行第一和第二階段以生成場(chǎng)景活動(dòng)向量 的方向和速度參數(shù)的幾個(gè)例子。
[0151] 根據(jù)第一示例，可以通過將K個(gè)不同紋理幀分組在一起來確定運(yùn)動(dòng)模糊圖像，所 述紋理幀的量級(jí)加權(quán)有時(shí)間衰減因子，由此使最近的特征具有最高值M(x，y)。在這里，M(x， y)表示二維運(yùn)動(dòng)模糊圖像。
[0152] 在確定運(yùn)動(dòng)模糊圖像之后，對(duì)它們執(zhí)行回歸分析?；貧w分析可以是線性回歸，該線 性回歸包括將平面擬合到運(yùn)動(dòng)模糊圖像中，從而根據(jù)以下等式確定運(yùn)動(dòng)的梯度：
[0153]Px=Cov(x,M(x,y))/Var(x) (20)
[0154]py=Cov(y,M(x,y))/Var(y) (21)
[0155] 在執(zhí)行現(xiàn)行回歸之后，可以計(jì)算運(yùn)動(dòng)流參數(shù)。如上所示，運(yùn)動(dòng)流參數(shù)可以包括方向 和速度。方向可以對(duì)應(yīng)于通過線性回歸分析執(zhí)行的平面擬合的斜率方向，速度可以與平面 擬合的斜率的倒數(shù)成正比。
[0156] 圖6A至圖6D顯示了前述操作的例子。在圖6A中，以概念形式顯示了視頻幀中包 括的人，顯示的空間邊緣620對(duì)應(yīng)于這個(gè)人。
[0157] 在圖6B中，該空間邊緣由顯示為t，t-1，t-2,t-3和t-4的多個(gè)時(shí)間衰減因子加 權(quán)。在該示例中，空間邊緣的寬度隨著衰減因子的增加而增加。基于這些時(shí)間衰減因子中 的一個(gè)或多個(gè)生成運(yùn)動(dòng)模糊圖像。
[0158] 在圖6C中，顯示的圖形標(biāo)出了通過回歸分析得到的沿著X方向的運(yùn)動(dòng)模糊圖像 M(X)的值。如圖所示，回歸分析將與空間邊緣的時(shí)間延遲相對(duì)應(yīng)的點(diǎn)擬合至公共平面，或者 在線性回歸的情況下，將所述點(diǎn)與線擬合，所述公共平面或線具有斜率P。
[0159] 在圖6D中，在與人的空間邊緣相對(duì)應(yīng)的場(chǎng)景活動(dòng)向量中使用的方向參數(shù)是基于 線的斜率，在與人的空間邊緣相對(duì)應(yīng)的