CN102098531A - 一种检测摄像机被干扰的方法及装置 - Google Patents

Abstract

本发明公开了一种检测摄像机被干扰的方法及装置，所述方法包括：在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。应用本发明，采用特征统计分析的方法检测摄像机被移动或被遮挡。具有检测准确，误检率低等特点，而且不受光照变化影响，实时性好等优点。而且，应用本发明方法能区分摄像机是被移动还是被遮挡，因此，能够有针对性地提示安全隐患原因。

Description

一种检测摄像机被干扰的方法及装置

技术领域

本发明涉及摄像机检测技术领域，特别涉及一种检测摄像机被干扰的方法及装置。

背景技术

在视频监控过程中，由于一些可疑人员为了躲避摄像机监控，人为的对摄像头移动或遮挡；另一方面由于各种意外事件使监控设备被移动或被遮挡。如果监控工作人员没有发现摄像机被移动或被遮挡，那么就有可能给不法分子可乘之机，造成严重的经济损失。因此，计算机能够自动准确及时的对摄像机被移动或被遮挡进行检测，有重要的实际应用意义。

现有的技术没有区分移动和遮挡，只是对场景变换进行检测，检测视频中的场景是否变化，来提示工作人员摄像机是否受到干扰。

在现有技术中对场景变换的检测方法主要有：

1)基于直方图匹配的方法

具体的，采用颜色直方图匹配方法进行检测。

该方法不能区分被移动或被遮挡，而且该方法受光照变化影响较大，误检率高。

2)基于背景建模的检测方法

具体的，对场景进行背景建模再用背景减除提取运动目标的方法对场景变换进行检测。

该方法也不能区分摄像机被移动或被遮挡，而且该方法受光照变化影响较大，误检率高。

可见，现有的方法虽然能检测到摄像机受到了干扰，但是，不能检测到受干扰的具体原因，而且，不是受光照变化影响较大，误检率高，就是实时性很差。

发明内容

本发明实施例提供了一种检测摄像机被干扰的方法及装置，不受光照变化的影响，检测率高。

本发明实施例提供了一种检测摄像机被干扰的方法，包括：

在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；

计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；

根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。

其中，根据所述均值μ_N和标准差σ_N判断所述摄像机被快速移动或被遮挡，还是处于正常状态或被缓慢移动的步骤包括：

给定第一阈值D；

若满足不等式|I_N+1-μ_N|＞D*σ_N，则判定所述摄像机是被快速移动或被遮挡；

若满足不等式|I_N+1-μ_N|≤D*σ_N，则判定所述摄像机处于正常状态或被缓慢移动；

其中，I_N+1为新进入的一帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数，σ_N为采集到的N+1帧图像匹配上的特征点个数的标准差。

其中，当判定所述摄像机是被快速移动或被遮挡后，所述方法还包括：

利用匹配特征的位移变化判断所述摄像机是被快速移动还是被遮挡，该步骤具体包括：

设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

则在横轴方向的位移分量为

在纵轴方向的位移分量为

统计满足条件

的个数Num1，以及两帧匹配上的特征点个数M，求所述Num1和所述M的比值Ratio1，若Ratio1＞Thre2，判定所述摄像机被快速移动；若Ratio1≤Thre2，初步判定所述摄像机被遮挡；

其中，所述Thre1和Thre2是固定的常数。

其中，当Ratio1≤Thre2时，所述方法还包括：

从当前帧开始再向后连续采集N帧图像{f_N+1，f_N+2，…f_2N+1}，计算所述包含当前帧在内的N+1帧图像中匹配上的特征点个数均值μ_2N；

如果|μ_2N-μ_N|≥T，则判定所述摄像机被遮挡；否则，判定所述摄像机未被遮挡；

其中，T为遮挡阈值，μ_N为当前帧前的N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的均值。

其中，当判定所述摄像机处于正常状态或被缓慢移动后，所述方法还包括：

利用匹配特征的位移变化判断所述摄像机是处于正常状态还是被缓慢移动，该步骤具体包括：

设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

则在横轴方向的位移分量为

在纵轴方向的位移分量为

统计满足条件

的个数Num2，以及两帧匹配上的特征点个数M，求所述Num2和所述M的比值Ratio2，若Ratio2＞Thre4，判定所述摄像机被缓慢移动；若Ratio2≤Thre4，判断所述摄像机处于正常状态；

其中，所述Thre3和Thre4是固定的常数。

本发明实施例还提供了一种检测摄像机被干扰的装置，包括：

采集单元，用于在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；

均值及标准差计算单元，用于计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；

干扰检测单元，用于根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。

其中，所述干扰检测单元包括：

阈值设定单元，用于给定第一阈值D；

判定单元，用于在满足不等式|I_N+1-μ_N|＞D*σ_N时，判定所述摄像机是被快速移动或被遮挡；在满足不等式|I_N+1-μ_N|≤D*σ_N，判定所述摄像机处于正常状态或被缓慢移动；其中，I_N+1为新进入的一帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数，σ_N为采集到的N+1帧图像匹配上的特征点个数的标准差。

其中，所述装置还包括：

第一干扰类型检测单元，用于利用匹配特征的位移变化判断所述摄像机是被快速移动还是被遮挡；

第二干扰类型检测单元，用于利用匹配特征的位移变化判断所述摄像机是处于正常状态还是被缓慢移动。

其中，所述第一干扰类型检测单元包括：

设定子单元，用于设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

位移分量计算子单元，用于计算在横轴方向的位移分量为

在纵轴方向的位移分量为

统计子单元，用于统计满足条件

的个数Num1，以及两帧匹配上的特征点个数M；

比值求取子单元，用于求所述Num1和所述M的比值Ratio1，

干扰类型分类子单元，用于在Ratio1＞Thre2时，判定所述摄像机被快速移动；在Ratio1≤Thre2时，初步判定所述摄像机被遮挡；

其中，所述Thre1和Thre2是固定的常数。

其中，所述第一干扰类型检测单元还包括：干扰排除子单元，用于在Ratio1≤Thre2时，从当前帧开始再向后连续采集N帧图像{f_N+1，f_N+2，…f_2N+1}，计算所述包含当前帧在内的N+1帧图像中匹配上的特征点个数均值μ_2N；如果|μ_2N-μ_N|≥T，则判定所述摄像机被遮挡；否则，判定所述摄像机未被遮挡；

其中，T为遮挡阈值，μ_N为当前帧前的N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的均值。

应用本发明实施例提出的一种检测摄像机被干扰的方法及装置，采用特征统计分析的方法检测摄像机被移动或被遮挡，可以不受光照变化的影响，且检测准确，检测率高；再有，由于本发明的计算量很小，计算速度很快，因而实时性很好。而且，应用本发明方法能区分摄像机是被移动还是被遮挡，因此，能够有针对性地提示安全隐患原因。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的检测摄像机被干扰的方法流程图；

图2是摄像机正常情况下匹配上的特征点个数统计图；

图3是摄像机抖动情况下匹配上的特征点个数统计图；

图4是摄像机被缓慢移动情况下匹配上的特征点个数统计图；

图5是摄像机被遮挡情况下匹配上的特征点个数统计图；

图6摄像机被快速移动情况下匹配上的特征点个数统计图；

图7是根据本发明实施例的检测摄像机被干扰的装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，其是根据本发明实施例的检测摄像机被干扰的方法流程图，该流程具体包括：

步骤101，在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；

具体的，每隔Δ(Δ≥1)帧采集一帧图像，即采集到的第i帧图像f_i和第i+1帧图像f_i+1之间间隔Δ(Δ≥1)帧；

步骤102，计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；

需要说明的是，对图像做特征点检测和跟踪匹配的操作完全是现有技术，下面仅对特征点检测和跟踪匹配做一简要说明：

特征点检测：特征点检测的方法很多，如Sift特征检测、Surf特征检测、Harris特征点检测、Susan特征点检测等，这里以Sift特征检测为例：Sift特征是一种基于尺度空间的图像局部特征，该特征对旋转、尺度缩放、亮度变化保持不变性，对仿射变换、噪声也保持一定程度的稳定性。因为Sift特征检测是一种非常经典的特征检测方法这里就不在详细介绍，具体检测过程不再做详细说明，可参考相关文献。

特征匹配：在基于特征的匹配技术中，其首要任务是提取稳定的特征，并进行描述。常用的方法有基于空间关系的匹配算法、基于不变描述子的匹配算法、金字塔和小波算法等等。这里仍以Sift特征匹配为例：首先，进行相似性度量。一般采用各种距离函数作为特征的相似性度量，如欧氏距离、马氏距离等。通过相似性度量得到图像间的潜在匹配。其次，消除错配。需要根据几何限制和其它附加约束消除错误匹配，提高鲁棒性。常用的去外点方法是RANSAC随机抽样一致性算法，常用的几何约束是极线约束关系。具体过程可参考相关文献，不再做详细说明。

在本实施例中，第i帧图像f_i和第i+1帧图像f_i+1匹配上的特征点个数为I_i，则这N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的平均个数为μ_N，匹配上的特征点个数的标准差为σ_N，其中，标准差是用来度量随机变量和均值之间的偏离程度的，标准差越大说明数据的波动越大，越不稳定；

这里，计算所述N+1帧图像中匹配上的特征点个数均值μ_N的步骤包括：

${\mathrm{\μ}}_N=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{I}_i$

计算所述N+1帧图像中匹配上的特征点个数的标准差σ_N的步骤包括：

${\mathrm{\σ}}_N=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(I_i-{\mathrm{\μ}}_N)}^2}$

其中，i为所述N+1帧图像中的第i帧图像，I_i为第i帧图像f_i和第i+1帧图像f_i+1匹配上的特征点个数，μ_N为所述N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的平均数。

步骤103，根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。

可以理解的是，在某段时间内，如果摄像机没有被快速移动或被遮挡即正常情况下，或者仅发生了缓慢的移动的情况下，那么两帧图像中能够匹配上的特征点的个数变化不大，会在某个均值上下范围内波动，如图2，图3，图4所示的统计图，此时标准差会很小；反之，如果摄像机被快速移动或被遮挡，那么两帧图像中能够匹配上的特征点个数变化会很大，如图5，图6所示统计图，此时标准差较大。

需要说明的是，在图2-图6中，横坐标代表帧数，纵坐标代表相邻帧图像匹配上的特征点个数。

基于上述原理，上述步骤103中根据所述均值μ_N和标准差σ_N判断所述摄像机被快速移动或被遮挡，还是处于正常状态或被缓慢移动的步骤可以具体包括：

给定第一阈值D；

若满足不等式|I_N+1-μ_N|＞D*σ_N，则判定所述摄像机是被快速移动或被遮挡；

若满足不等式|I_N+1-μ_N|≤D*σ_N，则判定所述摄像机处于正常状态或被缓慢移动；

其中，I_N+1为新进入的一帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数，σ_N为采集到的N+1帧图像匹配上的特征点个数的标准差。

至此，应用本发明实施例提供的检测摄像机被干扰的方法，可以不受光照变化的影响，检测率高，且实时性很强。

需要说明的是，在判定所述摄像机是被快速移动或被遮挡后，可以获知，如果摄像机被快速移动，匹配上的特征点的位置大部分都变化了，而被遮挡只是一部分特征点没有匹配上，但匹配上的特征点位移几乎没有变化。因此，当判定摄像机是被快速移动或被遮挡后，图1所示方法还可以包括：

利用匹配特征的位移变化判断所述摄像机是被快速移动还是被遮挡，该步骤可以具体包括：

设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

则在横轴方向的位移分量为

在纵轴方向的位移分量为

统计满足条件的个数Num1，以及两帧匹配上的特征点个数M，求所述Num1和所述M的比值Ratio1，若Ratio1＞Thre2，判定所述摄像机被快速移动；若Ratio1≤Thre2，初步判定所述摄像机被遮挡；其中，所述Thre1和Thre2是固定的常数。这里，Thre1是一个常数，其表示的位移分量的一个分界，当大于该Thre1值时，可以认为位移改变，否则认为位移不变；Thre2：是一个比值常量，通常的取值范围在0-1之间。

需要说明的是，若判断出摄像机被遮挡，通过图5可以看出遮挡前后匹配上的特征点个数会有明显的变化。这样，可以利用这一特点进一步判断，以免造成误检。具体包括：

当Ratio1≤Thre2时，所述方法还包括：

从当前帧开始再向后连续采集N帧图像{f_N+1，f_N+2，…f_2N+1}，计算所述包含当前帧在内的N+1帧图像中匹配上的特征点个数均值μ_2N；

如果|μ_2N-μ_N|≥T，则判定所述摄像机被遮挡；否则，判定所述摄像机未被遮挡；

其中，T为遮挡阈值，μ_N为当前帧前的N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的均值。

这样，即可准确的判断出摄像机是被快速移动还是被遮挡。

需要说明的是，在判定摄像机处于正常状态或被缓慢移动后，可以获知，在这种情况下，再通过匹配上的特征点的位移来判断摄像机是正常还是被缓慢移动：摄像机在正常情况下，连续图像匹配上的大多数特征点位移没有变化或变化很小(考虑到相机抖动)，只有少数位于移动前景目标上的匹配的特征点的位移发生变化可能较大。而如果摄像机发生了缓慢移动，那么匹配上的特征点位移都发生变化，且位移要比相机正常(抖动)情况大。因此，当判定摄像机处于正常状态或被缓慢移动后，图1所示方法还可以包括：

利用匹配特征的位移变化判断所述摄像机是处于正常状态还是被缓慢移动，该步骤可以具体包括：

设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

则在横轴方向的位移分量为

在纵轴方向的位移分量为

统计满足条件

的个数Num2，以及两帧匹配上的特征点个数M，求所述Num2和所述M的比值Ratio2，若Ratio2＞Thre4，判定所述摄像机被缓慢移动；若Ratio2≤Thre4，判断所述摄像机处于正常状态；

其中，所述Thre3和Thre4是固定的常数。这里，Thre3和Thre1的意义相同，但具体取值不同；同样Thre4和Thre2的意义相同，但取值不同。

需要说明的是，若新进入的当前帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数I_N+1为0，说明摄像机被快速移动或被全部遮挡了。这时可减少所隔的帧数(隔Δ₁(Δ₁＜Δ)帧重新检测)，重新进行特征匹配和统计分析。

新进入的这一帧图像f_N+2判断结束后，如果检测出的结果正常，那么进行下一帧图像f_N+3的检测。首先，用{I₂，I₃，…，I_N+1}代替{I₁，I₂，…，I_N}重新计算均值μ_N+1和标准差σ_N+1。其中，

然后，继续判断是否满足不等式|I_N+2-μ_N+1|≤D*σ_N+1，如果满足认为正常或被缓慢移动，之后再用其位移变化判断是正常状态还是缓慢移动；如果不满足认为摄像机被快速移动或被遮挡，仍用其位移变化再判断摄像机是被快速移动还是被遮挡。

可见，应用本发明实施例提出的一种检测摄像机被干扰的方法，采用特征统计分析的方法检测摄像机被移动或被遮挡。具有检测准确，误检率低等特点，而且不受光照变化影响，实时性好等优点。而且，应用本发明方法能区分摄像机是被移动还是被遮挡，因此，能够有针对性地提示安全隐患原因。

本发明实施例还提供了一种检测摄像机被干扰的装置，参见图7，具体包括：

采集单元701，用于在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；

均值及标准差计算单元702，用于计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；

干扰检测单元703，用于根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。

其中，上述干扰检测单元703可以具体包括：

阈值设定单元，用于给定第一阈值D；

判定单元，用于在满足不等式|I_N+1-μ_N|＞D*σ_N时，判定所述摄像机是被快速移动或被遮挡；在满足不等式|I_N+1-μ_N|≤D*σ_N，判定所述摄像机处于正常状态或被缓慢移动；其中，I_N+1为新进入的一帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数，σ_N为采集到的N+1帧图像匹配上的特征点个数的标准差。

图7所述述装置还可以包括：

第一干扰类型检测单元，用于利用匹配特征的位移变化判断所述摄像机是被快速移动还是被遮挡；和

第二干扰类型检测单元，用于利用匹配特征的位移变化判断所述摄像机是处于正常状态还是被缓慢移动。

上述第一干扰类型检测单元可以具体包括：

设定子单元，用于设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

位移分量计算子单元，用于计算在横轴方向的位移分量为

在纵轴方向的位移分量为

统计子单元，用于统计满足条件

的个数Num1，以及两帧匹配上的特征点个数M；

比值求取子单元，用于求所述Num1和所述M的比值Ratio1，

干扰类型分类子单元，用于在Ratio1＞Thre2时，判定所述摄像机被快速移动；在Ratio1≤Thre2时，初步判定所述摄像机被遮挡；

其中，所述Thre1和Thre2是固定的常数。

上述第一干扰类型检测单元还可以包括：干扰排除子单元，用于在Ratio1≤Thre2时，从当前帧开始再向后连续采集N帧图像{f_N+1，f_N+2，…f_2N+1}，计算所述包含当前帧在内的N+1帧图像中匹配上的特征点个数均值μ_2N；如果|μ_2N-μ_N|≥T，则判定所述摄像机被遮挡；否则，判定所述摄像机未被遮挡；

其中，T为遮挡阈值，μ_N为当前帧前的N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的均值。

可见，应用本发明实施例提出的一种检测摄像机被干扰的装置，采用特征统计分析的方法检测摄像机被移动或被遮挡。具有检测准确，误检率低等特点，而且不受光照变化影响，实时性好等优点。而且，应用本发明方法能区分摄像机是被移动还是被遮挡，因此，能够有针对性地提示安全隐患原因。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种检测摄像机被干扰的方法，其特征在于，包括：

在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；

计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；

根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。

2.根据权利要求1所述的方法，其特征在于，根据所述均值μ_N和标准差σ_N判断所述摄像机被快速移动或被遮挡，还是处于正常状态或被缓慢移动的步骤包括：

给定第一阈值D；

若满足不等式|I_N+1-μ_N|＞D*σ_N，则判定所述摄像机是被快速移动或被遮挡；

若满足不等式|I_N+1-μ_N|≤D*σ_N，则判定所述摄像机处于正常状态或被缓慢移动；

其中，I_N+1为新进入的一帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数，σ_N为采集到的N+1帧图像匹配上的特征点个数的标准差。

3.根据权利要求2所述的方法，其特征在于，当判定所述摄像机是被快速移动或被遮挡后，所述方法还包括：

利用匹配特征的位移变化判断所述摄像机是被快速移动还是被遮挡，该步骤具体包括：

设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

则在横轴方向的位移分量为

在纵轴方向的位移分量为

统计满足条件

的个数Num1，以及两帧匹配上的特征点个数M，求所述Num1和所述M的比值Ratio1，若Ratio1＞Thre2，判定所述摄像机被快速移动；若Ratio1≤Thre2，初步判定所述摄像机被遮挡；

其中，所述Thre1和Thre2是固定的常数。

4.根据权利要求3所述的方法，其特征在于，当Ratio1≤Thre2时，所述方法还包括：

从当前帧开始再向后连续采集N帧图像{f_N+1，f_N+2，…f_2N+1}，计算所述包含当前帧在内的N+1帧图像中匹配上的特征点个数均值μ_2N；

如果|μ_2N-μ_N|≥T，则判定所述摄像机被遮挡；否则，判定所述摄像机未被遮挡；

其中，T为遮挡阈值，μ_N为当前帧前的N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的均值。

5.根据权利要求2所述的方法，其特征在于，当判定所述摄像机处于正常状态或被缓慢移动后，所述方法还包括：

利用匹配特征的位移变化判断所述摄像机是处于正常状态还是被缓慢移动，该步骤具体包括：

设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为

B点的坐标为

则在横轴方向的位移分量为

在纵轴方向的位移分量为

统计满足条件

的个数Num2，以及两帧匹配上的特征点个数M，求所述Num2和所述M的比值Ratio2，若Ratio2＞Thre4，判定所述摄像机被缓慢移动；若Ratio2≤Thre4，判断所述摄像机处于正常状态；

其中，所述Thre3和Thre4是固定的常数。

6.一种检测摄像机被干扰的装置，其特征在于，包括：

采集单元，用于在预定时间段内采集N+1帧图像{f₁，f₂，…，f_N+1}，每两帧图像之间间隔Δ帧，其中，所述Δ≥1，N≥1；

均值及标准差计算单元，用于计算所述N+1帧图像中匹配上的特征点个数均值μ_N和标准差σ_N；

干扰检测单元，用于根据所述均值μ_N和标准差σ_N判断所述摄像机是被快速移动或被遮挡，还是处于正常状态或被缓慢移动。

7.根据权利要求6所述的装置，其特征在于，所述干扰检测单元包括：

阈值设定单元，用于给定第一阈值D；

判定单元，用于在满足不等式|I_N+1-μ_N|＞D*σ_N时，判定所述摄像机是被快速移动或被遮挡；在满足不等式|I_N+1-μ_N|≤D*σ_N，判定所述摄像机处于正常状态或被缓慢移动；其中，I_N+1为新进入的一帧图像f_N+2和前一帧图像f_N+1匹配上的特征点个数，σ_N为采集到的N+1帧图像匹配上的特征点个数的标准差。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第一干扰类型检测单元，用于利用匹配特征的位移变化判断所述摄像机是被快速移动还是被遮挡；

第二干扰类型检测单元，用于利用匹配特征的位移变化判断所述摄像机是处于正常状态还是被缓慢移动。

9.根据权利要求8所述的装置，其特征在于，所述第一干扰类型检测单元包括：

设定子单元，用于设当前帧的特征点A和相邻帧匹配上的特征点B组成了一个特征点对；且设A点的坐标为B点的坐标为

位移分量计算子单元，用于计算在横轴方向的位移分量为

在纵轴方向的位移分量为

统计子单元，用于统计满足条件

的个数Num1，以及两帧匹配上的特征点个数M；

比值求取子单元，用于求所述Num1和所述M的比值Ratio1，

干扰类型分类子单元，用于在Ratio1＞Thre2时，判定所述摄像机被快速移动；在Ratio1≤Thre2时，初步判定所述摄像机被遮挡；

其中，所述Thre1和Thre2是固定的常数。

10.根据权利要求9所述的装置，其特征在于，所述第一干扰类型检测单元还包括：干扰排除子单元，用于在Ratio1≤Thre2时，从当前帧开始再向后连续采集N帧图像{f_N+1，f_N+2，…f_2N+1}，计算所述包含当前帧在内的N+1帧图像中匹配上的特征点个数均值μ_2N；如果|μ_2N-μ_N|≥T，则判定所述摄像机被遮挡；否则，判定所述摄像机未被遮挡；

其中，T为遮挡阈值，μ_N为当前帧前的N+1帧图像匹配上的特征点个数序列{I₁，I₂，…，I_N}的均值。

Images