CN105761261A - 一种检测摄像头遭人为恶意破坏的方法 - Google Patents

Abstract

本发明公开了一种检测摄像头遭人为恶意破坏的方法，包括以下步骤：1）采集一帧当前画面图像；2）将彩色图像转化为灰度图像；3）对图像进行滤波处理；4）计算出图像全局的灰度均值，与预先设定的阈值进行比较；5）估测图像前景和背景；6）计算图像前景区域面积的大小与预先设定的阈值进行比较；7）将背景与正常情况的背景进行比较；8）出现以上异常行为后，标注提示信息、警报、保存当前异常图像。本发明的方法能及时检测出摄像头遭人为恶意破坏的异常情况，予以告警，并保存下异常情况的画面，无需人为对摄像头进行保护，该方法成本低廉，操作简单，大大节省了人力，快速方便，有效防止时间恶化，对安防有着很重要的意义。

Description

一种检测摄像头遭人为恶意破坏的方法

技术领域

本发明属于监控技术领域，设计一种检测摄像头被人为恶意破坏的方法。

背景技术

随着国家经济的迅速发展与人民生活水平的日益提高，人民的生命安全与公共财产安全需要得到保障，所以安防监控的措施越来越得到广泛运用，无论是小区、银行、学校还是其他很多的公共场所，一般都会配有安防监控系统，作为安防监控系统最基础的组成部分——摄像头，一旦被人为恶意破坏，那就不能起到安防的作用，安全问题就得不到保障，因此需要一种能检测出摄像头被恶意破坏的方法，这样就能及时发现问题。

现有的能过判断摄像头不正常工作的专利有一种确定摄像头被遮挡的方法及装置(201110039895.6)，此专利是计算出被遮挡区域的估计值，如果大于阈值则认为摄像头被遮挡。但是只能单一的检测出摄像头是否被遮挡，实际上摄像头可能会有其他多种被破坏的方式，所以并不能有效保障摄像头的正常工作。

发明内容

本发明要解决的技术问题是提供一种检测摄像头遭人为恶意破坏的方法，解决了检测出摄像头被移动、被遮挡、受到强光照射的问题。

为解决上述技术问题，本发明采用的技术方案为：一种检测摄像头遭人为恶意破坏的方法，该方法包括以下步骤：

1)摄像头采集一帧当前画面图像，该图像为彩色图像；

2)将彩色图像转化为灰度图像；

3)对图像进行滤波处理；

4)计算出图像全局的灰度均值，若灰度均值大于预先设定的阈值，则认为摄像头受到了强光照射；

5)若灰度均值大于预先设定的阈值，则估测图像前景和背景；

6)计算图像前景区域面积的大小，将面积与预先设定的阈值进行比较，若高于阈值则认为摄像头被遮挡；

7)若图像前景区域面积低于阈值，则将背景与正常情况的背景进行比较，若变化差异大于阈值，则可判定摄像头被移动；

8)出现以上异常行为后，在图片上标注提示信息，并给出异常警报，并保存当前异常图像。

进一步地，所述步骤2)中将彩色图像转化为灰度图像的方法包括最大值法、平均值法和加权平均值法。

进一步地，所述步骤3)中对图像进行滤波处理的方法包括中值滤波、均值滤波、高斯滤波、最大均值性平滑滤波。

进一步地，图像全局的灰度均值的计算方法如下：

设R是一个区域，p是R中的像素，对应的灰度值为g(p)，Mean为灰度均值，F＝|R|

$Mean=\frac{{\mathrm{\Σ}}_{R}g\left(p\right)}{F}.$

进一步地，所述步骤5)的具体步骤如下：

A)采集或者读取背景图像；

B)缩小图像：

C)创建背景集：

D)实时采集图像：

E)缩小图像：

F)使用背景集数据与当前图像对每一个像素进行灰度值估计：

G)将灰度值与阈值进行比较，判断出前景与背景：

H)使用Kalman滤波器返回前景。

进一步地，所述步骤5)中采用背景差分法把图像分为前景和背景，背景差分法获得前景图像的方法是将输入图像与背景模型差分，判断前景，提取前景图像。

进一步地，背景差分法中采用卡尔曼滤波器进行背景构造，假设I(i,j,k)表示第k帧图像，图像大小为M×N，B(i,j,k)是第k帧背景图像，B(i,j,k+1)是第k+1帧背景图像，i,j表示输入图像的像素坐标(i＝1,2,…,M；j＝1,2,…,N)，G(i,j,k)是卡尔曼增益因子，则：

B(i,j,k+1)＝G(i,j,k)﹒I(i,j,k)+(1-G(i,j,k))﹒B(i,j,k)

G(i,j,k)＝β(1-M(i,j,k))+ɑM(i,j,k)

“﹒”表示矩阵对应像素间的点乘运算，β是背景因子，ɑ是运动因子；M(i,j,k)是第k帧图像与背景图像的绝对差值并阈值化后的二值图像，即背景差分法得到的前景图像，如下列公式所示：

$M(i,j,k)=\left\{\begin{array}{cc}1,& |I(i,j,k)-B(i,j,k)|>Th\\ 0,& others\end{array}\right..$

进一步地，所述步骤6)计算图像前景区域面积的方法为：

设前景图像的区域边界上的像素个数为a，区域内部像素个数为b，一个像素的面积为c，区域面积为S，则

S＝(a/2+b+1)×c。

进一步地，所述步骤7)的具体方法为：将正常背景图像的帧和异常背景图像的帧看成两个不同的类，将正常背景图像帧中的任意两帧进行比较，取比较结果的中值记为D₁，表示类内差；将异常背景图像的帧与正常背景的帧进行比较，取比较结果的中值记为D₂，表示类间差，令

D_norm＝log(D₂/D₁)

类间差越大，类内差越小，D_norm越大，分属不同类的可能性越大，所以D_norm大于阈值时可判断发生异常。

本发明的有益效果：本发明能自动检测摄像头是否被人为恶意破坏，如出现摄像头被人为恶意移动，被强光照射，或者被遮挡的情况时，能及时检测出这些异常情况，予以告警，并保存下异常情况的画面，无需人为对摄像头进行保护，而且该方法成本低廉，操作简单，大大节省了人力，快速方便，有效防止时间恶化，对安防有着很重要的意义。

附图说明

图1是检测摄像头遭人为破坏的流程图。

图2是返回前景区域的流程图。

图3是背景差分法的流程图。

具体实施方式

下面结合具体实施例对本发明的技术方案作详细说明。

摄像头被认为而已破坏的情况一般包括以下三种：

(1)人为恶意移动

正常情况下，摄像头是固定的，其背景图像也是缓慢变化的，除非遇到极其恶劣的天气情况会导致摄像头的晃动。所以在摄像头场景变化的时候，极有可能是不法分子为了逃避摄像头的监控而对摄像头进行转动或者进行破坏。

(2)人为恶意遮挡

与场景变化类似，不法分子为躲避摄像头的监控，还有可能采取遮挡的方式。

(3)人为强光照射

强光照射同样也是不法分子破坏摄像头，躲避摄像头的方式之一。在强光出现时人很难分辨出捕获到的模糊图像。

本发明检测摄像头遭人为恶意破坏的方法包括以下步骤：

第一步：摄像头采集一帧当前画面图像，该图像为彩色图像。

第二步：将彩色图像转化为灰度图像。

彩色图像黑白化处理通常有三种方法：最大值法、平均值法、加权平均值法。

1)加权平均法

根据重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均。

R＝G＝B＝(Wr*R+Wg*G+Wb*B)/3

Wr、Wg、Wb表示RGB的权数，均大于零，通过取不同的权数可实现不同的效果。

2)平均值法

将彩色图像中的R、G、B三个分量的亮度求简单的平均值，将得到均值作为灰度值输出而得到灰度图。

R＝G＝B＝(R+G+B)/3

3)最大值法

将彩色图像中的R、G、B三个分量中亮度的最大值作为灰度图的灰度值。

R＝G＝B＝MAX(R,G,B)

第三步：对图像进行滤波处理。

滤波实现的方案有很多种，包括中值滤波、均值滤波、高斯滤波、最大均值性平滑滤波等等。实现过程是公知技术，以下简单介绍其中的均值滤波算法：

均值滤波也称线性滤波，采用的主要方法为领域平均法，基本原理是用均值代替原图像中的各个像素值。

1)对待处理的当前像素点(x，y),选择一个模板，概莫办由其近邻的若干像素组成。

2)计算模板中所有像素的均值。

3)将均值赋予当前像素点(x，y)。

4)处理后的图像在该点的灰度值为g(x,y)

g(x,y)＝1/mΣf(x,y)

m为该模板中包含当前像素在内的像素总个数。

第四步：计算出图像全局的灰度均值，若灰度均值大于预先设定的阈值，则认为摄像头受到了强光照射。

设R是一个区域，p是R中的像素，对应的灰度值为g(p)，Mean为灰度均值，F＝|R|

$Mean=\frac{{\mathrm{\Σ}}_{R}g\left(p\right)}{F}.$

第五步：估测图像前景和背景。

利用卡尔曼滤波理论估测前景，返回前景区域，步骤如下：

A)采集或者读取背景图像；

B)缩小图像：

C)创建背景集：

D)实时采集图像：

E)缩小图像：

F)使用背景集数据与当前图像对每一个像素进行灰度值估计：

G)将灰度值与阈值进行比较，判断出前景与背景：

H)使用Kalman滤波器返回前景。

背景差分法是运动分割中常见的一种方法，该法把图像分为前景和背景，与背景模型匹配的是背景，不匹配的是前景，原理是将当前图像与背景模型进行差分来得到运动目标区域。背景差分法获得前景图像的方法是将输入图像与背景模型差分，判断前景，提取前景图像，其中，采用背景差分法时通过采用卡尔曼滤波器进行背景构造：

设I(i,j,k)表示第k帧图像，图像大小为M×N，B(i,j,k)是第k帧背景图像，B(i,j,k+1)是第k+1帧背景图像，i,j表示输入图像的像素坐标(i＝1,2,…,M；j＝1,2,…,N)，G(i,j,k)是卡尔曼增益因子，则：

B(i,j,k+1)＝G(i,j,k)﹒I(i,j,k)+(1-G(i,j,k))﹒B(i,j,k)G(i,j,k)＝β(1-M(i,j,k))+ɑM(i,j,k)“﹒”表示矩阵对应像素间的点乘运算，β是背景因子，ɑ是运动因子；M(i,j,k)是第k帧图像与背景图像的绝对差值并阈值化后的二值图

像，即背景差分法得到的前景图像，如下列公式所示：

$M(i,j,k)=\left\{\begin{array}{cc}1,& |I(i,j,k)-B(i,j,k)|>Th\\ 0,& others\end{array}\right..$

如不考虑噪声n(x,y,t)的影响，视频帧图像I(x,y,t)可看成是背景图像b(x,y,t)和运动目标m(x,y,t)(运动目标就是前景)组成：

I(x,y,t)＝b(x,y,t)+m(x,y,t)

所以要得到运动目标m(x,y,t)可通过图像与背景差分而得，即：

m(x,y,t)＝I(x,y,t)-b(x,y,t)

实际由于噪声的影响，并不能得到真正的运动目标，而是由运动目标与噪声的组成的差分图像d(x,y,t)：

d(x,y,t)＝I(x,y,t)-b(x,y,t)+n(x,y,t)

得到真正的运动目标需要根据某些原则进行判断，最常用的方法是阈值分割法：

$m(x,y,t)=\left\{\begin{array}{cc}I(x,y,t),& d(x,y,t)\&GreaterEqual;T\\ 0,& d(x,y,t)<T\end{array}\right.$

其中T为阈值。

第六步：计算图像前景区域面积的大小，将面积与预先设定的阈值进行比较，若高于阈值则认为摄像头被遮挡。

设区域边界上的像素个数为a，区域内部像素个数为b，一个像素的面积为c，区域面积为S。

S＝(a/2+b+1)×c。

第七步：将背景与正常情况的背景进行比较，若变化差异大于阈值，则可判定摄像头被移动。

正常情况下摄像头位置固定，所以背景的变化缓慢，如果背景产生了很大变化很大可能性是摄像头被移动，以此为依据可以判断摄像头是否被移动。

将正常背景图像的帧和异常背景图像的帧看成两个不同的类，将正常背景图像帧中的任意两帧进行比较，取比较结果的中值记为D₁，表示类内差；将异常背景图像的帧与正常背景的帧进行比较，取比较结果的中值记为D₂，表示类间差，令

D_norm＝log(D₂/D₁)

类间差越大，类内差越小，D_norm越大，分属不同类的可能性越大，所以D_norm大于阈值时可判断发生异常。

第八步：出现以上异常行为后，在图片上标注提示信息，并给出异常警报，并保存当前异常图像。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种检测摄像头遭人为恶意破坏的方法，其特征在于：该方法包括以下步骤：

1)摄像头采集一帧当前画面图像，该图像为彩色图像；

2)将彩色图像转化为灰度图像；

3)对图像进行滤波处理；

4)计算出图像全局的灰度均值，若灰度均值大于预先设定的阈值，则认为摄像头受到了强光照射；

5)若灰度均值大于预先设定的阈值，则估测图像前景和背景；

6)计算图像前景区域面积的大小，将面积与预先设定的阈值进行比较，若高于阈值则认为摄像头被遮挡；

7)若图像前景区域面积低于阈值，则将背景与正常情况的背景进行比较，若变化差异大于阈值，则可判定摄像头被移动；

8)出现以上异常行为后，在图片上标注提示信息，并给出异常警报，并保存当前异常图像。

2.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：所述步骤2)中将彩色图像转化为灰度图像的方法包括最大值法、平均值法和加权平均值法。

3.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：所述步骤3)中对图像进行滤波处理的方法包括中值滤波、均值滤波、高斯滤波、最大均值性平滑滤波。

4.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：图像全局的灰度均值的计算方法如下：

设R是一个区域，p是R中的像素，对应的灰度值为g(p)，Mean为灰度均值，F＝|R|

$Mean=\frac{{\mathrm{\&Sigma;}}_{R}g\left(p\right)}{F}.$

5.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：所述步骤5)的具体步骤如下：

A)采集或者读取背景图像；

B)缩小图像：

C)创建背景集：

D)实时采集图像：

E)缩小图像：

F)使用背景集数据与当前图像对每一个像素进行灰度值估计：

G)将灰度值与阈值进行比较，判断出前景与背景：

H)使用Kalman滤波器返回前景。

6.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：所述步骤5)中采用背景差分法把图像分为前景和背景，背景差分法获得前景图像的方法是将输入图像与背景模型差分，判断前景，提取前景图像。

7.根据权利要求6所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：背景差分法中采用卡尔曼滤波器进行背景构造，假设I(i,j,k)表示第k帧图像，图像大小为M×N，B(i,j,k)是第k帧背景图像，B(i,j,k+1)是第k+1帧背景图像，i,j表示输入图像的像素坐标(i＝1,2,…,M；j＝1,2,…,N)，G(i,j,k)是卡尔曼增益因子，则：

B(i,j,k+1)＝G(i,j,k)﹒I(i,j,k)+(1-G(i,j,k))﹒B(i,j,k)

G(i,j,k)＝β(1-M(i,j,k))+ɑM(i,j,k)

“﹒”表示矩阵对应像素间的点乘运算，β是背景因子，ɑ是运动因子；M(i,j,k)是第k帧图像与背景图像的绝对差值并阈值化后的二值图像，即背景差分法得到的前景图像，如下列公式所示：

$M(i,j,k)=\left\{\begin{array}{cc}1,& |I(i,j,k)-B(i,j,k)|>Th\\ 0,& others\end{array}\right..$

8.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：所述步骤6)计算图像前景区域面积的方法为：

设前景图像的区域边界上的像素个数为a，区域内部像素个数为b，一个像素的面积为c，区域面积为S，则

S＝(a/2+b+1)×c。

9.根据权利要求1所述的一种检测摄像头遭人为恶意破坏的方法，其特征在于：所述步骤7)的具体方法为：将正常背景图像的帧和异常背景图像的帧看成两个不同的类，将正常背景图像帧中的任意两帧进行比较，取比较结果的中值记为D₁，表示类内差；将异常背景图像的帧与正常背景的帧进行比较，取比较结果的中值记为D₂，表示类间差，令

D_norm＝log(D₂/D₁)

类间差越大，类内差越小，D_norm越大，分属不同类的可能性越大，所以D_norm大于阈值时可判断发生异常。