CN104240235A - 一种检测摄像头被遮挡的方法及系统 - Google Patents

一种检测摄像头被遮挡的方法及系统 Download PDF

Info

Publication number
CN104240235A
CN104240235A CN201410422978.7A CN201410422978A CN104240235A CN 104240235 A CN104240235 A CN 104240235A CN 201410422978 A CN201410422978 A CN 201410422978A CN 104240235 A CN104240235 A CN 104240235A
Authority
CN
China
Prior art keywords
frame
camera
multiple frames
grey level
continuous multiple
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
Application number
CN201410422978.7A
Other languages
English (en)
Other versions
CN104240235B (zh
Inventor
于晓静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ingenic Semiconductor Co Ltd
Original Assignee
Beijing Ingenic Semiconductor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Ingenic Semiconductor Co Ltd filed Critical Beijing Ingenic Semiconductor Co Ltd
Priority to CN201410422978.7A priority Critical patent/CN104240235B/zh
Publication of CN104240235A publication Critical patent/CN104240235A/zh
Application granted granted Critical
Publication of CN104240235B publication Critical patent/CN104240235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明实施例公开了一种检测摄像头被遮挡的方法及系统,应用于图像处理技术领域,实现摄像头遮挡状态的准确判断,降低误判率。本发明实施例主要包括:选择摄像头在未遮挡时的一帧图像作为参考帧;比较当前帧与参考帧的灰度直方图的分布相似性,若相似性小于第一阈值,依次比较当前帧之后连续多帧与参考帧的灰度直方图的分布相似性,若相似性均小于第一阈值,则将所述连续多帧的下一帧作为第一当前帧;比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的相似性,若第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性大于第二阈值,则确定摄像头的状态为遮挡。

Description

一种检测摄像头被遮挡的方法及系统
技术领域
本发明涉及图像处理技术领域,尤其涉及一种检测摄像头被遮挡的方法及系统。
背景技术
安全问题是人们普遍比较关心的一个问题,特别是一些公共场所,人员比较复杂,流动性也很大,为了保证大家的安全,安装监控摄像头也是非常有好处的,一个清晰的监控设备,不仅可以帮助我们预防一些事情的发生,还可以为其他事情的处理提供一些线索。
比如,工厂生产车间安装监控摄像头有利于及时了解情况便于高效管理。管理人员可以及时、直观的通过监控摄像头了解生产第一线的情况,便于指挥与管理工作的实施。还可以让工厂更加安全,例如,在发生事故后容易还原事故真相,帮助相关机关根据监控摄像头的录像信息侦破案件。对于安防人员来说,多数情况下完全靠人来保证安全是一件很困难的事情,很多事情需要电子保安器材(如监视器、报警器)辅助才更完美。在一些恶劣条件下(高热、寒冷、封闭等),人很难用肉眼观察清楚,或者环境根本不适合人的停留,因此必须使用电子安防设备-监控摄像头。
上述情景均需要摄像头在正常的条件下进行工作,才能很好地起到辅助效果,摄像头一旦被遮挡,则通过摄像头无法观察监控对象,虽然现在已经有一些用于检测摄像头是否被遮挡的方法,但是还存在一些问题,比如,无法识别画面较复杂的遮挡物、无法识别亮度不均匀的遮挡物、无法识别动态遮挡等,导致误报率极高。
发明内容
本发明实施例提供了一种检测摄像头被遮挡的方法及系统,用于提高对摄像头遮挡物的识别度,降低误报率。
有鉴于此,本发明第一方面提供一种检测摄像头被遮挡的方法,可包括:
选择摄像头在未遮挡时的一帧图像作为参考帧;
比较当前帧与参考帧的灰度直方图的分布相似性,若分布相似性小于第一阈值,则依次比较当前帧之后的连续多帧与参考帧的灰度直方图的分布相似性;
若当前帧之后连续多帧与参考帧的灰度直方图的分布相似性均小于第一阈值,则将所述连续多帧之后的下一帧作为第一当前帧;
比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性,若第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性均大于第二阈值,则确定摄像头的状态为遮挡。
本发明第二方面提供一种检测摄像头被遮挡的系统,可包括:
参考帧选择模块,用于选择摄像头在未遮挡时的一帧图像作为参考帧;
第一比较模块,用于比较当前帧与参考帧的灰度直方图的分布相似性;
第二比较模块,用于当前帧与参考帧的灰度直方图的分布相似性小于第一阈值时,依次比较当前帧之后连续多帧与参考帧的灰度直方图的分布相似性;
第三比较模块,用于当前帧之后的连续多帧与参考帧的灰度直方图的分布相似性均小于第一阈值时,将所述连续多帧之后的下一帧作为第一当前帧;比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性;
状态确定模块,用于第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性大于第二阈值时,确定摄像头的状态为遮挡。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,对于摄像头实时监测的图像,采用的是图像的灰度直方图,对于同一摄像头来说,如果相邻两帧图像的灰度直方图相似度较高,则说明摄像头监测的图像差别不大,比较稳定。反之则说明摄像头监测的图像变化较大。依据上述理论,选择摄像头在未遮挡时的一帧图像作为参考帧,如果当前帧与参考帧的灰度直方图分布相似度较低,且当前帧之后的连续多帧均与参考帧的灰度直方图相似度较低,说明摄像头的状态可能发生了变化。然后再继续比较采集的后续多帧图像之间的灰度直方图,如果相似度较高,说明摄像头状态确实发生了变化,依此可以确定摄像头被遮挡。采用灰度直方图,可以准确描绘复杂的遮挡物或者亮度不均匀的遮挡物,通过合理的选取待比较的图像的帧数,可以准确判断动态遮挡,提高遮挡物的识别度,降低误报率。
附图说明
图1为本发明实施例中一种检测摄像头被遮挡的方法实施例1的流程图;
图2为本发明实施例中一种检测摄像头被遮挡的系统实施例1的结构示意图;
图3为本发明实施例中一种检测摄像头被遮挡的系统实施例2的结构示意图;
图4为本发明实施例中参考帧选择模块的结构示意图。
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方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
请参阅图1,本发明实施例中检测摄像头被遮挡的方法实施例1的流程图,包括:
S11、选择摄像头在未遮挡时的一帧图像作为参考帧;
所述第一参考帧优选的选取摄像头在非遮挡状态下的任一帧图像,本领域技术人员可以理解的是,摄像头在开机时和遮挡后恢复的过程中存在曝光过程,所以摄像头开机时和遮挡后恢复的初始帧不作为参考帧。
S12、比较当前帧的灰度直方图与参考帧的灰度直方图的分布相似性;
摄像头在正常工作过程中,是实时采集图像的,对于采集的每一帧图像均要与第一参考帧的灰度直方图比较分布相似性(以下简称相似性),相似性可以作为衡量图像灰度差别大小的一个标准。所述当前帧可以理解为当前时刻摄像头采集的一帧图像。如果当前帧与参考帧的灰度直方图的相似性大于第一阈值,说明当前帧与参考帧的图像差别不大,则继续进行当前帧的下一帧与参考帧的灰度直方图相似性的比较。如果当前帧与参考帧的灰度直方图的相似性小于第一阈值,则说明当前帧与第一参考帧的图像差别较大,进入步骤S13。
S13、比较当前帧之后连续多帧与参考帧的灰度直方图的相似性;
若当前帧之后的连续多帧与参考帧的灰度直方图的相似性均小于第一阈值,即所述连续多帧的图像均与参考帧差别较大,将所述连续多帧的下一帧作为第一当前帧,进入步骤S14。
S14、比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的相似性;
第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的相似性大于第二阈值,说明第一当前帧及其之后连续多帧差异性较小,进入步骤S15。
通过合理选取第一当前帧之后连续多帧的帧数,执行步骤S13和S14,步骤S13和S14的执行,可以有效过滤面积大的运动物体从摄像头前面运动时对摄像头的遮挡。
S15、确定摄像头的状态为遮挡。
如果当前帧与参考帧差别较大,且当前帧之后的连续多帧与参考帧的差别均较大,而第一当前帧之后连续多帧的差别较小,说明摄像头的状态已经发生改变,因为参考帧为摄像头在未遮挡时的图像,所以可以初步确定摄像头的状态变为了遮挡状态。在实际应用中,可以增加报警装置,在确定摄像头被遮挡后,向工作人员发出遮挡告警。
本实施例对所述的第一阈值、第二阈值以及连续多帧的帧数不作具体限定,可以根据实际的使用场景的精度要求,具体设置。
本实施例中,选择摄像头在非遮挡状态下的一帧图像作为参考帧,如果当前帧与参考帧的灰度直方图相似度较低,且当前帧之后的连续多帧均与参考帧的灰度直方图相似度较低,说明摄像头的状态可能发生了变化。然后再继续比较采集的后续多帧图像之间的灰度直方图,如果相似度较高,说明摄像头状态确实发生了变化,依此可以确定摄像头被遮挡。采用灰度直方图,可以准确描绘复杂的遮挡物或者亮度不均匀的遮挡物,通过合理的选取待比较的图像的帧数,可以准确判断动态遮挡,提高遮挡物的识别度,降低误报率。
光线变化同样会引起图像灰度的变化,所以在确定摄像头是否被遮挡时,需要排除由于光线变化导致的误判,为此,参考本发明实施例提供的检测摄像头被遮挡的方法实施例2,具体可以包括:
S21、依次获取摄像头在未遮挡时的连续多帧图像的灰度直方图;
由于执行本步骤的目的是要选取参考帧,作为后续判断摄像头是否被遮挡的依据,所以优选的,所述相邻的两帧图像不在摄像头在开机时和遮挡后恢复的初始帧中选择。
S22、采用巴氏距离统计法,确定所述依次获取的连续多帧图像之间每相邻两帧图像灰度直方图的分布相似性;
若所述分布相似性大于一定阈值,说明两帧图像差别不大,进入步骤S23。
S23、将所述依次获取的连续多帧图像的下一帧作为参考帧;
S24、比较当前帧与参考帧的灰度直方图的分布相似性;
如果当前帧与参考帧的灰度直方图的分布相似性小于第一阈值,则说明当前帧与参考帧的图像差别较大,进入步骤S25;
S25、比较当前帧之后连续多帧与参考帧的灰度直方图的分布相似性;
若当前帧之后的连续多帧与参考帧的灰度直方图的分布相似性均小于第一阈值,即所述连续多帧的图像均与参考帧差别较大,将所述连续多帧的下一帧作为第一当前帧,进入步骤S26。
S26、比较第一当前帧之后的连续多帧之间每相邻两帧图像灰度直方图的分布相似性;
第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性大于第二阈值,说明连续多帧图像差别不大,则进入步骤S27,初步判定摄像头的状态为遮挡。
S27、初步确定摄像头的状态为遮挡;
由于光线变化会引起图像灰度直方图的变化,从而可能会导致上述步骤的执行结果存在误差,因此,步骤S27确定的摄像头的状态为遮挡存在误判的可能,所以在初步判定摄像头的状态为遮挡后,需要进一步过滤由光线变化导致的摄像头遮挡。
S28、过滤由于光线变化导致的遮挡。
所述步骤S28主要包括如下子步骤:
A1、对参考帧、第一当前帧及其之后的连续多帧图像进行阈值化处理,获得图像上的所有轮廓;
这里对采用的阈值化处理的方法不进行限定,可以依据阈值化处理的精度要求,适当的选择阈值化方法。
A2、获取每帧图像上的所有轮廓序列以及二值化矩阵;
A3、依次求解参考帧的轮廓二值化矩阵和第一当前帧及其之后的连续多帧图像轮廓二值化矩阵之间的绝对值差值矩阵;
A4、确定每个绝对值差值矩阵中的非零像素个数,计算每帧图像的像素变化率;
A5、判断每帧图像的像素变化率是否在预设范围内,若否,则确定摄像头的状态为遮挡。
至此步骤S28执行完毕,若每帧图像的像素变化率不在预设范围内,则可以排除由于光线遮挡造成的摄像头状态为遮挡的误判。同理,若每帧图像的像素变化率在预设范围内,则确定摄像头的状态变化是由光线变化引起的。
需要说明,所述步骤A1-A4的执行比较自由,为了节省运算时间,可以在执行步骤S27之前与步骤S24-S26同时运行,当执行完步骤S27之后,直接进行变化率的判断即可。
优选的,在实施例1和2的基础上,当摄像头确定被遮挡并发出告警后,工作人员会及时清除遮挡物,之后要继续执行摄像头是否被遮挡的判断流程,但是随着时间的推移,室内的光线会发生变化,如果采用之前的参考帧,可能会使得判定误差变大,因此要对参考帧进行更新,具体如下:
在确定摄像头被遮挡之后,无论摄像头依然被遮挡还是遮挡物被移开,摄像头依然会继续实时采集图像,在摄像头恢复至未遮挡状态的过程中,实时比较参考帧与摄像头实时采集的图像帧之间灰度直方图的分布相似性,找到与参考帧灰度直方图的分布相似性大于第一阈值的第一帧;依次比较所述第一帧之后的连续多帧与参考帧的灰度直方图的分布相似性;若第一帧之后的连续多帧与参考帧的灰度直方图分布相似性均大于第一阈值,将第一帧后连续多帧的下一帧作为第二当前帧;判断第二当前帧及之后连续多帧之间每相邻图像的灰度直方图的分布相似性,若分布相似性大于第四阈值,则说明摄像头已经工作在非遮挡状态,且状态已经稳定,将第二当前帧之后连续多帧的下一帧作为参考帧,作为后续判断摄像头是否被遮挡的参照,实现参考帧的更新。
上面对本发明实施例中的检测摄像头被遮挡的方法进行了描述,下面对本发明实施例中的检测摄像头被遮挡的系统进行描述,请参阅图2,为本发明实施例中检测摄像头被遮挡的系统实施例1的结构示意图,包括:
参考帧选择模块21,用于选择摄像头在未遮挡时的一帧图像作为参考帧;
第一比较模块22,用于比较当前帧与参考帧的灰度直方图的分布相似性;
第二比较模块23,用于当前帧与参考帧的灰度直方图的分布相似性小于第一阈值时,依次比较当前帧之后连续多帧与参考帧的灰度直方图的分布相似性;
第三比较模块24,用于当前帧之后的连续多帧与参考帧的灰度直方图的分布相似性均小于第一阈值时,将所述连续多帧的下一帧作为第一当前帧;比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性;
状态确定模块25,用于第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性大于第二阈值时,确定摄像头的状态为遮挡。
本实施例中,选择摄像头在非遮挡状态下的一帧图像作为参考帧,如果当前帧与参考帧的灰度直方图相似度较低,且当前帧之后的连续多帧均与参考帧的灰度直方图相似度较低,说明摄像头的状态可能发生了变化。然后再继续比较采集的后续多帧图像之间的灰度直方图,如果相似度较高,说明摄像头状态确实发生了变化,依此可以确定摄像头被遮挡。采用灰度直方图,可以准确描绘复杂的遮挡物或者亮度不均匀的遮挡物,通过合理的选取待比较的图像的帧数,可以准确判断动态遮挡,提高遮挡物的识别度,降低误报率。
优选的,摄像头开机时和遮挡后恢复的初始帧不作为参考帧。
进一步的,在上述实施例描述的检测系统的基础上,本发明还提供一种检测摄像头被遮挡的系统实施例2,参考图3所示,为对应的结构示意图,除了实施例1所述的模块外,还包括:
阈值化处理模块31,用于在确定摄像头的状态为遮挡之前,对参考帧、第一当前帧及其之后的连续多帧图像进行阈值化处理,获得图像上的所有轮廓;
获取模块32,用于获取每帧图像上的所有轮廓序列以及二值化矩阵;
差值矩阵求解模块33,用于依次求解参考帧的轮廓二值化矩阵和第一当前帧及其之后的连续多帧图像轮廓二值化矩阵之间的绝对值差值矩阵;
变化率求解模块34,用于确定每个绝对值差值矩阵中的非零像素个数,计算每帧图像的像素变化率;
判断模块35,用于判断每帧图像的像素变化率是否在预设范围内;
相应的,所述状态确定模块用于在每帧图像的像素变化率不在预设范围内时,确定摄像头的状态为遮挡。
若每帧图像的像素变化率在预设范围内,则摄像头的状态变化是由光线变化引起的。
参考图4所示,为所述参考帧选择模块21的结构示意图,包括:
获取子模块41,用于依次获取摄像头在未遮挡时的连续多帧图像的灰度直方图;
相似度分析子模块42,用于采用巴氏距离统计法,确定所述依次获取的连续多帧图像之间每相邻两帧图像灰度直方图分布相似性;
参考帧确定子模块43,用于所述分布相似性均大于第三阈值时,将所述依次获取的连续多帧图像的下一帧作为参考帧。
在上述各实施例的基础上,所述系统还可以包括参考帧更新模块,用于执行参考帧更新流程,更新第一参考帧;
所述参考帧更新流程包括:
确定摄像头被遮挡之后,在摄像头恢复至未遮挡状态的过程中,实时比较参考帧与摄像头实时采集的图像帧之间灰度直方图的分布相似性,找到与参考帧灰度直方图的分布相似性大于第一阈值的第一帧;依次比较所述第一帧之后的连续多帧与参考帧的灰度直方图的分布相似性;若第一帧之后的连续多帧与参考帧的灰度直方图分布相似性均大于第一阈值,将第一帧后连续多帧的下一帧作为第二当前帧;判断第二当前帧及之后连续多帧之间每相邻图像的灰度直方图的分布相似性,若分布相似性大于第四阈值,则将第二当前帧之后连续多帧的下一帧作为参考帧,以实现参考帧的更新。
本发明提供的技术方案,由于采用灰度图像,不基于亮度均匀假定以及遮挡物特征信息,与遮挡物表面图案无关,与遮挡物自身属性无关,可以准确判断光照变化(突变、渐变)对摄像头的影响,有效过滤摄像头抖动、过滤运动大物体等疑似遮挡物;能有效识别彩色遮挡,可以准确判断遮挡本身是否发生,与画面内物体空间分布无关。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种检测摄像头被遮挡的方法,其特征在于,包括:
选择摄像头在未遮挡时的一帧图像作为参考帧;
比较当前帧与参考帧的灰度直方图的分布相似性,若分布相似性小于第一阈值,则依次比较当前帧之后的连续多帧与参考帧的灰度直方图的分布相似性;
若当前帧之后连续多帧与参考帧的灰度直方图的分布相似性均小于第一阈值,则将所述连续多帧的下一帧作为第一当前帧;
比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性,若第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的相似性均大于第二阈值,则确定摄像头的状态为遮挡。
2.根据权利要求1所述的方法,其特征在于,摄像头开机时和遮挡后恢复的初始帧不作为参考帧。
3.根据权利要求1所述的方法,其特征在于,所述参考帧的选择过程包括:
依次获取摄像头在未遮挡时的连续多帧图像的灰度直方图;
采用巴氏距离统计法,确定依次获取的连续多帧图像之间每相邻两帧图像的灰度直方图的分布相似性;
若所述分布相似性均大于第三阈值,则将依次获取的连续多帧图像的下一帧作为参考帧。
4.根据权利要求1所述的方法,其特征在于,在确定摄像头的状态为遮挡之前,还包括:
对参考帧、第一当前帧及其之后的连续多帧图像进行阈值化处理,获得图像上的所有轮廓;
获取每帧图像上的所有轮廓序列以及二值化矩阵;
依次求解参考帧的轮廓二值化矩阵和第一当前帧及其之后的连续多帧图像轮廓二值化矩阵之间的绝对值差值矩阵;
确定每个绝对值差值矩阵中的非零像素个数,计算每帧图像的像素变化率;
判断每帧图像的像素变化率是否在预设范围内,若否,则确定摄像头的状态为遮挡。
5.根据权利要求4所述的方法,其特征在于,还包括:每帧图像的像素变化率在预设范围内,则确定摄像头的状态变化是由光线变化引起的。
6.根据权利要求1或4所述的方法,其特征在于,确定摄像头被遮挡之后,还包括:
在摄像头恢复至未遮挡状态的过程中,实时比较参考帧与摄像头实时采集的图像帧之间灰度直方图的分布相似性,找到与参考帧灰度直方图的分布相似性大于第一阈值的第一帧;
依次比较所述第一帧之后的连续多帧与第一参考帧的灰度直方图的分布相似性;
若第一帧之后的连续多帧与参考帧的灰度直方图分布相似性均大于第一阈值,将第一帧后连续多帧的下一帧作为第二当前帧;判断第二当前帧及之后连续多帧之间每相邻图像的灰度直方图的分布相似性,若分布相似性大于第四阈值,则将第二当前帧之后连续多帧的下一帧作为参考帧,以实现参考帧的更新。
7.一种检测摄像头被遮挡的系统,其特征在于,包括:
参考帧选择模块,用于选择摄像头在未遮挡时的一帧图像作为参考帧;
第一比较模块,用于比较当前帧与参考帧的灰度直方图的分布相似性;
第二比较模块,用于当前帧与参考帧的灰度直方图的分布相似性小于第一阈值时,依次比较当前帧之后连续多帧与参考帧的灰度直方图的分布相似性;
第三比较模块,用于当前帧之后的连续多帧与参考帧的灰度直方图的相似性均小于第一阈值时,将所述连续多帧的下一帧作为第一当前帧;比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性;
状态确定模块,用于第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性大于第二阈值时,确定摄像头的状态为遮挡。
8.根据权利要求7所述的系统,其特征在于,包括:所述参考帧选择模块包括:
获取子模块,用于依次获取摄像头在未遮挡时的连续多帧图像的灰度直方图;
相似度分析子模块,用于采用巴氏距离统计法,确定依次获取的连续多帧图像之间每相邻两帧图像灰度直方图的分布相似性;
参考帧确定子模块,用于所述分布相似性均大于第三阈值时,将所述依次获取的连续多帧图像的下一帧作为参考帧。
9.根据权利要求7所述的系统,其特征在于,所述系统还包括:
阈值化处理模块,用于在确定摄像头的状态为遮挡之前,对参考帧、第一当前帧及其之后的连续多帧图像进行阈值化处理,获得图像上的所有轮廓;
获取模块,用于获取每帧图像上的所有轮廓序列以及二值化矩阵;
差值矩阵求解模块,用于依次求解参考帧的轮廓二值化矩阵和第一当前帧及其之后的连续多帧图像轮廓二值化矩阵之间的绝对值差值矩阵;
变化率求解模块,用于确定每个绝对值差值矩阵中的非零像素个数,计算每帧图像的像素变化率;
判断模块,用于判断每帧图像的像素变化率是否在预设范围内;
相应的,所述状态确定模块用于在每帧图像的像素变化率不在预设范围内时,确定摄像头的状态为遮挡。
10.根据权利要求7或9所述的系统,其特征在于,还包括:
参考帧更新模块,用于执行参考帧更新流程,更新第一参考帧;
所述参考帧更新流程包括:确定摄像头被遮挡之后,在摄像头恢复至未遮挡状态的过程中,实时比较参考帧与摄像头实时采集的图像帧之间灰度直方图的分布相似性,找到与参考帧灰度直方图的分布相似性大于第一阈值的第一帧;依次比较所述第一帧之后的连续多帧与参考帧的灰度直方图的分布相似性;若第一帧之后的连续多帧与参考帧的灰度直方图分布相似性均大于第一阈值,将第一帧后连续多帧的下一帧作为第二当前帧;判断第二当前帧及之后连续多帧之间每相邻图像的灰度直方图的分布相似性,若分布相似性大于第四阈值,则将第二当前帧之后连续多帧的下一帧作为参考帧,以实现参考帧的更新。
CN201410422978.7A 2014-08-26 2014-08-26 一种检测摄像头被遮挡的方法及系统 Active CN104240235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410422978.7A CN104240235B (zh) 2014-08-26 2014-08-26 一种检测摄像头被遮挡的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410422978.7A CN104240235B (zh) 2014-08-26 2014-08-26 一种检测摄像头被遮挡的方法及系统

Publications (2)

Publication Number Publication Date
CN104240235A true CN104240235A (zh) 2014-12-24
CN104240235B CN104240235B (zh) 2017-08-25

Family

ID=52228241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410422978.7A Active CN104240235B (zh) 2014-08-26 2014-08-26 一种检测摄像头被遮挡的方法及系统

Country Status (1)

Country Link
CN (1) CN104240235B (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657993A (zh) * 2015-02-12 2015-05-27 北京格灵深瞳信息技术有限公司 一种镜头遮挡检测方法及装置
CN105657435A (zh) * 2016-01-25 2016-06-08 福建师范大学 基于量化dct系数的视频单帧复制粘贴篡改检测方法
CN105744268A (zh) * 2016-05-04 2016-07-06 深圳众思科技有限公司 摄像头遮挡检测方法及装置
CN105828067A (zh) * 2016-04-19 2016-08-03 奇酷互联网络科技(深圳)有限公司 双摄像头被遮挡的确定方法、确定装置和终端
CN105828068A (zh) * 2016-05-06 2016-08-03 北京奇虎科技有限公司 一种对摄像头进行遮挡检测的方法、装置及终端设备
CN105847767A (zh) * 2016-05-31 2016-08-10 浪潮通用软件有限公司 一种告警方法、装置及系统
CN105915785A (zh) * 2016-04-19 2016-08-31 奇酷互联网络科技(深圳)有限公司 双摄像头被遮挡的确定方法、确定装置和终端
CN106056080A (zh) * 2016-05-30 2016-10-26 东莞市中控电子技术有限公司 一种可视化的生物计量信息采集装置和方法
CN106454331A (zh) * 2016-11-02 2017-02-22 北京弘恒科技有限公司 视频信号质量检测系统及方法
CN106454330A (zh) * 2016-11-02 2017-02-22 北京弘恒科技有限公司 视频信号的模糊异常检测方法
CN107396089A (zh) * 2017-07-03 2017-11-24 安徽大学 一种基于云边计算模型的视频监控系统可靠性监测方法
WO2018006834A1 (en) * 2016-07-08 2018-01-11 Huawei Technologies Co., Ltd. Systems, processes and devices for occlusion detection for video-based object tracking
CN107743224A (zh) * 2017-09-30 2018-02-27 奇酷互联网络科技(深圳)有限公司 镜头脏污的提醒方法、系统、可读存储介质及移动终端
CN107948465A (zh) * 2017-12-11 2018-04-20 南京行者易智能交通科技有限公司 一种检测摄像头被干扰的方法和装置
CN109635723A (zh) * 2018-12-11 2019-04-16 讯飞智元信息科技有限公司 一种遮挡检测方法及装置
CN110135445A (zh) * 2018-02-02 2019-08-16 兴业数字金融服务(上海)股份有限公司 用于监控应用的状态的方法和装置
CN110211316A (zh) * 2019-06-05 2019-09-06 深圳市梦网百科信息技术有限公司 一种监控预警方法和系统
CN110766646A (zh) * 2018-07-26 2020-02-07 北京京东尚科信息技术有限公司 展示架遮挡检测方法、装置以及存储介质
CN111027398A (zh) * 2019-11-14 2020-04-17 深圳市有为信息技术发展有限公司 行车记录仪视频遮挡检测方法
CN111368785A (zh) * 2020-03-17 2020-07-03 广东智媒云图科技股份有限公司 一种摄像头遮挡判断方法、装置、设备及存储介质
CN111723644A (zh) * 2020-04-20 2020-09-29 北京邮电大学 一种监控视频遮挡检测方法及系统
CN111726528A (zh) * 2020-06-24 2020-09-29 Oppo广东移动通信有限公司 摄像头切换方法、装置、终端以及计算机存储介质
CN112261402A (zh) * 2020-09-22 2021-01-22 北京紫光展锐通信技术有限公司 图像检测方法与系统以及摄像头遮挡监控方法与系统
CN112291551A (zh) * 2020-06-23 2021-01-29 广州红贝科技有限公司 一种基于图像处理的视频质量检测方法、存储设备及移动终端
CN112400315A (zh) * 2018-07-13 2021-02-23 Abb瑞士股份有限公司 拍摄装置监测方法
CN112990309A (zh) * 2021-03-12 2021-06-18 随锐科技集团股份有限公司 检测仪表设备是否存在异物遮挡的方法及系统
CN113011219A (zh) * 2019-12-19 2021-06-22 合肥君正科技有限公司 一种遮挡检测中应对光线变化自动更新背景的方法
CN113205489A (zh) * 2021-04-16 2021-08-03 广东海文通信有限责任公司 一种监控图像的检测方法、装置、计算机设备和存储介质
CN115118948A (zh) * 2022-06-20 2022-09-27 北京华录新媒信息技术有限公司 一种全景视频中无规则遮挡的修复方法及装置
CN115580706A (zh) * 2022-08-10 2023-01-06 北京国信网联科技有限公司 具备应急安防的智能监控系统
CN115861624A (zh) * 2023-03-03 2023-03-28 天津所托瑞安汽车科技有限公司 摄像头被遮挡的检测方法、装置、设备及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HONGPENG YIN等: "《Sift-based Camera Tamper Detection For Video Surveillance》", 《第25届中国控制与决策会议论文集》 *
ZHIHUA LI等: "《Protection of Regional Object and Camera Tampering》", 《PROCEEDINGS OF 2013 IEEE 4TH INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING AND SERVICE SCIENCE》 *
梁爽: "《基于轮廓波的摄像头干扰检测》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王宝君: "《基于角点的相机干扰检测》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
罗显科: "《视频监控图像异常检测及质量评价》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657993A (zh) * 2015-02-12 2015-05-27 北京格灵深瞳信息技术有限公司 一种镜头遮挡检测方法及装置
CN105657435A (zh) * 2016-01-25 2016-06-08 福建师范大学 基于量化dct系数的视频单帧复制粘贴篡改检测方法
CN105828067A (zh) * 2016-04-19 2016-08-03 奇酷互联网络科技(深圳)有限公司 双摄像头被遮挡的确定方法、确定装置和终端
CN105915785A (zh) * 2016-04-19 2016-08-31 奇酷互联网络科技(深圳)有限公司 双摄像头被遮挡的确定方法、确定装置和终端
CN105744268A (zh) * 2016-05-04 2016-07-06 深圳众思科技有限公司 摄像头遮挡检测方法及装置
CN105828068A (zh) * 2016-05-06 2016-08-03 北京奇虎科技有限公司 一种对摄像头进行遮挡检测的方法、装置及终端设备
CN106056080A (zh) * 2016-05-30 2016-10-26 东莞市中控电子技术有限公司 一种可视化的生物计量信息采集装置和方法
CN105847767A (zh) * 2016-05-31 2016-08-10 浪潮通用软件有限公司 一种告警方法、装置及系统
CN105847767B (zh) * 2016-05-31 2018-07-06 浪潮通用软件有限公司 一种告警方法、装置及系统
WO2018006834A1 (en) * 2016-07-08 2018-01-11 Huawei Technologies Co., Ltd. Systems, processes and devices for occlusion detection for video-based object tracking
US10185877B2 (en) 2016-07-08 2019-01-22 Huawei Technologies Co., Ltd. Systems, processes and devices for occlusion detection for video-based object tracking
CN106454331A (zh) * 2016-11-02 2017-02-22 北京弘恒科技有限公司 视频信号质量检测系统及方法
CN106454330A (zh) * 2016-11-02 2017-02-22 北京弘恒科技有限公司 视频信号的模糊异常检测方法
CN107396089A (zh) * 2017-07-03 2017-11-24 安徽大学 一种基于云边计算模型的视频监控系统可靠性监测方法
CN107743224A (zh) * 2017-09-30 2018-02-27 奇酷互联网络科技(深圳)有限公司 镜头脏污的提醒方法、系统、可读存储介质及移动终端
CN107948465A (zh) * 2017-12-11 2018-04-20 南京行者易智能交通科技有限公司 一种检测摄像头被干扰的方法和装置
CN110135445A (zh) * 2018-02-02 2019-08-16 兴业数字金融服务(上海)股份有限公司 用于监控应用的状态的方法和装置
CN112400315A (zh) * 2018-07-13 2021-02-23 Abb瑞士股份有限公司 拍摄装置监测方法
CN110766646A (zh) * 2018-07-26 2020-02-07 北京京东尚科信息技术有限公司 展示架遮挡检测方法、装置以及存储介质
CN109635723B (zh) * 2018-12-11 2021-02-09 讯飞智元信息科技有限公司 一种遮挡检测方法及装置
CN109635723A (zh) * 2018-12-11 2019-04-16 讯飞智元信息科技有限公司 一种遮挡检测方法及装置
CN110211316B (zh) * 2019-06-05 2021-12-21 深圳市梦网视讯有限公司 一种监控预警方法和系统
CN110211316A (zh) * 2019-06-05 2019-09-06 深圳市梦网百科信息技术有限公司 一种监控预警方法和系统
CN111027398A (zh) * 2019-11-14 2020-04-17 深圳市有为信息技术发展有限公司 行车记录仪视频遮挡检测方法
CN113011219A (zh) * 2019-12-19 2021-06-22 合肥君正科技有限公司 一种遮挡检测中应对光线变化自动更新背景的方法
CN111368785A (zh) * 2020-03-17 2020-07-03 广东智媒云图科技股份有限公司 一种摄像头遮挡判断方法、装置、设备及存储介质
CN111368785B (zh) * 2020-03-17 2023-08-25 广东智媒云图科技股份有限公司 一种摄像头遮挡判断方法、装置、设备及存储介质
CN111723644A (zh) * 2020-04-20 2020-09-29 北京邮电大学 一种监控视频遮挡检测方法及系统
CN112291551A (zh) * 2020-06-23 2021-01-29 广州红贝科技有限公司 一种基于图像处理的视频质量检测方法、存储设备及移动终端
CN111726528A (zh) * 2020-06-24 2020-09-29 Oppo广东移动通信有限公司 摄像头切换方法、装置、终端以及计算机存储介质
CN112261402A (zh) * 2020-09-22 2021-01-22 北京紫光展锐通信技术有限公司 图像检测方法与系统以及摄像头遮挡监控方法与系统
CN112990309A (zh) * 2021-03-12 2021-06-18 随锐科技集团股份有限公司 检测仪表设备是否存在异物遮挡的方法及系统
CN112990309B (zh) * 2021-03-12 2023-11-28 随锐科技集团股份有限公司 检测仪表设备是否存在异物遮挡的方法及系统
CN113205489A (zh) * 2021-04-16 2021-08-03 广东海文通信有限责任公司 一种监控图像的检测方法、装置、计算机设备和存储介质
CN115118948A (zh) * 2022-06-20 2022-09-27 北京华录新媒信息技术有限公司 一种全景视频中无规则遮挡的修复方法及装置
CN115118948B (zh) * 2022-06-20 2024-04-05 北京华录新媒信息技术有限公司 一种全景视频中无规则遮挡的修复方法及装置
CN115580706A (zh) * 2022-08-10 2023-01-06 北京国信网联科技有限公司 具备应急安防的智能监控系统
CN115580706B (zh) * 2022-08-10 2023-08-11 北京国信网联科技有限公司 具备应急安防的智能监控系统
CN115861624A (zh) * 2023-03-03 2023-03-28 天津所托瑞安汽车科技有限公司 摄像头被遮挡的检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN104240235B (zh) 2017-08-25

Similar Documents

Publication Publication Date Title
CN104240235A (zh) 一种检测摄像头被遮挡的方法及系统
CN102348128B (zh) 具有摄像机异常检测装置的监视用摄像机系统
CN102568242B (zh) 基于视频处理的信号灯状态检测方法及其系统
CN100543765C (zh) 基于计算机视觉的入侵监控方法
EP3104327B1 (en) Anomalous pixel detection
CN102509075B (zh) 一种遗留物检测方法及装置
CN105744232A (zh) 一种基于行为分析技术的输电线路视频防外破的方法
CN103729858B (zh) 一种视频监控系统中遗留物品的检测方法
KR102217253B1 (ko) 행동패턴 분석 장치 및 방법
CN101159859A (zh) 一种运动检测方法、装置以及一种智能监控系统
CN101299269A (zh) 静止场景的标定方法及装置
CN102201121A (zh) 视频场景中的物件侦测系统与方法
CN104601965A (zh) 摄像头遮挡检测方法
CN113012383B (zh) 火灾检测报警方法、相关系统、相关设备及存储介质
JP2010097265A (ja) 煙検出装置
CN107240092A (zh) 一种图像模糊度检测方法及装置
CN107610393A (zh) 一种办公室智能监控系统
CN103996045A (zh) 一种基于视频的多种特征融合的烟雾识别方法
Ullah et al. Gaussian mixtures for anomaly detection in crowded scenes
CN105141923A (zh) 一种视频浓缩方法及装置
CN105763868A (zh) 云台故障的检测方法及装置
CN110728212B (zh) 一种基于计算机视觉的道路井盖监控装置及监控方法
KR20090044957A (ko) 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법
CN101877135B (zh) 一种基于背景重构的运动目标检测方法
CN111860429B (zh) 高炉风口异常检测方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant