CN102170522A - 一种摄像机非正常抖动的确定方法及装置 - Google Patents
一种摄像机非正常抖动的确定方法及装置 Download PDFInfo
- Publication number
- CN102170522A CN102170522A CN2011100397313A CN201110039731A CN102170522A CN 102170522 A CN102170522 A CN 102170522A CN 2011100397313 A CN2011100397313 A CN 2011100397313A CN 201110039731 A CN201110039731 A CN 201110039731A CN 102170522 A CN102170522 A CN 102170522A
- Authority
- CN
- China
- Prior art keywords
- shake
- contour area
- background image
- area
- profile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供一种确定摄像机非正常抖动的方法及装置,所述方法包括:分别获取场景背景图像和抖动背景图像;确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;若判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机的抖动为非正常抖动。本发明以解决摄像机的抖动是否非正常抖动的技术问题,以便于维修人员维修,节省了维修成本。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种确定摄像机非正常抖动的方法及装置。
背景技术
随着“平安城市”项目的推进,每个城市摄摄像机数量日益增加,少则几千,多则几万,几十万。特别是长期处于室外工作的摄像机,时间长了会出现老化、松动。当有风或者其他振动时,摄像机来回晃动。
目前,由于摄像机的场景复杂,场景中可能充满运动目标,没有固定的“静态”参考图像,给“摄像机非正常抖动”的判断带来了极大的困难,即很难区分摄像机抖动和目标运动。
在对现有技术的研究和实践过程中,本发明的发明人发现,现有的实现方式中,很难快速得到每个摄像机的“非正常抖动”或松动的情况,如果想确定摄像机是否非正常抖动或松动,则需要维护人员进行现场查看,从而耗费大量的人力、物力,增加了维护费。
发明内容
本发明实施例提供一种确定摄像机非正常抖动的方法及装置,以解决复杂场景下摄像机是否非正常抖动的技术问题。
为解决上述技术问题,本发明实施例提供一种确定摄像机非正常抖动的方法,所述方法包括:
分别获取场景背景图像和抖动背景图像;
确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;
膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;
比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;
根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;
若判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机的抖动为非正常抖动。
优选的,所述获取场景背景图像包括:利用逐像素时域中值的方式获取场景背景图像。
优选的,所述利用逐像素时域中值的方式获取场景背景图像具体包括:
采取摄像机拍摄的彩色图像;
将所述彩色图像转换为灰度图像,并将所述灰度图像存储在图像序列中;
间隔N帧后,重复上述过程,直到所述图像序列存储的灰度图像的总数达到M为止;
计算所述图像序列的时域中值,得到场景背景图像。
优选的,所述确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域包括:
分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;
提取所述场景固定轮廓中的固定轮廓区域和所述抖动轮廓中的抖动轮廓区域。
优选的,所述提取所述场景背景图像的场景固定轮廓包括:
对所述场景背景图像进行滤波,得到静态图像,所述静态图像为场景固定轮廓。
优选的,所述提取所述场景固定轮廓中的固定轮廓区域,并膨胀放大所述固定轮廓区域包括:
在所述场景固定轮廓中提取大于第一预设阈值的轮廓区域,该轮廓区域为固定轮廓区域;
对所述固定轮廓区域进行M×N膨胀放大,得到放大固定轮廓区域,其中,M为行方向膨胀系数,N为列方向膨胀系数。
优选的,所述获取抖动背景图像包括:
采取摄像机拍摄的抖动彩色图像;
将所述抖动彩色图像转换为抖动灰度图像。
优选的,所述提取所述抖动背景图像中的抖动轮廓包括:
对所述抖动灰度图像进行滤波,得到抖动静态图像,所述抖动静态图像为抖动轮廓。
优选的,所述提取所述抖动轮廓中的抖动轮廓区域包括:
在所述抖动轮廓中提取大于第二预设阈值的轮廓区域,该轮廓区域为抖动轮廓区域。
优选的,所述根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值包括:
分别计算所述交集区域和固定轮廓区域的区域面积,得到交集区域面积和固定轮廓区域面积;
按照所述交集区域面积乘以常数C,之后,在除以所述固定轮廓区域面积,得到抖动评估值。
优选的,还包括:
重复执行所述分别获取场景背景图像和抖动背景图像至所述根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值的步骤,得到多个抖动评估值,对所述多个抖动评估值进行平均计算,得到平均抖动评估值;
所述判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机为非正常抖动具体为:若判断所述平均抖动评估值小于预设评估抖动阈值,则确定摄像机的抖动为非正常抖动。
相应的,本发明还提供一种确定摄像机非正常抖动的装置,包括:
图像获取单元,用于分别获取场景背景图像和抖动背景图像;
区域确定单元,用于确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;
放大单元,用于膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;
比较单元,用于比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;
评估单元,用于根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;
非正常抖动确定单元,用于在判断所述抖动评估值小于预设评估抖动阈值时,确定摄像机为非正常抖动。
优选的,所述区域确定单元包括:
轮廓获取单元,用于分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;
区域提取单元,用于提取所述场景固定轮廓中的固定轮廓区域以及提取所述抖动轮廓中的抖动轮廓区域;
优选的,还包括:
评估值获取单元,用于从所述评估单元中获取多次的抖动评估值;
评估值平均单元,用于对获取多次的抖动评估值进行军算,得到平均抖动评估值;
所述非正常抖动确定单元,还用于在判断所述平均抖动评估值小于预设平均评估抖动阈值时,确定摄像机的抖动为非正常抖动。
由上述技术方案可知,本发明通过对获取到的场景背景图像和抖动背景图像进行提取、分析,得到所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;并膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;然后,比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值,并判断所述抖动评估值是否大于预设评估抖动阈值,如果不大于,则确定摄像机的抖动为非正常抖动。即在复杂运动场景下,快速确定摄像机的抖动是否是非正常抖动。进一步,如果摄像机的抖动是非正常抖动,可以通过摄像机的位置信息,及时维修,节省了维修成本。
附图说明
图1为本发明提供的一种确定摄像机非正常抖动的方法的流程图;
图2为本发明提供的一种确定摄像机非正常抖动的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
请参阅图1,为本发明提供的一种确定摄像机非正常抖动的方法的流程图,所述方法包括:
步骤101:分别获取场景背景图像和抖动背景图像;
其中,一种获取场景背景图像的方式为:利用逐像素时域中值的方法来获取场景背景图像,具体包括:
1、采取摄像机拍摄的彩色图像(ImageColor);
2、将所述彩色图像转换为灰度图像(ImageGray),并将所述灰度图像存储在图像序列(ImageGrayArray)中;
3、间隔N帧后,重复上述1和2的过程,直到所述图像序列存储的灰度图像的总数达到M为止;
4、计算所述图像序列的时域中值,得到场景背景图像(ImageRank)。
比如,在ImageGrayArray中,总共有M幅图像,将每一幅图像中坐标为(0,0)的像素灰度值组成一个向量G=[Image1(0,0),Image2(0,0),Image3(0,0),.....,ImageM(0,0)],计算得到这个向量的中值Median,将这个Median相应的放入ImageRank图像的(0,0)处;参照类似方法,计算得到ImageRank所有坐标位置的像素值。
所述获取抖动背景图像的一种方式为:采取摄像机拍摄的抖动背景彩色图像;将所述抖动背景彩色图像转换为灰度图像。
但获取场景背景图像和抖动背景图像的方式并不限于上述方式,还可以包括其他的方式,本实施例不作限制。
其中,本实施例采用逐像素时域中值的方法来获取场景背景图像,有效滤除运动目标,得到“固定不动”的背景图像。也就是说,由于在场景中充满了运动目标,快速获得场景背景图像并容易。现有的获取方式中,通常采用时域均值方法来获取,但该获取方式并不能很好的过滤运动目标,而本申请中才采用逐像素时域中值的方法,可以有效滤除运动目标,得到“固定不动”的背景图像。
步骤102:确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;具体包括:分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;提取所述场景固定轮廓中的固定轮廓区域和所述抖动轮廓中的抖动轮廓区域。
其中,所述提取所述场景背景图像的场景固定轮廓包括:对所述场景背景图像进行滤波,得到静态图像,所述静态图像为场景固定轮廓。
一种优选过滤方式为,使用下述边缘滤波器过滤所述场景背景图像ImageRank,得到静态图像(ImageSobel),本实施例中,静态图像定义为场景固定轮廓;
其中,A表示竖直方向的sobel算子;B表示水平方向的sobel算子:
当然,本发明并不限于上述过滤方式得到静态图像(ImageSobel),还可以是其他的方式,比如Roberts算子、Laplace算子、Prewitt算子等。只要是边缘提取算子都可以,其中,sobel是综合效果和计算量最佳的一个。
之后,提取所述场景固定轮廓(即静态图像ImageSobel)中的固定轮廓区域,具体包括:在所述场景固定轮廓(即静态图像)中提取大于第一预设阈值nThreshold的轮廓区域,该轮廓区域定义为固定轮廓区域(Region)。
其中,所述提取大于第一预设阈值nThreshold的固定轮廓区域的公式为:
Re gion=ImageSobel(ImageSobel>nThreshold),其中,n为第一预设阈值的倍数,通常为常量。
其中,所述提取所述抖动背景图像中的抖动轮廓具体包括:对所述抖动灰度图像进行滤波,得到抖动静态图像,所述抖动静态图像为抖动轮廓。其具体的过滤过程详见上述,在此不再赘述,
所述提取所述抖动轮廓中的抖动轮廓区域包括:在所述抖动轮廓(即抖动静态图像)中提取大于第二预设阈值的轮廓区域,该轮廓区域为抖动轮廓区域(RegionDither)。
步骤103:膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;
一种方式为:对所述固定轮廓区域进行M×N膨胀放大,得到放大固定轮廓区域(RegionDilation),其中,M为行方向膨胀系数,N为列方向膨胀系数;
步骤104:比较所述放大固定轮廓区域(RegionDilation)与所述抖动轮廓区域(RegionDither)的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域(RegionIntersection);
也就是说,通过RegionDilation和RegionDither异同,找出二者共同的区域。
步骤105:根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;具体包括:分别计算所述交集区域和固定轮廓区域的区域面积,得到交集区域面积(AreaIntersection)和固定轮廓区域面积(Area);按照所述交集区域面积乘以常数C,之后,在除以所述固定轮廓区域面积,得到抖动评估值(nDither),其中,计算抖动评估值为:
nDither=AreaIntersection*C/Area,C为指定常数。
步骤106:若判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机为非正常抖动。
也就是说,在得到nDither和nDitherThreshold后,判断所述nDither是否大于nDitherThreshold,如果大于,则确定抖动为摄像机正常抖动;如果小于,则确定该抖动为摄像机非正常抖动。
优选的,为了提高摄像机非正常抖动判断的准确率,可以多计算几次抖动评估值nDither,并对所述多个抖动评估值进行平均计算,得到平均抖动评估值。
然后,判断所述平均抖动评估值是否大于预设评估抖动阈值,如果大于,则确定摄像机抖动为正常抖动,如果小于,则确定摄像机的抖动为非正常抖动。
优选的,所述方法还可以包括:在确定摄像机的抖动为非正常抖动后,提示维修人员该摄像机松动,便于维修人员维修。
在实际应用中,一般是本申请所述的方法通过摄像机名称请求视频源,完成抖动缺陷监测后,自然知道是哪一路摄像机。根据名称可以快速确定摄像机的安装位置,如果该位置的摄像机松动,及时维修。
基于上述方法的实现过程,本发明还提供一种确定摄像机非正常抖动的装置,其结构示意图详见图2,所述装置包括:图像获取单元21、区域确定单元22、放大单元23、比较单元24、评估单元25和非正常抖动确定单元26。
其中,所述图像获取单元21,用于分别获取场景背景图像和抖动背景图像;其中,可以利用逐像素时域中值的方式获取场景背景图像,其具体的过程详见上述,但并不限于此。而所述获取抖动背景图像包括:采取摄像机拍摄的抖动彩色图像;将所述抖动彩色图像转换为抖动灰度图像,但并不限于此。
所述区域确定单元22,用于确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;具体包括:分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;提取所述场景固定轮廓中的固定轮廓区域和所述抖动轮廓中的抖动轮廓区域。其具体的实现过程详见上述,在此不在赘述。
所述放大单元23,用于膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;具体可以对所述固定轮廓区域进行M×N膨胀放大,得到放大固定轮廓区域,其中M为行方向膨胀系数;N为列方向膨胀系数。
所述比较单元24,用于比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;
所述评估单元25,用于根据所述比较单元34得到的交集区域,以及所述区域确定单元22确定的固定轮廓区域进行计算,得到抖动评估值;其计算过程为:分别计算所述交集区域和固定轮廓区域的区域面积,得到交集区域面积和固定轮廓区域面积;按照所述交集区域面积乘以常数C,之后,在除以所述固定轮廓区域面积,得到抖动评估值。
所述非正常抖动确定单元26,用于在判断所述抖动评估值小于预设评估抖动阈值时,确定摄像机的抖动为非正常抖动。
其中,所述区域确定单元包括:轮廓获取单元和区域提取单元,其中,轮廓获取单元,用于分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;区域提取单元,用于提取所述场景固定轮廓中的固定轮廓区域以及提取所述抖动轮廓中的抖动轮廓区域;
所述装置还可以包括:评估值获取单元,用于从所述评估单元中获取多次的抖动评估值;评估值平均单元,用于对获取多次的抖动评估值进行军算,得到平均抖动评估值;所述非正常抖动确定单元,还用于在判断所述平均抖动评估值小于预设平均评估抖动阈值时,确定摄像机的抖动为非正常抖动。
本发明通过获取场景背景图像和抖动背景图像,确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;并膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;若判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机的抖动为非正常抖动。
本发明通过对获取到的场景背景图像和抖动背景图像进行提取、分析,得到所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;并膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;然后,比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值,并判断所述抖动评估值是否大于预设评估抖动阈值,如果不大于,则确定摄像机的抖动为非正常抖动。即在复杂运动场景下,快速确定摄像机的抖动是否是非正常抖动。进一步,如果摄像机的抖动是非正常抖动,还可以显示非正常抖动的所述摄像机的位置信息,以便于维修人员维修,节省了维修成本。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种确定摄像机非正常抖动的方法,其特征在于,包括:
分别获取场景背景图像和抖动背景图像;
确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;
膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;
比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;
根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;
若判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机的抖动为非正常抖动。
2.根据权利要求1所述的方法,其特征在于,所述获取场景背景图像包括:利用逐像素时域中值的方式获取场景背景图像。
3.根据权利要求2所述的方法,其特征在于,所述利用逐像素时域中值的方式获取场景背景图像具体包括:
采取摄像机拍摄的彩色图像;
将所述彩色图像转换为灰度图像,并将所述灰度图像存储在图像序列中;
间隔N帧后,重复上述过程,直到所述图像序列存储的灰度图像的总数达到M为止;
计算所述图像序列的时域中值,得到场景背景图像。
4.根据权利要求1所述的方法,其特征在于,所述确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域包括:
分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;
提取所述场景固定轮廓中的固定轮廓区域和所述抖动轮廓中的抖动轮廓区域。
5.根据权利要求4所述的方法,其特征在于,所述提取所述场景背景图像的场景固定轮廓包括:
对所述场景背景图像进行滤波,得到静态图像,所述静态图像为场景固定轮廓。
6.根据权利要求5所述的方法,其特征在于,所述提取所述场景固定轮廓中的固定轮廓区域,并膨胀放大所述固定轮廓区域包括:
在所述场景固定轮廓中提取大于第一预设阈值的轮廓区域,该轮廓区域为固定轮廓区域;
对所述固定轮廓区域进行M×N膨胀放大,得到放大固定轮廓区域,其中,M为行方向膨胀系数,N为列方向膨胀系数。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述获取抖动背景图像包括:
采取摄像机拍摄的抖动彩色图像;
将所述抖动彩色图像转换为抖动灰度图像。
8.根据权利要求7所述的方法,其特征在于,所述提取所述抖动背景图像中的抖动轮廓包括:
对所述抖动灰度图像进行滤波,得到抖动静态图像,所述抖动静态图像为抖动轮廓。
9.根据权利要求8所述的方法,其特征在于,所述提取所述抖动轮廓中的抖动轮廓区域包括:
在所述抖动轮廓中提取大于第二预设阈值的轮廓区域,该轮廓区域为抖动轮廓区域。
10.根据权利要求1至6任一项所述的方法,其特征在于,所述根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值包括:
分别计算所述交集区域和固定轮廓区域的区域面积,得到交集区域面积和固定轮廓区域面积;
按照所述交集区域面积乘以常数C,之后,在除以所述固定轮廓区域面积,得到抖动评估值。
11.根据权利要求1至6任一项所述的方法,其特征在于,还包括:
重复执行所述分别获取场景背景图像和抖动背景图像至所述根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值的步骤,得到多个抖动评估值,对所述多个抖动评估值进行平均计算,得到平均抖动评估值;
所述判断所述抖动评估值小于预设评估抖动阈值,则确定摄像机为非正常抖动具体为:若判断所述平均抖动评估值小于预设评估抖动阈值,则确定摄像机的抖动为非正常抖动。
12.一种确定摄像机非正常抖动的装置,其特征在于,包括:
图像获取单元,用于分别获取场景背景图像和抖动背景图像;
区域确定单元,用于确定所述场景背景图像中的固定轮廓区域和所述抖动背景图像中的抖动轮廓区域;
放大单元,用于膨胀放大所述固定轮廓区域,得到放大固定轮廓区域;
比较单元,用于比较所述放大固定轮廓区域与所述抖动轮廓区域的异同,得到所述放大固定轮廓区域与所述抖动轮廓区域的交集区域;
评估单元,用于根据所述交集区域和固定轮廓区域进行计算,得到抖动评估值;
非正常抖动确定单元,用于在判断所述抖动评估值小于预设评估抖动阈值时,确定摄像机为非正常抖动。
13.根据权利要求12所述的装置,其特征在于,所述区域确定单元包括:
轮廓获取单元,用于分别提取所述场景背景图像的场景固定轮廓和所述抖动背景图像中的抖动轮廓;
区域提取单元,用于提取所述场景固定轮廓中的固定轮廓区域以及提取所述抖动轮廓中的抖动轮廓区域。
14.根据权利要求12所述的装置,其特征在于,还包括:
评估值获取单元,用于从所述评估单元中获取多次的抖动评估值;
评估值平均单元,用于对获取多次的抖动评估值进行军算,得到平均抖动评估值;
所述非正常抖动确定单元,还用于在判断所述平均抖动评估值小于预设平均评估抖动阈值时,确定摄像机的抖动为非正常抖动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110039731 CN102170522B (zh) | 2011-02-17 | 2011-02-17 | 一种摄像机非正常抖动的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110039731 CN102170522B (zh) | 2011-02-17 | 2011-02-17 | 一种摄像机非正常抖动的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102170522A true CN102170522A (zh) | 2011-08-31 |
CN102170522B CN102170522B (zh) | 2012-12-19 |
Family
ID=44491483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110039731 Active CN102170522B (zh) | 2011-02-17 | 2011-02-17 | 一种摄像机非正常抖动的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102170522B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012458A (zh) * | 2021-02-07 | 2021-06-22 | 启迪云控(上海)汽车科技有限公司 | 一种多点位路侧感知目标的状态监控管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5710828A (en) * | 1995-03-30 | 1998-01-20 | Fuji Photo Film Co., Ltd. | Method and apparatus for converting a threshold matrix which is then used to binarize image signals |
JP2003054042A (ja) * | 2001-08-21 | 2003-02-26 | Ricoh Co Ltd | プリントシステム |
CN101009769A (zh) * | 2007-02-09 | 2007-08-01 | 于中 | 电视图像防抖动处理方法 |
CN101277393A (zh) * | 2007-03-30 | 2008-10-01 | 富士胶片株式会社 | 图像摄取设备 |
CN101572820A (zh) * | 2009-05-11 | 2009-11-04 | 宁波海视智能系统有限公司 | 一种运动目标检测过程中的视频信号预处理方法 |
-
2011
- 2011-02-17 CN CN 201110039731 patent/CN102170522B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5710828A (en) * | 1995-03-30 | 1998-01-20 | Fuji Photo Film Co., Ltd. | Method and apparatus for converting a threshold matrix which is then used to binarize image signals |
JP2003054042A (ja) * | 2001-08-21 | 2003-02-26 | Ricoh Co Ltd | プリントシステム |
CN101009769A (zh) * | 2007-02-09 | 2007-08-01 | 于中 | 电视图像防抖动处理方法 |
CN101277393A (zh) * | 2007-03-30 | 2008-10-01 | 富士胶片株式会社 | 图像摄取设备 |
CN101572820A (zh) * | 2009-05-11 | 2009-11-04 | 宁波海视智能系统有限公司 | 一种运动目标检测过程中的视频信号预处理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012458A (zh) * | 2021-02-07 | 2021-06-22 | 启迪云控(上海)汽车科技有限公司 | 一种多点位路侧感知目标的状态监控管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102170522B (zh) | 2012-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | Development of an image data set of construction machines for deep learning object detection | |
Bang et al. | UAV-based automatic generation of high-resolution panorama at a construction site with a focus on preprocessing for image stitching | |
CN103413276B (zh) | 一种基于纹理分布特征的深度增强方法 | |
JP4740723B2 (ja) | 画像解析プログラム、該プログラムを記録した記録媒体、画像解析装置、および画像解析方法 | |
US10197502B2 (en) | Information processing device, information processing method and medium | |
CN103678299A (zh) | 一种监控视频摘要的方法及装置 | |
EP2884423A2 (en) | Video synopsis method and apparatus | |
US20100021010A1 (en) | System and Method for detecting pedestrians | |
CN103593678A (zh) | 一种大跨度桥梁车辆动态荷载分布检测方法 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
TW201120807A (en) | Apparatus and method for moving object detection | |
CN103679745B (zh) | 一种运动目标检测方法及装置 | |
US9367742B2 (en) | Apparatus and method for monitoring object from captured image | |
CN110659546B (zh) | 一种违法摊位检测方法及装置 | |
CN101908214B (zh) | 基于邻域相关的背景重构的运动目标检测方法 | |
Alzughaibi et al. | Review of human motion detection based on background subtraction techniques | |
CN104867128A (zh) | 图像模糊检测方法和装置 | |
Meshram et al. | Traffic surveillance by counting and classification of vehicles from video using image processing | |
CN104392203A (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN102542267B (zh) | 结合空间分布和全局对比的显著区域检测方法 | |
CN104992146A (zh) | 一种用于人脸识别的方法和装置 | |
CN115929404A (zh) | 煤矿巷道的监测方法、装置和煤矿巷道的检测系统 | |
CN113762283B (zh) | 传送带跑偏监测方法及装置 | |
CN102170522B (zh) | 一种摄像机非正常抖动的确定方法及装置 | |
CN103996208A (zh) | 一种在视频图像中进行ptz单个目标自动跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20121219 |