CN104811586A - 场景变换视频智能分析方法、装置、网络摄像机及监控系统 - Google Patents

Abstract

本发明提供一种场景变换视频智能分析方法，包括获取目标场景原始帧视频图像的原始像素数据；按预设周期获取目标场景当前帧视频图像的当前像素数据；将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化，本发明还提供了一种场景变换视频智能分析装置、一种网络摄像机及一种监控系统，大大降低了误报概率。

Description

场景变换视频智能分析方法、装置、网络摄像机及监控系统

技术领域

本发明涉及一种场景变换视频智能分析方法、装置、网络摄像机及监控系统。

背景技术

场景变换检测属于一种视频画面异常诊断，可自动判断监控区域是否发生变换，以预防监控设备被非法挪移。

现有的场景变换检测技术主要通过对比当前监控画面与预先保存的目标场景画面的差异来实现，一般流程如下：

1、获取目标场景视频图像的原像素数据，记为数列S1(x，y)；

2、提取当前场景视频图像像素数据，记为数列S2(x，y)；

3、S1与S2做帧差，记为AD，即AD(x，y)＝S1(x，y)-S2(x，y)，并取绝对值之和，记为SAD，SAD＝∑AD(x，y)；

4、当SAD值大于一定阈值时，判断为场景出现变化。

上述方法缺点是：该方法受光照条件或灯光打开或关闭影响很大，在场景突然变亮或变暗的条件下，SAD值变很大，很容易误判为场景出现变换。而实际上，视频监控都是全天候的，昼夜交替导致的光照变换或室内开灯或关灯是不可避免的。

发明内容

本发明要解决的技术问题，在于提供一种场景变换视频智能分析方法、装置、网络摄像机及监控系统，有效解决监控环境的光照条件变化，极大地降低误报率。

本发明之一是这样实现的：一种抗光照干扰的场景变换视频智能分析方法，包括如下步骤：

步骤1、获取目标场景原始帧视频图像的原始像素数据；

步骤2、按预设周期获取目标场景当前帧视频图像的当前像素数据；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；

步骤4、根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；

步骤5、若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化。

进一步，步骤1至步骤3具体的操作为：步骤1、获取目标场景原始帧视频图像的原始像素数据，记为S1(x，y)，其中(x，y)代表像素坐标；

步骤2、按预设周期获取目标场景当前帧视频图像的当前像素数据，记为S2(x，y)，其中(x，y)代表像素坐标；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD(x，y)＝|S1(x，y)-S2(x，y)|。

进一步，所述步骤4“根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev”的计算公式为： $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数。

更进一步，所述步骤5具体为：若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，令S1＝S2，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化；若mean小于第二阈值，则判断为场景未发生变化。

更进一步，所述预设周期为1s以上。

本发明还公开了一种抗光照干扰的场景变换视频智能分析装置，包括如下模块：

获取原始像素数据模块，用于获取目标场景原始帧视频图像的原始像素数据；

获取当前像素数据模块，用于按预设周期获取目标场景当前帧视频图像的当前像素数据；

计算帧差模块，用于将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；

计算标准差和均值模块，用于根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；

分析结果模块，若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化。

进一步，在所述的抗光照干扰的场景变换视频智能分析装置中，

所述获取原始像素数据模块具体为，用于获取目标场景原始帧视频图像的原始像素数据，记为S1(x，y)，其中(x，y)代表像素坐标；

所述获取当前像素数据模块具体为，用于按预设周期获取目标场景当前帧视频图像的当前像素数据，记为S2(x，y)，其中(x，y)代表像素坐标；

所述计算帧差模块具体为，用于将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD(x，y)＝|S1(x，y)-S2(x，y)|。

进一步，所述计算标准差和均值模块具体为，用于根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev； $\mathrm{stddev}=\sqrt{\frac{\mathrm{\Σ}{(\mathrm{AD}(x,y)-\mathrm{mean})}^2}{N}},$ 其中mean为像素间均值， $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数；

所述分析结果模块具体为，若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，令S1＝S2，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化；若mean小于第二阈值，则判断为场景未发生变化。

本发明还公开了一种网络摄像机，其包括上述的场景变换视频智能分析装置。

本发明还公开了一种监控系统，其包括上述的场景变换视频智能分析装置。

本发明具有如下优点：因在光照变化情况下，图像像素强度会均匀变化，像素间的标准差很小；而在场景变化的情况下，一般像素强度会无规律变化，像素间的标准差及均值变化均很大。利用该原理，本发明通过引入像素间的标准差及均值参数，可快速、准确地判断视频图像是场景变化还是光照变化，有效解决监控环境因光照条件变化而引起的误报，极大地降低误报率。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明方法执行流程图；

图2为本发明实施例2目标场景原始帧视频图像的原始像素数据图；

图3为本发明实施例2目标场景原始帧视频图像的当前像素数据图；

图4为本发明实施例3目标场景原始帧视频图像的原始像素数据图；

图5为本发明实施例3目标场景原始帧视频图像的当前像素数据图；

图6为本发明实施例4的装置示意图。

具体实施方式

如图1所示，本发明抗光照干扰的场景变换视频智能分析方法，包括如下步骤：

步骤1、获取目标场景原始帧视频图像的原始像素数据；

步骤2、按预设周期获取目标场景当前帧视频图像的当前像素数据；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；

步骤4、根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；

步骤5、若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化。

在本发明中，所述第一阈值和第二阈值均为经验值。根据对目前大量场景判断的案例建模分析得到，在光照变换的情况下，标准差stddev基本小于10，所以定义第一阈值为10。当标准差stddev大于第一阈值10的情况下(像素灰度值范围为0～255的情况下)，像素间的均值mean在30以上时，基本上为场景变化。当然，第一阈值和第二阈值还与灵敏度有关，可根据灵敏度进行上下调整。

实施例1

所述的一种抗光照干扰的场景变换视频智能分析方法，其具体包括以下步骤

步骤1、获取目标场景原始帧视频图像的原始像素数据，记为S1(x，y)，其中(x，y)代表像素坐标；

步骤2、按预设周期获取目标场景当前帧视频图像的当前像素数据，记为S2(x，y)，其中(x，y)代表像素坐标；所述预设周期为1s；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD(x，y)＝|S1(x，y)-S2(x，y)|。

步骤4“根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev”为： $\mathrm{stddev}=\sqrt{\frac{\mathrm{\Σ}{(\mathrm{AD}(x,y)-\mathrm{mean})}^2}{N}},$ $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数。

步骤5：若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，令S1＝S2，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化；若mean小于第二阈值，则判断为场景未发生变化。

实施例2

如图2所示，步骤1、获取目标场景原始帧视频图像的原始像素数据，记为S1＝[100，20，80]；

如图3所示，步骤2、预设周期为1s，1s后获取目标场景当前帧视频图像的当前像素数据，记为S2＝[100+40，20+42，80+39]；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD＝[40，42，39]。

步骤4根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev：

       $\mathrm{stddev}=\sqrt{\frac{\mathrm{\Σ}{(\mathrm{AD}(x,y)-\mathrm{mean})}^2}{N}}=\sqrt{\frac{{(40-41.3)}^2+{(42-41.3)}^2+{(39-41.3)}^2}{3}}=1.58,$

       $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数；计算得到均值mean＝41.3，标准差stddev＝1.58。

步骤5：根据第一阈值为10，第二阈值为30，则标准差stddev小于第一阈值10，所以判定为光照变化。

该实施例采用现有方法进行判断结果如下：

如图2所示，步骤1、获取目标场景原始帧视频图像的原始像素数据，记为S1＝[100，20，80]；

如图3所示，步骤2、预设周期为1s，1s后获取目标场景当前帧视频图像的当前像素数据，记为S2＝[100+40，20+42，80+39]；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值之和，记为SAD，即SAD＝40+42+39＝121。

步骤4、在与实施例3同等环境下，SAD的阈值T＝mean*3＝30*3＝90。此时，SAD>T，判断为场景变化，产生误报。

由以上的对比可知，该实施例采用现有的判断方法会产生误报，认为发生了场景变化，但实际却是光照发生了变化。所以，采用本发明的判断方法，利用像素间的标准差及均值变化做为判断标准，大大地降低误报率。

实施例3

如图4所示，步骤1、获取目标场景原始帧视频图像的原始像素数据，记为S1＝[200，20，50]；

如图5所示，步骤2、预设周期为1s，1s后获取目标场景当前帧视频图像的当前像素数据，记为S2＝[200-80，20+40，50+100]；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD＝[80，40，100]。

步骤4、根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev：

       $\mathrm{stddev}=\sqrt{\frac{\mathrm{\Σ}{(\mathrm{AD}(x,y)-\mathrm{mean})}^2}{N}}=\sqrt{\frac{{(80-73.3)}^2+{(40-73.3)}^2+{(100-73.3)}^2}{3}}=24.9$

       $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数；计算得到均值mean＝73.3，标准差stddev＝24.9。

步骤5：根据第一阈值为10，第二阈值为30，则标准差stddev大于第一阈值10，均值mean大于30，所以判定为场景变化。

本发明还公开了一种抗光照干扰的场景变换视频智能分析装置，包括如下模块：

获取原始像素数据模块，用于获取目标场景原始帧视频图像的原始像素数据；

获取当前像素数据模块，用于按预设周期获取目标场景当前帧视频图像的当前像素数据；

计算帧差模块，用于将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；

计算标准差和均值模块，用于根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；

分析结果模块，若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化。

实施例4

如图6所示，所述的抗光照干扰的场景变换视频智能分析装置，其包括以下模块：

获取原始像素数据模块1，用于获取目标场景原始帧视频图像的原始像素数据，记为S1(x，y)，其中(x，y)代表像素坐标；

获取当前像素数据模块2，用于按预设周期获取目标场景当前帧视频图像的当前像素数据，记为S2(x，y)，其中(x，y)代表像素坐标；

计算帧差模块3，用于将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD(x，y)＝|S1(x，y)-S2(x，y)|，其中AD(x，y)表示坐标轴为(x，y)的点的AD值；

计算标准差和均值模块4，用于根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；其中mean为像素间均值， $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数；

分析结果模块5，若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，令S1＝S2，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化；若mean小于第二阈值，则判断为场景未发生变化。

本发明还公开了一种网络摄像机，其包括上述的抗光照干扰的场景变换视频智能分析装置。

本发明还公开了一种监控系统，其包括上述的抗光照干扰的场景变换视频智能分析装置。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (10)

1.一种场景变换视频智能分析方法，其特征在于：包括如下步骤：

步骤1、获取目标场景原始帧视频图像的原始像素数据；

步骤2、按预设周期获取目标场景当前帧视频图像的当前像素数据；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；

步骤4、根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；

步骤5、若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化。

2.根据权利要求1所述的一种场景变换视频智能分析方法，其特征在于：所述步骤1-步骤3具体为：

步骤1、获取目标场景原始帧视频图像的原始像素数据，记为S1(x，y)，其中(x，y)代表像素坐标；

步骤2、按预设周期获取目标场景当前帧视频图像的当前像素数据，记为S2(x，y)，其中(x，y)代表像素坐标；

步骤3、将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD(x，y)＝|S1(x，y)-S2(x，y)|。

3.根据权利要求2所述的一种场景变换视频智能分析方法，其特征在于：

所述步骤4“根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev”的计算公式为： $\mathrm{stddev}=\sqrt{\frac{\mathrm{\Σ}{(\mathrm{AD}(x,y)-\mathrm{mean})}^2}{N}},$ $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数。

4.根据权利要求2所述的一种场景变换视频智能分析方法，其特征在于：所述步骤5具体为：若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，令S1＝S2，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化；若mean小于第二阈值，则判断为场景未发生变化。

5.根据权利要求1所述的一种场景变换视频智能分析方法，其特征在于：所述预设周期为1s以上。

6.一种场景变换视频智能分析装置，其特征在于：包括如下模块：

获取原始像素数据模块，用于获取目标场景原始帧视频图像的原始像素数据；

获取当前像素数据模块，用于按预设周期获取目标场景当前帧视频图像的当前像素数据；

计算帧差模块，用于将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值；

计算标准差和均值模块，用于根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev；

分析结果模块，若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化。

7.根据权利要求6所述的场景变换视频智能分析装置，其特征在于：所述获取原始像素数据模块、获取当前像素数据模块及计算帧差模块具体为：

获取原始像素数据模块，用于获取目标场景原始帧视频图像的原始像素数据，记为S1(x，y)，其中(x，y)代表像素坐标；

获取当前像素数据模块，用于按预设周期获取目标场景当前帧视频图像的当前像素数据，记为S2(x，y)，其中(x，y)代表像素坐标；

计算帧差模块，用于将目标场景视频图像的当前像素数据与原始像素数据做帧差，并对所有帧差取绝对值，记为AD，即AD(x，y)＝|S1(x，y)-S2(x，y)|。

8.根据权利要求7所述的场景变换视频智能分析装置，其特征在于：

所述计算标准差和均值模块具体为，用于根据所有帧差的绝对值，计算得到像素间的均值mean及标准差stddev； $\mathrm{stddev}=\sqrt{\frac{\mathrm{\Σ}{(\mathrm{AD}(x,y)-\mathrm{mean})}^2}{N}},$ $\mathrm{mean}=\frac{\mathrm{\ΣAD}(x,y)}{N},$ N为图像像素个数；

所述分析结果模块具体为，若标准差stddev小于第一阈值，则判断为光照变换，同时将当前帧视频图像更新为原始帧图像，令S1＝S2，并返回步骤2；否则，继续判断像素间均值mean，如果mean大于第二阈值，则判断为场景发生变化；若mean小于第二阈值，则判断为场景未发生变化。

9.一种网络摄像机，其特征在于：其包括权利要求6至8之一所述的场景变换视频智能分析装置。

10.一种监控系统，其特征在于：其包括权利要求6-至8之一所述的场景变换视频智能分析装置。