CN104657997B - 一种镜头移位检测方法及装置 - Google Patents

Abstract

本申请提供了一种镜头移位检测方法及装置，包括：获取镜头拍摄的背景图像，计算背景图像的边缘特征；边缘特征为与图像尺寸相同的矩阵，矩阵内每个元素的值代表该位置图像像素是否为边缘；当镜头检测到前景时获取镜头拍摄的当前场景图像，计算当前场景图像的边缘特征；根据背景图像和当前场景图像的边缘特征确定镜头是否发生移位。获取镜头拍摄的背景图像，计算背景图像的局部特征；局部特征为图像内预设的局部区域像素间的灰度关系；当镜头检测到前景时获取当前场景图像，计算当前场景图像的局部特征；根据背景图像和当前场景图像的局部特征确定镜头是否发生移位。本申请通过比较边缘特征、匹配局部特征来检测镜头是否移位，极大减少了误报现象。

Description

一种镜头移位检测方法及装置

技术领域

本申请涉及安全监控技术领域，尤其涉及一种镜头移位检测方法及装置。

背景技术

目前，在银行、公司、商场等场所，通过安装摄像头来进行监控的方式已经较为常见。然而，还是存在一些安全漏洞，比如，犯罪分子将用于监控的摄像头进行位置移动，使得摄像头并不能监控到所要监控的场景。

对于这种安全漏洞，为了检测出摄像头的镜头是否发生移位等情况，现有技术通常是采用如下方式：建立背景模型，比较当前场景和背景模型的像素值的差异，根据像素值的差异判断镜头是否发生移位，比如，当像素值的差值大于预设阈值的点超过一定比例时，即可认为镜头移位。

上述方式是基于像素值的差异，而通常情况下，像素值的变化并不是完全可靠的，像素值的变化受光照条件、移动的前景等因素的影响较大，容易产生误报。

现有技术不足在于：

基于像素值变化判断镜头是否移位的方式容易导致误报。

发明内容

本申请实施例提出了一种镜头移位检测方法及装置，以解决现有技术中基于像素值变化判断镜头是否移位的方式容易导致误报的技术问题。

本申请实施例提供了一种镜头移位检测方法，包括如下步骤：

获取镜头拍摄的背景图像，并计算所述背景图像的边缘特征；其中，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算所述当前场景图像的边缘特征；

根据所述背景图像的边缘特征与所述当前场景图像的边缘特征确定所述镜头是否发生移位。

本申请实施例提供了一种镜头移位检测装置，包括：

第一计算模块，用于获取镜头拍摄的背景图像，并计算背景图像的边缘特征；边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

第二计算模块，用于当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算当前场景图像的边缘特征；

第一确定模块，用于根据背景图像的边缘特征与当前场景图像的边缘特征确定镜头是否发生移位。

有益效果如下：

本申请实施例所提供的镜头移位检测方法及装置，首先获取背景图像的边缘特征，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘，在检测到前景后计算当前场景图像的边缘特征，最后根据背景图像的边缘特征以及当前场景图像的边缘特征确定镜头是否移位；本申请实施例所提供的检测方案采用根据边缘特征的变化来检测镜头是否移位的方式，边缘特征可以表示出图像内所有物体的边缘位置，由于物体的边缘位置不会因光照条件等因素的改变而改变，即使光照条件发生变化，边缘位置也不会变化，也即边缘特征不变，因此，相对于现有的基于像素值变化进行检测的方式，本申请实施例所提供的检测方案更加稳定、准确性更高，极大地减少了误报现象的发生。

本申请实施例还提供了一种镜头移位检测方法，包括如下步骤：

获取镜头拍摄的背景图像，并计算背景图像的局部特征；其中，局部特征为图像内预设的局部区域像素间的灰度关系；

当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算当前场景图像的局部特征；

根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位。

本申请实施例提供了一种镜头移位检测装置，包括：

第三计算模块，用于获取镜头拍摄的背景图像，并计算背景图像的局部特征；其中，局部特征为图像内预设的局部区域像素间的灰度关系；

第四计算模块，用于当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算当前场景图像的局部特征；

第二确定模块，用于根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位。

有益效果如下：

本申请实施例首先获取镜头拍摄的背景图像，计算背景图像的局部特征，局部特征为图像内预设的局部区域像素间的灰度关系；然后当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算当前场景图像的局部特征；最终根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位；本申请实施例采用基于局部特征来检测镜头是否移位，由于局部特征描述了局部区域的像素值之间的灰度关系，即使光照变化产生了整体图像的一致性变化，而像素值之间的相互关系并不会改变，因此采用局部特征可以很容易去除移动的前景上产生的干扰，利用局部特征来检测镜头是否移位也是很稳定的、准确性较高。

附图说明

下面将参照附图描述本申请的具体实施例，其中：

图1示出了本申请实施例中镜头移位检测方法实施的流程示意图；

图2示出了本申请实施例中当前场景图像及其边缘特征的示意图；

图3示出了本申请实施例中另一镜头移位检测方法实施的流程示意图；

图4示出了本申请实施例中银行自动存取款监控场景的背景图像示意图；

图5示出了本申请实施例中银行自动存取款监控场景的当前场景图像示意图；

图6示出了本申请实施例中银行自动存取款监控场景的镜头移位示意图；

图7示出了本申请实施例中镜头移位检测装置的结构示意图；

图8示出了本申请实施例中另一镜头移位检测装置的结构示意图。

具体实施方式

为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。

发明人在发明过程中注意到：

现有技术中通过比较当前场景和背景模型的像素差异来判断镜头是否移位的方式，可能存在由于光照条件的变化导致大面积的像素值变化的情况。也即，由于在一天24小时内同一场景的光照条件也会发生很大变化，在不同天气条件下的光照也有较大变化，因此，在某一光照条件下学习固化的背景模型不可能适应另一种光照条件的前景。

除此之外，发明人在发明过程中还注意到，现有技术中还有另外一种情况可能会导致基于像素值变化检测镜头是否移位出现误报的情况，那就是前景移动：

安防监控摄像头一般是安装在可以监控人行为的场合，这就意味着可能会存在移动的前景，比如：人和人携带的物体。而每个移动的物体都会有很多像素，以640*480分辨率的摄像头为例，一个身高175cm的人在距离镜头4m的位置移动，会产生大约10000左右移动的前景像素，占画面总像素比例为3％(10000/(640*480)≈3.25％)；当移动的人员较多时，这个比例会持续提高。在这种情况下，虽然镜头并没有发生移位等，但还是会有大面积的像素与背景不一样，由于现有技术是像素值的变化判断镜头是否移位，进而导致错误的判断。

因此，现有技术中所采用基于像素值变化来检测镜头移位的方式可能存在由于光照条件、移动的前景等原因导致大面积像素值变化，错误认为镜头发生移位，进而导致误报等缺陷。

针对上述不足，本申请实施例提出了一种镜头移位检测方法及装置，下面进行说明。

图1示出了本申请实施例中镜头移位检测方法实施的流程示意图，如图所示，镜头移位检测方法可以包括如下步骤：

步骤101、获取镜头拍摄的背景图像，并计算背景图像的边缘特征；其中，边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

步骤102、当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算前景图像的边缘特征；

步骤103、根据背景图像的边缘特征与当前场景图像的边缘特征确定镜头是否发生移位。

在具体实施中，首先部署用于监控的摄像头，可以在所监控的场景内没有前景的情况下，先获取场景内的背景图像(也即场景内没有前景的时候的场景图像)，计算出背景图像的边缘特征；当出现移动的前景时，再计算当前场景图像(也即场景内出现前景的时候的场景图像)的边缘特征；根据背景图像的边缘特征和当前场景图像的边缘特征来确定镜头是否发生移位。

其中，图像的边缘一般可以是图像中灰度有显著变化的像素点的集合，从信号研究的频域角度而言，这些像素点信息属于高频信号区域，图像边缘往往都是闭合的连线。本申请实施例中边缘特征是一个矩阵，该矩阵与图像尺寸相同可以指与图像的分辨率大小相同，该矩阵的长、宽可以分别与图像的长、宽相同，例如：640*480分辨率的图像，其边缘特征为640*480的矩阵。矩阵中每个元素的值对应着在此位置图像像素是否为边缘，如果该位置图像像素是边缘，那么矩阵中该位置的元素值可以为1，否则为0，在实际显示中边缘位置可以用白点表示，非边缘位置为黑点表示。

通常所说的前景，是相对于背景而言移动的物体。前景检测的目的是在已经建立的背景模型的基础上，将场景中的运动物体找出来，具体的前景检测方法可以采用现有的检测方法，而且检测可以是实时检测的、也可以是按照一定时间检测的，本申请对检测前景的具体方法及检测周期不作限制。

由于本申请实施例采用根据边缘特征的变化检测镜头是否移位，边缘特征可以表示出所有物体的边缘位置，即使光照条件发生变化，但边缘位置不会变化，也即边缘特征不变，因此，相对于现有的像素值变化检测，本申请实施例所提供的检测方法更加稳定、准确性更高，极大地减少了误报现象的发生。

不仅如此，本申请实施例采用根据边缘特征的变化检测镜头是否移位，可以很容易的降低移动的前景所带来的干扰，使得检测的准确性更高。假设获取的背景图像为ATM机，继续以身高175cm、距离镜头4m的移动的人为例，现有技术中人所造成的移动前景的像素数变化大约10000个像素，假设由于人遮挡导致的ATM机像素数变化300个像素，现有技术中用于检测镜头是否移位的像素数变化为10300，其中人的干扰占比大约为97％(10000/10300)；而采用本申请实施例的方式，由于人的边缘大约只有100至200像素，也即边缘特征(矩阵)中有100至200个表示边缘的元素，比他造成的移动前景的像素数(大约10000个像素)少两个数量级，假设ATM机的边缘由于被遮挡变化了100像素，那么边缘特征(矩阵)中共有200至300个表示边缘的元素发生变化，其中人的干扰占比大约为50％至67％(100/200至200/300)。综上所述，现有技术中人的干扰占比为97％，而本申请实施例中人的干扰占比为50％至67％，从而可以看出，采用本申请实施例基于边缘特征的变化来检测镜头是否移位的方式，移动前景对判断结果的干扰小很多。

具体实施中，计算背景图像或当前场景图像的边缘特征可以是利用canny算子进行计算的。进行边缘检测一般包括几个步骤：滤波，平滑图像、去除噪声等等；求梯度值，初步确定图像边缘点；最后再精确定位边缘位置。使用canny算子计算边缘特征实际上也可以理解为求信号函数的极大值问题来判定图像边缘像素点。具体的算法过程主要包括：获取原始图像、高斯平滑去噪、求导、非极大值抑制、初步得到边缘点、双阈值检测链接边缘、最终检测出图像边缘。

传统的边缘检测算子包括：Sobel算子、Prewitt算子、Roberts算子、Krich算子等，但这些算子大部分处理的效果不是很好，也不实用。而canny算子检测的性能较好，不仅提高了对景物边缘的敏感性，而且抑制了噪声。

图2示出了当前场景图像及其边缘特征的示意图，如图所示，(a)代表当前场景图像，(c)为该当前场景图像的边缘特征，(b)为当前场景图像经过高斯滤波平滑后的图像，(d)为经过高斯滤波平滑处理后的图像的边缘特征。

本申请实施例中根据背景图像的边缘特征与当前场景图像的边缘特征确定镜头是否发生移位，是通过比较背景图像的边缘特征和当前场景的边缘特征的距离，具体可以是比较两幅图像的矩阵之差。

实施中，根据背景图像的边缘特征与当前场景图像的边缘特征确定镜头是否发生移位，具体可以为：

比较背景图像的边缘特征与当前场景图像的边缘特征的重合区域；

当重合区域所占比例小于预设阈值时，确定镜头发生移位。

一般情况下，如果镜头发生了移位，那么背景图像与当前场景图像的重合区域所占比例会大幅降低，本申请实施例预先设定第一阈值，当重合区域所占比例降低到小于预设的第一阈值时，即认为镜头发生移位。例如重合区域占整个区域的比例为90％，而预先设定的第一阈值是重合区域所占比例为95％，也即重合区域所占比例小于预设第一阈值，那么这种情况就说明镜头已经发生了移位。

本申请实施例通过比较背景图像与当前场景图像中的边缘特征的重合区域占比，即可确定出镜头是否发生移位，具体实施时检测方便、便于计算，且具体的计算采用Canny算子来检测，检测性能较好，可以在一定程度上提高镜头移位检测的准确率。

实施中，在获取到镜头拍摄的背景图像之后，可以进一步包括：计算背景图像的局部特征(local feature)；其中，局部特征为图像内预设的局部区域内像素间的灰度关系；

在获取到镜头拍摄的当前场景图像之后，可以进一步包括：

计算当前场景图像的局部特征；

根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位。

其中，现有技术中的local feature通常可以代表基于RGB图像设定一组规则来计算局部区域内像素之间的灰度关系，得到特征向量作为对这个局部区域的描述，这一过程也即本申请实施例中所指的计算局部特征。局部区域内各个像素点之间的灰度关系可以以矩阵的方式来体现，矩阵内每个元素的值可以代表该位置图像灰度的梯度值，通过计算矩阵的特征向量来代表该图像的局部特征。现有的计算局部特征的算法一般包括：SIFT(Scale-invariant feature transform)、SURF(Speeded Up Robust Feature)、ORB(Oriented Brief)、FAST(Feature from Accelerated Segment Test)等，这些算法分别是不同的像素间灰度关系的计算方法，局部特征一般出现在图像中有灰度变化的区域。

具体实施中，局部区域可以根据实际需要预先设定，例如，在监控ATM机时可以将局部区域设置为ATM机的显示屏或按键区等，对于局部区域的具体设定方式以及具体位置，本申请不作限制。

本申请实施例采用基于局部特征来检测镜头是否移位，由于局部特征描述了局部区域的像素值之间的灰度关系，即使光照变化产生了整体图像的一致性变化，而像素值之间的相互关系并不会改变，因此采用局部特征可以很容易去除移动的前景上产生的干扰，利用局部特征来检测镜头是否移位也是很稳定的、准确性较高，当有移动的前景时受影响较小。

具体实施中，计算背景图像或当前场景图像的局部特征可以是利用随机抽样一致性(RANSAC，RANdom SAmple Consensus)算法进行计算的；

其中，RANSAC算法是一种根据一组包含异常数据的样本计算出有效数据并建模的算法。RANSAC算法会选择方向一致的匹配对，并以此为依据去除错误的匹配，这样移动的前景得到的局部特征和背景产生的错误匹配就会被去除。

在实施中采用RANSAC算法是由于RANSAC算法比较常用、主流，易于本领域技术人员使用/理解，所以这里以RANSAC算法为例；但是，从理论上来说，用其他的方式也是可以的，只要能够实现计算图像局部特征的目的即可，RANSAC算法仅用于教导本领域技术人员具体如何实施本申请，但并不意味仅能使用RANSAC算法，实施过程中可以结合实践需要来确定相应的方式。

实施中，根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位，具体可以为：

匹配背景图像的局部特征和当前场景图像的局部特征；

当错误匹配对的数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定镜头发生移位。

具体实施时，当得到方向一致的匹配对的数目(也即错误匹配对的数目)达到一定数量(也即第二阈值)，且平均距离超过预设第三阈值时，则确定镜头已经发生移位。在具体实施中，第二阈值和第三阈值的具体数值可以根据实际情况自行设置，本申请对第二阈值和第三阈值的具体数值不作限制。

本申请实施例中基于边缘特征检测镜头是否发生移位，还可以进一步基于局部特征检测镜头是否发生移位，依据边缘特征比较检测镜头是否移位可以判断出大范围的镜头移位，依据局部特征匹配检测镜头是否移位可以判断镜头的小范围移动，当二者结合使用时，检测效果更佳、准确性更高。

具体实施中，镜头移位检测方法可以进一步包括：

当确定镜头发生移位时，产生镜头移位告警。

其中，产生镜头移位告警的方式可以是通过警报声或通过短信等方式进行，本申请对具体的告警方式不作限制。

本申请实施例在确定镜头发生了移位的情况下，可以立即产生镜头移位的告警，以及时通知监控中心或相关的负责人员，起到安全监控的目的，采用本申请实施例可以确保监控的准确性和及时性。

本申请实施例还提供了一种镜头移位检测方法，图3示出了本申请实施例镜头移位检测方法实施的流程示意图，镜头移位检测方法可以包括如下步骤：

步骤301、获取镜头拍摄的背景图像，并计算所述背景图像的局部特征；其中，所述局部特征为图像内预设的局部区域像素间的灰度关系；

步骤302、当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算所述当前场景图像的局部特征；

步骤303、根据所述背景图像的局部特征和所述当前场景图像的局部特征确定所述镜头是否发生移位。

具体实施中，局部区域可以根据实际需要预先设定，例如，在监控ATM机时可以将局部区域设置为ATM机的显示屏或按键区等，对于局部区域的具体设定方式以及具体位置，本申请不作限制。

具体实施中，计算背景图像或当前场景图像的局部特征可以是利用RANSAC算法进行计算的。

具体实施中，根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位，具体可以为：

匹配背景图像的局部特征和当前场景图像的局部特征；

当错误匹配对的数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定镜头发生移位。

本申请实施例采用基于局部特征来检测镜头是否移位，由于局部特征描述了局部区域的像素值之间的灰度关系，即使光照变化产生了整体图像的一致性变化，而像素值之间的相互关系并不会改变，因此采用局部特征可以很容易去除移动的前景上产生的干扰，利用局部特征来检测镜头是否移位也是很稳定的、准确性较高，当有移动的前景时受影响较小。

实施中，在获取到镜头拍摄的背景图像之后，可以进一步包括：

计算所述背景图像的边缘特征；其中，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

在获取到镜头拍摄的当前场景图像之后，可以进一步包括：

计算所述当前场景图像的边缘特征；

根据所述背景图像的边缘特征和所述当前场景图像的边缘特征确定所述镜头是否发生移位。

具体实施中，根据背景图像的边缘特征与当前场景图像的边缘特征确定镜头是否发生移位，具体可以为：

比较背景图像的边缘特征与当前场景图像的边缘特征的重合区域；

当重合区域所占比例小于预设第一阈值时，确定镜头发生移位。

具体实施中，镜头移位检测方法可以进一步包括：

当确定镜头发生移位时，产生镜头移位告警。

本申请实施例中基于局部特征检测镜头是否发生移位，还可以进一步基于边缘特征检测镜头是否发生移位，依据局部特征匹配检测镜头是否移位可以判断镜头的小范围移动，依据边缘特征比较检测镜头是否移位可以判断出大范围的镜头移位，当二者结合使用时，检测效果更佳。

为了便于本申请的实施，下面以实例进行说明。

假设在自动取款机(ATM，Automatic Teller Machine)的室内安装摄像头以监控人们进行存取款的异常行为。

图4示出了在没有人进入室内进行存取款行为的ATM监控场景内的示意图，也即本申请实施例所称的背景图像示意图。

本申请实施例首先获取到监控场景的背景图像，并计算出背景图像的边缘特征，由于该场景中背景图像只有ATM机，因此通过边缘特征矩阵内的元素可以看出ATM机的边缘。

当有人进入监控场景后，这个人作为移动的前景出现，图4示出了监控场景出现前景时的当前场景示意图。

本申请实施例首先获取镜头拍摄的当前场景图像，然后再计算出现前景的当前场景图像的边缘特征。由于该场景中当前场景图像既包括ATM机，又包括进行存取款行为的人，因此通过边缘特征矩阵内的元素可以看出ATM机的边缘、人的边缘。

本申请实施例可以通过计算出现前景前的图像的边缘特征与出现前景后的图像的边缘特征的重合区域，如果镜头没有被移位，应该前后两张图像的边缘重合区域较多。也即，除了出现的人之外，其他大部分区域都是重合的(ATM机会有部分区域被人所遮挡住)；反之，如果二者的重合区域较少，或低于预设的第一阈值，那么则代表镜头被移位。

如图6所示，该当前场景图像的边缘特征矩阵内表示边缘的元素个数和位置都发生了明显变化，也即ATM机的边缘发生了较大变化，这样本申请实施例即可以确定该镜头已经被移位，此时可以发出告警信息到银行的监控中心或具体的负责人员及时处理，确保金融安全。

进一步地，本申请实施例还可以分别计算出现前景前后的局部特征，例如，可以比较ATM机的键盘区域(或显示屏区域)的像素间灰度关系(未提供出现前景前后的对比图)，然后匹配局部特征并统计出正确匹配对的数目和错误匹配对的数目。当错误匹配对的数目达到预设的阈值(代表局部发生偏移)，并且平均距离超过预设的阈值(代表局部偏移的程度较大)，则说明镜头发生移位。

需要说明的是，本申请实施例对采用边缘特征检测镜头是否移位以及采用局部特征检测镜头是否移位的这两种方式的先后顺序不作限制，可以理解先边缘特征比较进行检测、后局部特征匹配进行检测，或者先局部特征匹配进行检测、后边缘特征比较进行检测，均在本申请实施例的保护范围之内。

通过边缘特征的比较可以确定是否存在大范围的移位，通过局部特征的匹配可以确定是否存在小范围的移位，二者结合起来可以进一步提高告警的准确率，防止误报现象的发生。

基于同一发明构思，本申请实施例中还提供了一种镜头移位检测装置，由于这些设备解决问题的原理与一种镜头移位检测方法相似，因此这些设备的实施可以参见方法的实施，重复之处不再赘述。

图7示出了本申请实施例中镜头移位检测装置的结构示意图，如图所示，镜头移位检测装置可以包括：

第一计算模块701，用于获取镜头拍摄的背景图像，并计算背景图像的边缘特征；其中，边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

第二计算模块702，用于当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算当前场景图像的边缘特征；

第一确定模块703，用于根据背景图像的边缘特征与当前场景图像的边缘特征确定镜头是否发生移位。

实施中，第一确定模块703可以用于比较背景图像的边缘特征与当前场景图像的边缘特征的重合区域；当重合区域所占比例小于预设第一阈值时，确定镜头发生移位。

实施中，第一计算模块701可以进一步用于计算所述背景图像的局部特征；其中，局部特征为图像内预设的局部区域像素间的灰度关系；

第二计算模块702可以进一步用于计算当前场景图像的局部特征；

第一确定模块703可以进一步用于根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位。

实施中，第一确定模块703可以用于匹配背景图像的局部特征和当前场景图像的局部特征；当错误匹配对的数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定镜头发生移位。

实施中，镜头移位检测装置可以进一步包括：

告警模块，用于当确定镜头发生移位时，产生镜头移位告警。

图8示出了本申请实施例中镜头移位检测装置的结构示意图，如图所示，镜头移位检测装置可以包括：

第三计算模块801，用于获取镜头拍摄的背景图像，并计算背景图像的局部特征；其中，局部特征为图像内预设的局部区域像素间的灰度关系；

第四计算模块802，用于当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算当前场景图像的局部特征；

第二确定模块803，用于根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位。

实施中，第三计算模块801可以进一步用于计算背景图像的边缘特征；其中，边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

第四计算模块802可以进一步用于计算当前场景图像的边缘特征；

第二确定模块803可以进一步用于根据背景图像的边缘特征和当前场景图像的边缘特征确定镜头是否发生移位。

为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

Claims (10)

1.一种镜头移位检测方法，其特征在于，包括如下步骤：

获取镜头拍摄的背景图像，并计算所述背景图像的边缘特征；其中，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算所述当前场景图像的边缘特征；

根据所述背景图像的边缘特征与所述当前场景图像的边缘特征确定所述镜头是否发生移位；

所述根据所述背景图像的边缘特征与所述当前场景图像的边缘特征确定所述镜头是否发生移位，具体为：

比较所述背景图像的边缘特征与所述当前场景图像的边缘特征的重合区域；

当所述重合区域所占比例小于预设第一阈值时，确定所述镜头发生移位。

2.如权利要求1所述的方法，其特征在于，

在获取到镜头拍摄的背景图像之后，进一步包括：

计算所述背景图像的局部特征；其中，所述局部特征为图像内预设的局部区域像素间的灰度关系；

在获取到镜头拍摄的当前场景图像之后，进一步包括：

计算所述当前场景图像的局部特征；

根据所述背景图像的局部特征和所述当前场景图像的局部特征确定所述镜头是否发生移位。

3.如权利要求2所述的方法，其特征在于，

所述根据所述背景图像的局部特征和所述当前场景图像的局部特征确定镜头是否发生移位，具体为：

匹配所述背景图像的局部特征和所述当前场景图像的局部特征；

当错误匹配对的数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定所述镜头发生移位。

4.一种镜头移位检测方法，其特征在于，包括如下步骤：

获取镜头拍摄的背景图像，并计算所述背景图像的局部特征；其中，所述局部特征为图像内预设的局部区域像素间的灰度关系；

当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算所述当前场景图像的局部特征；

根据所述背景图像的局部特征和所述当前场景图像的局部特征确定所述镜头是否发生移位；

所述根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位，包括：

匹配背景图像的局部特征和当前场景图像的局部特征；

当错误匹配对的数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定镜头发生移位。

5.如权利要求4所述的方法，其特征在于，

在获取到镜头拍摄的背景图像之后，进一步包括：

计算所述背景图像的边缘特征；其中，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

在获取到镜头拍摄的当前场景图像之后，进一步包括：

计算所述当前场景图像的边缘特征；

根据所述背景图像的边缘特征和所述当前场景图像的边缘特征确定所述镜头是否发生移位。

6.一种镜头移位检测装置，其特征在于，包括：

第一计算模块，用于获取镜头拍摄的背景图像，并计算所述背景图像的边缘特征；其中，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

第二计算模块，用于当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算所述当前场景图像的边缘特征；

第一确定模块，用于根据所述背景图像的边缘特征与所述当前场景图像的边缘特征确定所述镜头是否发生移位；

所述第一确定模块具体用于比较所述背景图像的边缘特征与所述当前场景图像的边缘特征的重合区域；当所述重合区域所占比例小于预设第一阈值时，确定所述镜头发生移位。

7.如权利要求6所述的装置，其特征在于，

所述第一计算模块进一步用于计算所述背景图像的局部特征；

所述第二计算模块进一步用于计算所述当前场景图像的局部特征；其中，所述局部特征为图像内预设的局部区域像素间的灰度关系；

所述第一确定模块进一步用于根据所述背景图像的局部特征和所述当前场景图像的局部特征确定所述镜头是否发生移位。

8.如权利要求7所述的装置，其特征在于，

所述第一确定模块具体用于匹配所述背景图像的局部特征和所述当前场景图像的局部特征；当错误匹配对数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定所述镜头发生移位。

9.一种镜头移位检测装置，其特征在于，包括如下步骤：

第三计算模块，用于获取镜头拍摄的背景图像，并计算所述背景图像的局部特征；其中，所述局部特征为图像内预设的局部区域像素间的灰度关系；

第四计算模块，用于当镜头检测到前景时，获取镜头拍摄的当前场景图像，并计算所述当前场景图像的局部特征；

第二确定模块，用于根据所述背景图像的局部特征和所述当前场景图像的局部特征确定所述镜头是否发生移位；所述根据背景图像的局部特征和当前场景图像的局部特征确定镜头是否发生移位，包括：匹配背景图像的局部特征和当前场景图像的局部特征；当错误匹配对的数目大于预设第二阈值，且平均距离大于预设第三阈值时，确定镜头发生移位。

10.如权利要求9所述的装置，其特征在于，

所述第三计算模块进一步用于计算所述背景图像的边缘特征；其中，所述边缘特征为与图像尺寸相同的矩阵，所述矩阵内每个元素的值代表该位置图像像素是否为边缘；

所述第四计算模块进一步用于计算所述当前场景图像的边缘特征；

所述第二确定模块进一步用于根据所述背景图像的边缘特征和所述当前场景图像的边缘特征确定所述镜头是否发生移位。