CN109544535A - 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统，其包括图像采集单元，用于利用带红外夜视功能的摄像机采集图像；图像处理单元，用于通过形态学预处理方式获取提高信噪比后的图像；图像标记单元，用于通过Two‑Pass算法对图像进行连通区域的标记；分析计算单元，用于获取连通区域对应的真实目标及虚警；图像判定单元，用于判定连通区域对应的目标是否为真实目标。本发明通过带红外夜视功能的摄像机作为数据采集装置，利用图像处理获取待检测图像，再通过Two‑Pass算法对图像进行连通区域的标记，从而获取真实目标及虚警，最后对真实目标进行判定自动确定场景中存在的窥视摄像头，从而实现自动化检测目标。

Description

一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法 及系统

技术领域

本发明涉及一种机器视觉检测技术领域，尤其是涉及一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统。

背景技术

红外光抑制是图像传感器必需的功能之一，这是因为CCD、CMOS对光的感应和人眼不同，人眼只能看到380-780nm的可见光，而CCD、CMOS则可以感应红外光和紫外光，尤其对红外光十分敏感，所以必须要将红外光加以抑制，并保持可见光的高透过，使CCD/COMS对光的感应接近于人的眼睛，从而使拍摄的图像也符合眼睛的感应。目前，解决该问题的方法是，通过在成像系统中加入红外截止滤光片，阻挡该部分干扰成像质量的红外光，可以使所成影像更加符合人眼的最佳感觉。

由于光电窥视设备体积小、隐藏深、不主动发光等特点，使得通过肉眼无法直接找出场景内的光电窥视目标，必须借助仪器来进行目标检测，然而，目前市场内已有的安防设备也均无法实现自动化检测场景内存在的窥视摄像头。此时红外截止滤镜对红外光的光学滤波特性为检测目标提供了一个很好的思路。当有红外光源对镜头照射时，因为红外截止滤光片(IRCF)的存在，会产生较强的反射现象，当可见光源对镜头照射时，摄像头反射现象减弱，而对其余反光目标则没有影响。于是，可以观察可见光、红外光照下，同一场景的亮度变化，大致确定场景内可疑目标的位置并滤除虚警，其中虚警为被误认的可疑目标。

发明内容

基于此，有必要针对现有技术的不足，提供一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统，利用摄像机作为数据采集装置采集图像，利用图像处理技术来自动确定场景中存在的窥视摄像头，从而实现自动化检测目标。

为解决上述技术问题，本发明所采用的技术方案是：一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其包括如下步骤：

(1)、利用带红外夜视功能的摄像机采集图像，获取摄像机在日间工作模式下采集的自然图像I₁以及在夜间工作模式下采集的第一红外图像I₂及第二红外图像I₃；

(2)、通过数学形态学预处理对第一红外图像及第二红外图像进行背景抑制，获得第一红外图像及第二红外图像背景抑制后的图像img2；

(3)、构造腐蚀膨胀模板，对图像img2进行先膨胀后腐蚀的二值形态学预处理操作，获取提高信噪比的图像img3；

(4)、通过最大熵阈值分割算法处理图像img3，获取二值图像img4，其中，最大熵阈值分割算法设定有阈值t，t为argmax所取得的值，其中，p_i为灰度值为i的像素点在图像img3中出现的统计概率，根据公式img4＝Threshold(img3，t)，获取二值图像img4，Threshold(img3，t)表示将图像img3中的每个像素点灰度值与阈值t作比较，大于阈值t的图像img3中的像素点灰度值设为255，小于阈值t的图像img3中的像素点灰度值设为0，从而获得二值图像img4；

(5)、通过Two-Pass算法对图像img4进行连通区域的标记；

(6)、对连通区域的圆形度度量指标θ₂、面积度量指标θ₁、内外对比度度量指标θ₃进行分析和计算，确定真实目标与虚警；

(7)、对于每个度量指标θ₁、θ₂及θ₃，预设一个度量权重值ω₁、ω₂及ω₃分别与θ₁、θ₂及θ₃进行对应，根据公式判定连通区域对应的目标是否为虚警，其中，T₁、T₂、T₃为各个度量指标的判定阈值；若存在度量指标不满足上述公式要求，则该连通区域对应的目标被判定为虚警；否则，进入到步骤(8)；

(8)、综合每个度量指标θ₁、θ₂及θ₃以及相对应的度量权重值ω₁、ω₂及ω₃，根据公式T≥∑_iω_iθ_i进行综合判定，其中，T为综合判定阈值，若存在度量指标不满足T≥∑_iω_iθ_i要求，则该连通区域对应的目标被判定为虚警；否则，该连通区域对应的目标确定为真实目标。

在其中一个实施例中，还包括步骤(9)：

a2、构造数据集，训练SVM分类器，其中，构造数据集为对图像I₁中CCD摄像头真实目标对应的连通区域进行特征构造，数据集中第k个样本的特征为X_k＝[HU_ki，θ_kj，avg1_k，avg3_k，C_k](i＝1～7，j＝1～3)，其中HU_ki(i＝1～7)为HU矩导出的7个不变矩、θ_kj(j＝1，2，3)分别为第k个样本的3类度量指标、avg1_k为图像I₁中真实目标连通区域灰度均值、avg3_k为图像img3中真实目标连通区域灰度均值、C_k为图像img3与图像img2中真实目标连通区域灰度均值比值；

b2、通过SVM分类器确定图像img4中的真实目标。

在其中一个实施例中，还包括步骤(10)：采用NMS非极大值抑制方法对真实目标重叠的检测现象进行二次处理，确保同一区域的真实目标只被检测出一次，具体为，

a3、通过∑_iω_iθ_i计算所有连通区域对应的目标得分，并将所有目标的得分进行排序，选中最高分的目标及其对应的框；

b3、遍历其余目标对应的框，如果其余目标中存在第一目标对应的框和当前最高分的目标对应的框的重叠面积(IOU)大于一定阈值，就删除第一目标及其对应的框；

c3、从未处理的连通区域对应的目标中继续选一个得分最高的目标，重复步骤a3及b3，完成对连通区域对应的真实目标的检测。

在其中一个实施例中，所述步骤(5)中通过Two-Pass算法对图像img4进行连通区域的标记的方法具体包括如下步骤：

(5.1)、第一次扫描：访问当前像素P(x,y)，若P(x,y)>0，则判断P(x,y)的四邻域中像素值；具体地，

a、P(x,y)的四邻域中所有像素值均为0，则赋予P(x,y)一个新的标号Lable，Label+＝ 1；

b、P(x,y)的四邻域中有像素值大于1的像素点Neighbors:

1)先将Neighbors中的像素值排序，令P(x,y)＝min{Neighbors}；

2)记录Neighbors中各个标号Label之间的相等关系，拥有相同的标号像素点属于同一个连通区域。

(5.2)、第二次扫描：访问当前像素P(x,y)，若P(x,y)>1，找到与Label＝P(x,y)同属相等关系的一个最小的Label值，然后将最小的Label值赋给P(x,y)。

(5.3)、扫描完成后，图像img4中具有相同Label值的像素点组成了同一连通区域。

在其中一个实施例中，所述步骤(6)中对连通区域的圆形度度量指标进行分析和计算的方法，具体步骤如下：

提取连通区域的边缘点然后对边缘像素点采用最小二乘法椭圆拟合方法，具体地，ax²+bxy+cy²+dx+ey＝1，a＝[a，b，c，d，e]^T，x＝[x²，xy，y²，x，y]^T，x、y分别为连通区域的边缘像素点的横坐标及纵坐标，那么最小二乘法的最优化问题为min||Da||²，s.t.b²-4ac＝-1，D是连通区域的所有边缘像素点的矩阵表示形式，D＝[x₀，x₁，x₂...，x_n]^T，其中x_i(i＝0...n)通过由公式x＝[x²，xy，y²，x，y]^T进行计算，i为虚警边缘点的下标；

获得最小二乘法椭圆拟合的方程解a＝[a，b，c，d，e]^T后，计算拟合残差MSE＝||Xβ-Y||²作为连通区域的圆形度度量指标θ₂，其中，X为连通区域的边缘点横坐标组成的向量[x₀，x₁，x₂...，x_n]^T，Y为连通区域的边缘点纵坐标组成的向量[y₀，y₁，y₂...，y_n]^T，β为公式MSE＝||Xβ-Y||²的解析解参数。

在其中一个实施例中，所述步骤(6)中对连通区域的面积度量指标进行分析和计算的方法，具体步骤如下：

统计二值图像img4中连通区域像素点个数的方式计算连通区域的面积Size＝∑_(x，y)I(img4(x，y)＝＝255)，其中，img4(x，y)表示在图像img4中坐标为(x，y)的像素点的灰度值，令img4(x，y)＝＝255定义为EQ，I(EQ)表示当EQ成立时，I(EQ)值为1，否则为0，故Size表示连通区域灰度值为255的像素点个数，Size为面积度量指标θ₁。

在其中一个实施例中，所述步骤(6)中对连通区域内外对比度度量指标进行分析和计算的方法，具体步骤如下：

A2、获取连通区域的最小外接矩形，将最小外接矩形的宽边长度作为CCD镜头的直径估计值，以确定CCD镜头对应的圆形区域；

B2、将A2中获取CCD镜头的直径向外侧扩大一半，得到CCD镜头的外围玻璃的直径估计值，获得CCD镜头的外围玻璃对应圆形区域后，去掉与步骤A2中CCD镜头对应的圆形区域重叠的区域，得到CCD镜头的外围玻璃的实际覆盖区域；

C2、对连通区域进行一次遍历，统计CCD镜头对应的圆形区域的能量E_out及CCD镜头的外围玻璃的实际覆盖区域的能量E_in，以两者之间的比值作为内外对比度度量指标θ₃，其中E_out＝∑_i∈out∑_j∈outimg(i，j)²，E_in＝∑_i∈in∑_j∈_inimg(i，j)²，img(i，j)为坐标为(i，j)的像素点灰度值；

D2、反复执行步骤A2～C2，直至所有连通区域全部计算完毕。

一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，其包括

图像采集单元，用于利用带红外夜视功能的摄像机采集图像，获取摄像机在日间工作模式下采集的自然图像I₁以及在夜间工作模式下采集的第一红外图像I₂及第二红外图像I₃；

图像处理单元，用于通过形态学预处理方式获取图像img2、图像img3及图像img4；

图像标记单元，用于通过Two-Pass算法对图像img4进行连通区域的标记；

分析计算单元，用于获取连通区域对应的真实目标及虚警；

图像判定单元，用于判定连通区域对应的目标是否为真实目标。

在其中一个实施例中，还包括SVM分类器单元，用于进一步确定图像img4中的真实目标。

在其中一个实施例中，还包括NMS非极大值抑制单元，用于进一步对连通区域对应的真实目标进行检测。

综上所述，本发明基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统通过带红外夜视功能的摄像机作为数据采集装置，利用图像处理获取待检测图像，再通过Two-Pass算法对图像进行连通区域的标记，从而获取真实目标及虚警，最后对真实目标进行判定自动确定场景中存在的窥视摄像头，从而实现自动化检测目标。

附图说明

图1为本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法的流程示意图；

图2为本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统的结构示意图。

具体实施方式

为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能，下面结合附图与具体实施方式对本发明作进一步详细描述。

如图1所示，本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，包括以下步骤：

(1)、利用带红外夜视功能的摄像机采集图像，获取摄像机在日间工作模式下采集的自然图像I₁以及在夜间工作模式下采集的第一红外图像I₂及第二红外图像I₃，其中，自然图像I₁为摄像机关闭红外夜视功能后在自然光照射下采集的的场景图，第一红外图像I₂为摄像机开启红外夜视功能后在红外光照度为val1下采集的的红外图像，第二红外图像I₃为摄像机开启红外夜视功能后在红外光照度为val2下采集的的红外图像，其中，红外光照度val1、val2为预设值，val2＞val1。

(2)、通过数学形态学预处理对第一红外图像及第二红外图像进行背景抑制，获得第一红外图像及第二红外图像背景抑制后的图像img2；其中，img2(x,y)＝I₃(x,y)-I₂(x,y)，其中I₂、I₃分别为红外光照度val1和红外光照度val2下的红外图像，I₂(x,y)为图像I₂在(x,y)处的灰度值，I₃(x,y)为图像I₃在(x,y)处的灰度值，img2(x,y)为图像img2在(x,y)处的灰度值。

(3)、构造腐蚀膨胀模板，对图像img2进行先膨胀后腐蚀的二值形态学预处理操作，获取提高信噪比的图像img3，其中，img3(x₁,y₁)＝Morph(img2(x₁,y₁))，Morph表示为相应的形态学预处理操作，将腐蚀的结构元素及膨胀的结构元素对图像img2进行处理，腐蚀的结构元素设定为实心圆形状，将膨胀的结构元素设定为圆环状，其中实心圆的半径设定为15个像素长度，圆环的内径设定为15个像素长度，圆环的外径设定为20个像素长度。

(4)、通过最大熵阈值分割算法处理图像img3，获取二值图像img4，其中，最大熵阈值分割算法设定有阈值t，t为argmax所取得的值，其中，p_i为灰度值为i的像素点在图像img3中出现的统计概率，根据公式img4＝Threshold(img3，t)，获取二值图像img4，Threshold(img3，t)表示将图像img3中的每个像素点灰度值与阈值t作比较，大于阈值t的图像img3中的像素点灰度值设为255，小于阈值t的图像img3中的像素点灰度值设为0，从而获得二值图像img4。

由于熵表示信号所携带的信息量，故当熵最大时熵图像中所表现的信息量是最大的，因此由最大熵阈值分割算法对于小目标阈值分割得到的结果总是较为准确的。

(5)、通过Two-Pass算法对图像img4进行连通区域的标记，其中，通过Two-Pass算法对图像img4进行连通区域的标记的方法具体包括如下步骤，

(5.1)、第一次扫描：访问当前像素P(x,y)，若P(x,y)>0，则判断P(x,y)的四邻域中像素值；具体地，

a、P(x,y)的四邻域中所有像素值均为0，则赋予P(x,y)一个新的标号Lable，Label+＝1；

b、P(x,y)的四邻域中有像素值大于1的像素点Neighbors:

1)先将Neighbors中的像素值排序，令P(x,y)＝min{Neighbors}；

2)记录Neighbors中各个标号Label之间的相等关系，拥有相同的标号像素点属于同一个连通区域。

(5.2)、第二次扫描：访问当前像素P(x,y)，若P(x,y)>1，找到与Label＝P(x,y)同属相等关系的一个最小的Label值，然后将最小的Label值赋给P(x,y)。

(5.3)、扫描完成后，图像img4中具有相同Label值的像素点组成了同一连通区域。

(6)、对连通区域的圆形度度量指标θ₂、面积度量指标θ₁、内外对比度度量指标θ₃进行分析和计算，确定真实目标与虚警；其中，通过观察发现，由于CCD镜头需要透光成像，一般呈蓝色，然而，CCD镜头周围的一圈玻璃是不需要透光的，一般呈黑色，两者在图像I₁当中的对比度明显，故需要对内外对比度度量指标进行分析和计算。

在本实施例中，对连通区域的圆形度度量指标进行分析和计算的方法，具体步骤如下：

提取连通区域的边缘点然后对边缘像素点采用最小二乘法椭圆拟合方法，具体地，ax²+bxy+cy²+dx+ey＝1，a＝[a，b，c，d，e］^T，x＝[x²，xy，y²，x，y]^T，x、y分别为连通区域的边缘像素点的横坐标及纵坐标，那么最小二乘法的最优化问题为min||Da||²，s.t.b²-4ac＝-1，D是连通区域的所有边缘像素点的矩阵表示形式，D＝[x₀，x₁，x₂...，x_n]^T，其中x_i(i＝0...n)通过由公式x＝[x²，xy，y²，x，y]^T进行计算，i为虚警边缘点的下标；

获得最小二乘法椭圆拟合的方程解a＝[a，b，c，d，e]^T后，计算拟合残差MSE＝||Xβ-Y||²作为连通区域的圆形度度量指标θ₂，其中，X为连通区域的边缘点横坐标组成的向量[x₀，x₁，x₂，...，x_n]^T，Y为连通区域的边缘点纵坐标组成的向量[y₀，y₁，y₂…，y_n]^T，β为公式MSE＝||Xβ-Y||²的解析解参数。

在本实施例中，对连通区域的面积度量指标进行分析和计算的方法，具体步骤如下：

统计二值图像img4中连通区域像素点个数的方式计算连通区域的面积Size＝∑_(x，y)I(img4(x，y)＝＝255)，其中，img4(x，y)表示在图像img4中坐标为(x，j)的像素点的灰度值，令img4(x，y)＝＝255定义为EQ，I(EQ)表示当EQ成立时，I(EQ)值为1，否则为0，故Size表示连通区域灰度值为255的像素点个数，Size为面积度量指标θ₁，具体地，

A1、建立一个哈希表，哈希表的键值为每个连通区域对应的标识号；

B1、对连通区域进行一次遍历，当像素值为255时，统计值加1，遍历结束后，将统计值存入哈希表；

C1、反复执行步骤B1，直至所有连通区域全部计算完毕；

D1、将统计值结果作为面积度量指标θ₁。

在本实施例中，对连通区域内外对比度度量指标进行分析和计算的方法，具体步骤如下：

A2、获取连通区域的最小外接矩形，将最小外接矩形的宽边长度作为CCD镜头的直径估计值，以确定CCD镜头对应的圆形区域；

B2、将A2中获取CCD镜头的直径向外侧扩大一半，得到CCD镜头的外围玻璃的直径估计值，获得CCD镜头的外围玻璃对应圆形区域后，去掉与步骤A2中CCD镜头对应的圆形区域重叠的区域，得到CCD镜头的外围玻璃的实际覆盖区域；

C2、对连通区域进行一次遍历，统计CCD镜头对应的圆形区域的能量E_out及CCD镜头的外围玻璃的实际覆盖区域的能量E_in，以两者之间的比值作为内外对比度度量指标θ₃，其中E_out＝∑_i∈out∑_j∈outimg(i，j)²，E_in＝∑_i∈in∑_j∈inimg(i，j)²，img(i，j)为坐标为(i，j)的像素点灰度值。

D2、反复执行步骤A2～C2，直至所有连通区域全部计算完毕。

(7)、对于每个度量指标θ₁、θ₂及θ₃，预设一个度量权重值ω₁、ω₂及ω₃分别与θ₁、θ₂及θ₃进行对应，根据公式判定连通区域对应的目标是否为虚警，其中，T₁、T₂、T₃为各个度量指标的判定阈值；若存在度量指标不满足上述公式要求，则该连通区域对应的目标被判定为虚警；否则，进入到步骤(8)。

(8)、综合每个度量指标θ₁、θ₂及θ₃以及相对应的度量权重值ω₁、ω₂及ω₃，根据公式T≥∑_iω_iθ_i进行综合判定，其中，T为综合判定阈值，若存在度量指标不满足T≥∑_iω_iθ_i要求，则该连通区域对应的目标被判定为虚警；否则，该连通区域对应的目标确定为真实目标。

在其中一个实施例中，为保证场景图I₁中存在与真实目标特征极为相似的虚警能准确剔除，获得特定条件下的虚警，其中特定条件包括边缘光线聚集、角点光线聚集、金属反射等，当特定条件为边缘光线聚集时，获得特定条件下的虚警的判定方法，具体步骤如下：

a1、获取以连通区域对应的目标为中心的50*50像素的图像块i1；

b1、通过Canny算子提取图像块i1中的强边缘图像i2；

c1、使用Hough变换提取图像i2中的直线边缘，对直线边缘作最小二乘法拟合，计算直线边缘对应的直线方程Line_i(i＝1，2，3...)，设定拟合多项式为，y＝a₀+a₁x+K+a_kx^k，其中，y表示位于直线上像素点的纵坐标，x表示位于直线上像素点的横坐标，K表示最高次数，在本实施例中，由于最小二乘法拟合的是直线，故次数K取值为1；

获得最小二乘法拟合的直线的偏差平方和为对等式右边的a_i{i＝0，1，...，k}求偏导，得到经过化简并写成矩阵形式，可以得到，采用LU分解(LU Decomposition)，即可得到相应的系数解，根据公式计算目标距离直线Line_i(i＝1，2，3...)的垂直距离Dis_i(i＝1，2，3...)，其中，目标点坐标为(x₀，y₀)，直线方程为y＝Ax+By+C，如则判定目标属于该特定条件下的虚警。

当特定条件为角点光线聚集时，获得特定条件下的虚警的判定方法，具体步骤如下：

以连通区域对应的目标位置为中心，将目标所在的图像小块分为四个区域部分P_i(i＝1，2，3，4)，计算每个区域部分的灰度均值P_avg_i(i＝1，2，3，4)，根据公式J＝|(var(P₁)+var(P₂))-(var(P₃)+var(P₄))|判定计算4个区域部份的相似程度，并设定判定阈值T₀，其中，var(.)表示方差，如连通区域为真实目标，4个区域部份的相似程度应较小，即J值较大。

当特定条件为金属反射时，获得特定条件下的虚警的判定方法，具体步骤如下：由于金属材质的物体对于光线存在反射现象，故可能产生虚警，对于该类虚警，直接计算图像I₁中目标区域的灰度均值，由于金属材质的灰度值不会太低，故通过简单设定灰度阈值来滤除该类虚警。

在其中一个实施例中，本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法还包括步骤(9)，具体为：

a2、构造数据集，训练SVM分类器，其中，构造数据集为对图像I₁中CCD摄像头真实目标对应的连通区域进行特征构造，数据集中第k个样本的特征为X_k＝[HU_ki，θ_kj，avg1_k，avg3_k，C_k](i＝1～7，j＝1～3)，其中HU_ki(i＝1～7)为HU矩导出的7个不变矩、θ_kj(j＝1，2，3)分别为第k个样本的3类度量指标、avg1_k为图像I₁中真实目标连通区域灰度均值、avg3_k为图像img3中真实目标连通区域灰度均值、C_k为图像img3与图像img2中真实目标连通区域灰度均值比值。

b2、通过SVM分类器确定图像img4中的真实目标；对于SVM的参数选择，在本实施例中选择高斯核函数为SVM的核函数，通过对比度调节、图像镜像等方式构造和扩充样本数据集训练SVM分类器，在随机划分的训练集和测试集上，SVM在训练集上的准确率达82.2％，在测试集上的准确率达84.8％。

在其中一个实施例中，本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法还包括步骤(10)：采用NMS非极大值抑制方法对真实目标重叠的检测现象进行二次处理，确保同一区域的真实目标只被检测出一次，具体为，

a3、通过∑_iω_iθ_i计算所有连通区域对应的目标得分，并将所有目标的得分进行排序，选中最高分的目标及其对应的框；

b3、遍历其余目标对应的框，如果其余目标中存在第一目标对应的框和当前最高分的目标对应的框的重叠面积(IOU)大于一定阈值，就删除第一目标及其对应的框；

c3、从未处理的连通区域对应的目标中继续选一个得分最高的目标，重复步骤a3及b3，完成对连通区域对应的真实目标的检测。

如图2所示，根据上述本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，本发明提供了一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，应用本发明基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，采用带红外夜视功能的摄像机作为数据采集装置，利用图像处理、模式识别的手段自动检测场景内存在的光电窥视真实目标，可以用于隐私保护、反侦察等应用领域；与市场中存在的检测设备相比，本系统实现了窥视摄像头的自动化检测，在安防领域具有较高的应用价值。

本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，包括：

图像采集单元，用于利用带红外夜视功能的摄像机采集图像，获取摄像机在日间工作模式下采集的自然图像I₁以及在夜间工作模式下采集的第一红外图像I₂及第二红外图像I₃；

图像处理单元，用于通过形态学预处理方式获取图像img2、图像img3及图像img4；

图像标记单元，用于通过Two-Pass算法对图像img4进行连通区域的标记；

分析计算单元，用于获取连通区域对应的真实目标及虚警；

图像判定单元，用于判定连通区域对应的目标是否为真实目标。

在其中一个实施例中，本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，还包括SVM分类器单元，用于进一步确定图像img4中的真实目标。

在其中一个实施例中，本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，还包括NMS非极大值抑制单元，用于进一步对连通区域对应的真实目标进行检测。

综上所述，本发明一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统通过带红外夜视功能的摄像机作为数据采集装置，利用图像处理获取待检测图像，再通过Two-Pass算法对图像进行连通区域的标记，从而获取真实目标及虚警，最后对真实目标进行判定自动确定场景中存在的窥视摄像头，从而实现自动化检测目标。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，包括如下步骤：

(1)、利用带红外夜视功能的摄像机采集图像，获取摄像机在日间工作模式下采集的自然图像I₁以及在夜间工作模式下采集的第一红外图像I₂及第二红外图像I₃；

(2)、通过数学形态学预处理对第一红外图像及第二红外图像进行背景抑制，获得第一红外图像及第二红外图像背景抑制后的图像img2；

(3)、构造腐蚀膨胀模板，对图像img2进行先膨胀后腐蚀的二值形态学预处理操作，获取提高信噪比的图像img3；

(4)、通过最大熵阈值分割算法处理图像img3，获取二值图像img4，其中，最大熵阈值分割算法设定有阈值t，t为argmax所取得的值，其中，p_i为灰度值为i的像素点在图像img3中出现的统计概率，根据公式img4＝Threshold(img3，t)，获取二值图像img4，Threshold(img3，t)表示将图像img3中的每个像素点灰度值与阈值t作比较，大于阈值t的图像img3中的像素点灰度值设为255，小于阈值t的图像img3中的像素点灰度值设为0，从而获得二值图像img4；

(5)、通过Two-Pass算法对图像img4进行连通区域的标记；

(6)、对连通区域的圆形度度量指标θ₂、面积度量指标θ₁、内外对比度度量指标θ₃进行分析和计算，确定真实目标与虚警；

(7)、对于每个度量指标θ₁、θ₂及θ₃，预设一个度量权重值ω₁、ω₂及ω₃分别与θ₁、θ₂及θ₃进行对应，根据公式判定连通区域对应的目标是否为虚警，其中，T₁、T₂、T₃为各个度量指标的判定阈值；若存在度量指标不满足上述公式要求，则该连通区域对应的目标被判定为虚警；否则，进入到步骤(8)；

(8)、综合每个度量指标θ₁、θ₂及θ₃以及相对应的度量权重值ω₁、ω₂及ω₃，根据公式T≥∑_iω_iθ_i进行综合判定，其中，T为综合判定阈值，若存在度量指标不满足T≥∑_iω_iθ_i要求，则该连通区域对应的目标被判定为虚警；否则，该连通区域对应的目标确定为真实目标。

2.根据权利要求1所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，还包括步骤(9)：

a2、构造数据集，训练SVM分类器，其中，构造数据集为对图像I₁中CCD摄像头真实目标对应的连通区域进行特征构造，数据集中第k个样本的特征为X_k＝[HU_ki，θ_kj，avg1_k，avg3_k，C_k](i＝1～7，j＝1～3)，其中HU_ki(i＝1～7)为HU矩导出的7个不变矩、θ_kj(j＝1，2，3)分别为第k个样本的3类度量指标、avg1_k为图像I₁中真实目标连通区域灰度均值、avg3_k为图像img3中真实目标连通区域灰度均值、C_k为图像img3与图像img2中真实目标连通区域灰度均值比值；

b2、通过SVM分类器确定图像img4中的真实目标。

3.根据权利要求1或2所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，还包括步骤(10)：采用NMS非极大值抑制方法对真实目标重叠的检测现象进行二次处理，确保同一区域的真实目标只被检测出一次，具体为，

a3、通过∑_iω_iθ_i计算所有连通区域对应的目标得分，并将所有目标的得分进行排序，选中最高分的目标及其对应的框；

b3、遍历其余目标对应的框，如果其余目标中存在第一目标对应的框和当前最高分的目标对应的框的重叠面积(IOU)大于一定阈值，就删除第一目标及其对应的框；

c3、从未处理的连通区域对应的目标中继续选一个得分最高的目标，重复步骤a3及b3，完成对连通区域对应的真实目标的检测。

4.根据权利要求1或2所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，所述步骤(5)中通过Two-Pass算法对图像img4进行连通区域的标记的方法具体包括如下步骤：

(5.1)、第一次扫描：访问当前像素P(x,y)，若P(x,y)>0，则判断P(x,y)的四邻域中像素值；具体地，

a、P(x,y)的四邻域中所有像素值均为0，则赋予P(x,y)一个新的标号Lable，Label+＝1；

b、P(x,y)的四邻域中有像素值大于1的像素点Neighbors:

1)先将Neighbors中的像素值排序，令P(x,y)＝min{Neighbors}；

2)记录Neighbors中各个标号Label之间的相等关系，拥有相同的标号像素点属于同一个连通区域。

(5.2)、第二次扫描：访问当前像素P(x,y)，若P(x,y)>1，找到与Label＝P(x,y)同属相等关系的一个最小的Label值，然后将最小的Label值赋给P(x,y)。

(5.3)、扫描完成后，图像img4中具有相同Label值的像素点组成了同一连通区域。

5.根据权利要求1或2所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，所述步骤(6)中对连通区域的圆形度度量指标进行分析和计算的方法，具体步骤如下：

提取连通区域的边缘点然后对边缘像素点采用最小二乘法椭圆拟合方法，具体地，ax²+bxy+cy²+dx+ey＝1，a＝[a，b，c，d，e]^T，x＝[x²，xy，y²，x，y]^T，x、y分别为连通区域的边缘像素点的横坐标及纵坐标，那么最小二乘法的最优化问题为min||Da||²，s.t.b²-4ac＝-1，D是连通区域的所有边缘像素点的矩阵表示形式，D＝[x₀，x₁，x₂...，x_n]^T，其中x_i(i＝0...n)通过由公式x＝[x²，xy，y²，x，y]^T进行计算，i为虚警边缘点的下标；

获得最小二乘法椭圆拟合的方程解a＝[a，b，c，d，e]^T后，计算拟合残差MSE＝||Xβ-Y||²作为连通区域的圆形度度量指标θ₂，其中，X为连通区域的边缘点横坐标组成的向量[x₀，x₁，x₂...，x_n]^T，Y为连通区域的边缘点纵坐标组成的向量[y₀，y₁，y₂...，y_n]^T，β为公式MSE＝||Xβ-Y||²的解析解参数。

6.根据权利要求1或2所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，所述步骤(6)中对连通区域的面积度量指标进行分析和计算的方法，具体步骤如下：

统计二值图像img4中连通区域像素点个数的方式计算连通区域的面积Size＝∑_(x，y)I(img4(x，y)＝＝255)，其中，img4(x，y)表示在图像img4中坐标为(x，y)的像素点的灰度值，令img4(x，y)＝＝255定义为EQ，I(EQ)表示当EQ成立时，I(EQ)值为1，否则为0，故Size表示连通区域灰度值为255的像素点个数，Size为面积度量指标θ₁。

7.根据权利要求1或2所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法，其特征在于，所述步骤(6)中对连通区域内外对比度度量指标进行分析和计算的方法，具体步骤如下：

A2、获取连通区域的最小外接矩形，将最小外接矩形的宽边长度作为CCD镜头的直径估计值，以确定CCD镜头对应的圆形区域；

B2、将A2中获取CCD镜头的直径向外侧扩大一半，得到CCD镜头的外围玻璃的直径估计值，获得CCD镜头的外围玻璃对应圆形区域后，去掉与步骤A2中CCD镜头对应的圆形区域重叠的区域，得到CCD镜头的外围玻璃的实际覆盖区域；

C2、对连通区域进行一次遍历，统计CCD镜头对应的圆形区域的能量E_out及CCD镜头的外围玻璃的实际覆盖区域的能量E_in，以两者之间的比值作为内外对比度度量指标θ₃，其中E_out＝∑_i∈out∑_j∈outimg(i，j)²，E_in＝∑_i∈in∑_j∈inimg(i，j)²，img(i，j)为坐标为(i，j)的像素点灰度值；

D2、反复执行步骤A2～C2，直至所有连通区域全部计算完毕。

8.一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，其特征在于：包括

图像采集单元，用于利用带红外夜视功能的摄像机采集图像，获取摄像机在日间工作模式下采集的自然图像I₁以及在夜间工作模式下采集的第一红外图像I₂及第二红外图像I₃；

图像处理单元，用于通过形态学预处理方式获取图像img2、图像img3及图像img4；

图像标记单元，用于通过Two-Pass算法对图像img4进行连通区域的标记；

分析计算单元，用于获取连通区域对应的真实目标及虚警；

图像判定单元，用于判定连通区域对应的目标是否为真实目标。

9.根据权利要求8所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，其特征在于：还包括SVM分类器单元，用于进一步确定图像img4中的真实目标。

10.根据权利要求8所述的一种基于红外截止滤镜光学滤波特性的窥视摄像头检测系统，其特征在于：还包括NMS非极大值抑制单元，用于进一步对连通区域对应的真实目标进行检测。