CN110309804A - 基于九宫格赋权算法的降低光线干扰图像相似度检测方法 - Google Patents

Abstract

本发明公开了一种基于九宫格赋权算法的降低光线干扰图像相似度检测方法，通过设定相似度阈值，对九宫格内的每一个矩形图片区域进行相似度检测，当大于该阈值时，则该区域图片的权值为1，否则将对应区域的相似度作为其权值，最后对着九个区域的图片进行权值平均值计算，作为图片相似度检测结果，从而降低光线的干扰，提高检测准确性。本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法可以减少光线的干扰，提高检测精度，同时还可以对检测区域异常目标物体的大小做阈值，即可以设定检测区域违规物体大小的判断，扩展检测功能的灵活性。本发明具有准确度高，检测功能灵活的优点。

Description

基于九宫格赋权算法的降低光线干扰图像相似度检测方法

技术领域

本发明涉及智能视觉检测技术领域，尤其涉及一种减少光线干扰，准确度高的基于九宫格赋权算法的降低光线干扰图像相似度检测方法。

背景技术

随着人工智能技术的发展，越来越多的智能化产品和系统出现在我们生活的点点滴滴。特别是伴随着城镇化建设和人口密集型大城市的形成，城市智能化治安安防的创建也逐渐由理论成为现实，各种各样的智能化系统和产品在智能安防的建设中得到应用。在智能安防集成应用中，利用SSIM算法等对图片结构和整体纹理特性，进行一些警情事件的检测时，光线对于检测算法的影响比较大，视频帧在复杂光线下，会出现一些奇异光点，造成检测误差，使得这些智能化检测算法的检测灵敏度降低，从而严重影响了检测结果的准确性。

因此，有必要提出一种改进，以克服现有技术缺陷。

发明内容

本发明的目的是解决现有技术中的问题，提供一种减少光线干扰，准确度高的基于九宫格赋权算法的降低光线干扰图像相似度检测方法。

本发明的技术方案是：

基于九宫格赋权算法的降低光线干扰图像相似度检测方法，包括以下步骤：S1、设定相似度阈值n；将视频帧图像按规律划分为多个图片区域；设定出现在检测区物体的最小阈值图片区域数量为m；S2、在检测区域正常情况下启动检测程序，获取底图模板；S3、获取监控图像的视频帧frame；S4、利用SSIM算法，分别将所述底图模板和所述视频帧frame上划分为九宫格；针对所述底图模板和所述视频帧frame所有对应位置的对应格图片计算相似度，并计算最后整体图片相似度，判断检测区域是否正常。

作为一种优选的技术方案，所述步骤S4包括以下步骤：S4a、利用SSIM算法对底图模板和视频帧frame计算九宫格上位置对应的宫格的九个相似度值；S4b、初始化图片格相似度小于0.65的格子数sum为0，九个图片格的权值集合simily_tuple；S4c、依次遍历9个相似度值，若相似度值大于n，判断该图片格没有物体入侵；若相似度值小于n，则将该相似度值加入权值集合simily_tuple，此时，若相似度值小于0.65，则sum加1；S4d、当9个图片相似度值遍历判断结束后，若sum大于m，则计算底图模板与视频帧的整体相似度all_simily，执行步骤S4e，否则，认为检测区域正常；S4e、计算整体相似度公式为：

当整体相似度all_simily小于0.73时，判断视频帧内有其他物体出现，否则认为检测区域正常。

作为一种优选的技术方案，当检测区域正常时，根据时间变化更新底图模板。

作为一种优选的技术方案，所述步骤S1中相似度阈值n为0.8。

作为一种优选的技术方案，所述步骤S1中“将视频帧图像按规律划分为多个图片区域”具体方法为将视频帧图像划分为九宫格。

作为一种优选的技术方案，所述步骤S1“设定出现在检测区物体的最小阈值图片区域数量为m”中m的数值不大于视频帧图像划分的图片区域的数量。

本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，通过设定相似度阈值，对九宫格内的每一个矩形图片区域进行相似度检测，当大于该阈值时，则该区域图片的权值为1，否则将对应区域的相似度作为其权值，最后对着九个区域的图片进行权值平均值计算，作为图片相似度检测结果，从而降低光线的干扰，提高检测准确性。本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法可以减少光线的干扰，提高检测精度，同时还可以对检测区域异常目标物体的大小做阈值，即可以设定检测区域违规物体大小的判断，扩展检测功能的灵活性。

附图说明

图1为本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法具体实施方式流程框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

如图1所示，本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，包括以下步骤：

S1、设定相似度阈值n；将视频帧图像按规律划分为多个图片区域；设定出现在检测区物体的最小阈值图片区域数量为m；

S2、在检测区域正常情况下启动检测程序，获取底图模板；

S3、获取监控图像的视频帧frame；

S4、利用SSIM算法，分别将所述底图模板和所述视频帧frame上划分为九宫格；针对所述底图模板和所述视频帧frame所有对应位置的对应格图片计算相似度，并计算最后整体图片相似度，判断检测区域是否正常。

在步骤S1中，将视频帧图像按规律划分多个图片区域时，所述的视频帧图像可以为任一视频帧图像。其目的是将整个图像划分出多个子区域，在多个子区域内设定“出现异常物体的最小阈值图片区域数量m”。也即是在多个子区域的数量内，设定一个数量m，该数量m是出现异常物体的子区域数量，设定数量m相当于设定检测区域的大小。此处的“出现异常物体的最小阈值”指的是在后续待检测图片与正常底图模板相似度对比时，待检测图片的对应区域与正常底图模板对应区域之间的相似度小于最小阈值，也即可以粗略认定为待检测图片的该区域内有异物侵入。

本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，通过设定相似度阈值，对九宫格内的每一个矩形图片区域进行相似度检测，当大于该阈值时，则该区域图片的权值为1，否则将对应区域的相似度作为其权值，最后对着九个区域的图片进行权值平均值计算，作为图片相似度检测结果，从而降低光线的干扰，提高检测准确性。

本实施例中，步骤S4内“利用SSIM算法，分别将所述底图模板和所述视频帧frame上划分为九宫格；针对所述底图模板和所述视频帧frame所有对应位置的对应格图片计算相似度，并计算最后整体图片相似度，判断检测区域是否正常”具体包括以下步骤：

S4a、利用SSIM算法对底图模板和视频帧frame计算九宫格上位置对应的宫格的九个相似度值；

S4b、初始化图片格相似度小于0.65的格子数sum为0，九个图片格的权值集合simily_tuple为simily_tuple＝[]；

S4c、依次遍历9个相似度值simily，若相似度值simily大于n，判断该图片格没有物体入侵；若相似度值simily小于n，则将该相似度值simily加入权值集合simily_tuple，即simily_tuple.append(simily)，此时，若相似度值simily小于0.65，则sum加1，即sum＝sum+1；

S4d、当9个图片相似度值遍历判断结束后，若sum大于m，则计算底图模板与视频帧的整体相似度all_simily，执行步骤S4e，否则，认为检测区域正常；

S4e、计算整体相似度公式为：

当整体相似度all_simily小于0.73时，判断视频帧内有其他物体出现，否则认为检测区域正常。

在步骤S4c中，引入相似度小于0.65作为极端化的粗判断，该粗判断作为先验条件。此处的“相似度小于0.65”与步骤S1内“出现异常物体的最小阈值图片区域数量m”的描述中的“出现异常物体的最小阈值”相对应。

为了进一步排出光线随时间变化而对判定产生影响，作为优选方案，本实施例的基于九宫格赋权算法的降低光线干扰图像相似度检测方法中，当检测区域正常时，根据时间变化更新底图模板，具体操作为unit_pic＝frame。

在实际应用中，可以对检测区域异常目标物体的大小做阈值而根据需要设置相似度阈值n的数值，当然，n的取值范围为0到1，作为优选方案，本实施例中相似度阈值n为0.8。

在实际应用中，步骤S1中“将视频帧图像按规律划分为多个图片区域”具体方法为将视频帧图像划分为九宫格。

显而易见的，步骤S1“设定出现在检测区物体的最小阈值图片区域数量为m”中m的数值不大于视频帧图像划分的图片区域的数量。也即若步骤S1中“将视频帧图像按规律划分为多个图片区域”的具体方法为将视频帧图像划分为九宫格，则m的数值不大于9。数量m可以根据实际情况进行设定，从而根据实际情况设定检测区域的大小。

本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法中，步骤S3“设定相似度阈值n以及设定出现在检测区物体的最小阈值m”可以在步骤S1之前进行，也可以在步骤S2之前进行，还可以在步骤S4之前进行，均不影响本发明的优点体现。

应当知晓，本发明中，步骤S2内所述的监控图像，不单单特指常规监控摄像头获取的图像，还指需要检查对比的图像视频，也即需要进行异物检测的视频图像，可以为设置专门的监测摄像头拍摄的视频或图像，也可以为其他摄像装置获取的视频或图像。

本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，通过设定相似度阈值，对九宫格内的每一个矩形图片区域进行相似度检测，当大于该阈值时，则该区域图片的权值为1，否则将对应区域的相似度作为其权值，最后对着九个区域的图片进行权值平均值计算，作为图片相似度检测结果，从而降低光线的干扰，提高检测准确性。本发明的基于九宫格赋权算法的降低光线干扰图像相似度检测方法可以减少光线的干扰，提高检测精度，同时还可以对检测区域异常目标物体的大小做阈值，即可以设定检测区域违规物体大小的判断，扩展检测功能的灵活性。

综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技术范畴。

Claims (6)

1.基于九宫格赋权算法的降低光线干扰图像相似度检测方法，其特征在于：包括以下步骤：

S1、设定相似度阈值n；将视频帧图像按规律划分为多个图片区域；设定出现在检测区物体的最小阈值图片区域数量为m；

S2、在检测区域正常情况下启动检测程序，获取底图模板；

S3、获取监控图像的视频帧frame；

S4、利用SSIM算法，分别将所述底图模板和所述视频帧frame上划分为九宫格；针对所述底图模板和所述视频帧frame所有对应位置的对应格图片计算相似度，并计算最后整体图片相似度，判断检测区域是否正常。

2.根据权利要求1所述的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，其特征在于：所述步骤S4包括以下步骤：

S4a、利用SSIM算法对底图模板和视频帧frame计算九宫格上位置对应的宫格的九个相似度值；

S4b、初始化图片格相似度小于0.65的格子数sum为0，九个图片格的权值集合simily_tuple；

S4c、依次遍历9个相似度值，若相似度值大于n，判断该图片格没有物体入侵；若相似度值小于n，则将该相似度值加入权值集合simily_tuple，此时，若相似度值小于0.65，则sum加1；

S4d、当9个图片相似度值遍历判断结束后，若sum大于m，则计算底图模板与视频帧的整体相似度all_simily，执行步骤S4e，否则，认为检测区域正常；

S4e、计算整体相似度公式为：

当整体相似度all_simily小于0.73时，判断视频帧内有其他物体出现，否则认为检测区域正常。

3.根据权利要求1或2所述的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，其特征在于：当检测区域正常时，根据时间变化更新底图模板。

4.根据权利要求1所述的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，其特征在于：所述步骤S1中相似度阈值n为0.8。

5.根据权利要求1所述的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，其特征在于：所述步骤S1中“将视频帧图像按规律划分为多个图片区域”具体方法为将视频帧图像划分为九宫格。

6.根据权利要求1所述的基于九宫格赋权算法的降低光线干扰图像相似度检测方法，其特征在于：所述步骤S1“设定出现在检测区物体的最小阈值图片区域数量为m”中m的数值不大于视频帧图像划分的图片区域的数量。