CN110572637B - 图像异常的检测方法、终端设备及存储介质 - Google Patents

Abstract

本申请适用于图像处理技术领域，提供了图像异常的检测方法，包括：在终端设备对应的检测模式下，获取第一图像，并将第一图像分成若干个第一子图像块，检测模式包括日间检测模式或夜视检测模式；获取每个第一子图像块的亮度值和色度值中的一个或多个，并根据亮度值和色度值中的一个或多个确定检测模式下的第一图像的异常类型，异常类型包括偏色异常或亮度异常；根据异常类型，向后台反馈异常类型的确定结果，或，对对应的检测模式下的图像进行异常处理，并向后台反馈异常处理的处理结果。解决了现有的自动检测视频图像异常的方法存在缺乏异常处理与反馈机制的问题。

Description

图像异常的检测方法、终端设备及存储介质

技术领域

本申请属于图像处理技术领域，尤其涉及图像异常的检测方法、终端设备及存储介质。

背景技术

随着社会经济与电子科技的快速发展，各种场合下的监控摄像头数量越来越多。随着使用时长的增加，硬件、环境等因素很容易造成的视频图像质量问题，人工很难对监控摄像机的各种问题进行实时维护。而目前自动检测视频图像异常的方法存在缺乏异常处理与反馈机制的问题，影响了其实际应用能力，不利于监控摄像机的深度开发。

申请内容

本申请实施例提供了图像异常的检测方法、终端设备及存储介质，可以解决现有的自动检测视频图像异常的方法存在缺乏异常处理与反馈机制的问题。

第一方面，本申请实施例提供了一种图像异常的检测方法，检测方法应用于终端设备，所述检测方法包括：

在所述终端设备对应的检测模式下，获取第一图像，并将所述第一图像分成若干个第一子图像块，所述检测模式包括日间检测模式或夜视检测模式；

获取每个所述第一子图像块的亮度值和色度值中的一个或多个，并根据所述亮度值和色度值中的一个或多个确定所述检测模式下的所述第一图像的异常类型，所述异常类型包括偏色异常或亮度异常；

根据所述异常类型，向后台反馈所述异常类型的确定结果，或，对对应的所述检测模式下的图像进行异常处理，并向所述后台反馈所述异常处理的处理结果。

本申请实施例通过将第一图像分成若干个第一图像块，采用分块的方式进行分析与统计，提高算法的准确性与鲁棒性；检测模式包括日间检测模式和夜视检测模式，具有全天候异常检测维护的适用性，更加符合设备的实际应用；通过亮度值确定异常类型，解决了异常难以确认的问题，并对对应的检测模式下的异常类型进行异常处理和异常反馈，为终端设备在应用上提供了切实可行的途径，解决了现有的自动检测视频图像异常的方法存在缺乏异常处理与反馈机制的问题。

示例性的，所述检测模式为日间检测模式时，确定所述检测模式下的所述第一图像的异常类型包括初步异常检测和进一步偏色检测，具体包括：

获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述第一图像存在偏色异常的可能性，所述可能性包括有可能或无可能；

当确定所述第一图像有可能存在偏色异常时，获取所述第一子图像块的偏色因子；

当所述偏色因子大于预设偏色因子阈值的所述第一子图像块的数量与所有所述第一图像块的数量的比值大于第二预设值时，确定所述第一图像存在偏色异常。

通过对第一图像进行初步异常检测，当第一图像有可能存在偏色异常时，才对第一图像进行进一步偏色检测以确定第一图像存在偏色异常，而不可能存在偏色异常时，则不再进行后续的进一步偏色检测，从而减少运算量大的格式转换过程。

示例性的，获取每个所述第一子图像块的亮度值，并将所述亮度值在预设亮度范围内的所述第一子图像块作为有效图像块。根据亮度值去除过暗或过曝的第一子图像块，筛选出有效图像块，且仅对有效图像块进行初步偏色检测，从而减少无效图像块对检测结果的影响，以及减少检测算法的运算量。示例性的，对所有所述有效图像块进行颜色平均值降采样，得到多个图像颜色块。减少图像块样本的数量，减少运算量。

示例性的，根据所述YUV信息运算得到每个所述图像颜色块的Lab信息时采用整型运算，能有效减小计算资源的消耗。

第二方面，本申请实施例提供了一种模式切换异常的检测方法，应用于终端设备，所述模式切换包括日间模式切换到夜视模式和夜视模式切换到日间模式，所述检测方法包括：

当从一个模式进入另一个模式时在进入另一个模式后的预设时长内，获取进入所述另一个模式前的若干个第四图像和获取进入所述另一个模式后的若干个第五图像；

将每个所述第四图像分成多个第四子图像块以及将每个所述第五图像分成多个第五子图像块；

获取每个所述第四子图像块和所述第五子图像块的亮度值，并根据所述亮度值确定模式切换的异常情况。

本实施例根据检测模式切换前与切换后的图像的亮度值，确定模式切换的异常情况，从而保证模式切换成功。

第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的图像异常的检测方法或上述第二方面中任一项所述的模式切换异常的检测方法

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的图像异常的检测方法或上述第二方面中任一项所述的模式切换异常的检测方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的图像异常的检测方法或上述第二方面中任一项所述的模式切换异常的检测方法。

可以理解的是，上述第三方面至第五方面的有益效果可以参见上述第一方面或第二方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例提供的图像异常的检测方法的流程示意图；

图2是本申请一实施例提供的另一种图像异常的检测方法的流程示意图；

图3是本申请一实施例提供的另一种图像异常的检测方法的流程示意图；

图4是本申请一实施例提供的另一种图像异常的检测方法的流程示意图；

图5是本申请一实施例提供的另一种图像异常的检测方法的流程示意图；

图6是本申请一实施例提供的另一种图像异常的检测方法的流程示意图；

图7是本申请一实施例提供的模式切换异常的检测方法的流程示意图；

图8是本申请一实施例提供的重触发信号的示意图；

图9是本申请实施例提供的终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

如背景技术的相关介绍，目前的图像异常的检测方法只对图像进行偏色检测，而缺乏对偏色异常的异常处理以及反馈机制，无法形成一个能够自动检测异常来源与自动修复反馈的闭环系统，影响了设备所具备的实际应用能力，不利于设备的深度开发。以及目前的图像异常的检测方法均适用于在光照充足环境工作的摄像机，而没有提供在光照不足环境工作的摄像机的图像异常的检测方法。

因此，需要一种图像异常的检测方法，可以实现对图像进行异常检测，根据异常检测的异常结果，对异常结果中的异常类型进行异常确认、异常自动修复等异常处理，对异常处理的处理结果进行异常反馈，形成一个能够自动检测异常类型与自动修复和反馈的闭环系统。以及实现同时适用于任何光照环境下的图像异常检测。

本申请将提供图像异常的检测方法和模式切换异常的检测方法，上述方法可以应用于终端设备上，还可以是单独的应用程序，该应用程序可实现图像异常检测、异常处理和异常反馈的过程或实现检测模式切换的异常检测和异常反馈的过程。示例性的，该终端设备可以是设有带IR-CUT滤光片的摄像头的手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personaldigital assistant，PDA)、摄像机等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。

示例性的，所述IR-CUT滤光片又称IR-CUT双滤镜，其包括红外截止滤光片和全光谱透光滤光片。当在光照充足环境中，IR-CUT滤光片采用红外截止滤光片，过滤红外光以修正光照充足环境中图像偏色的问题；当在光照不足环境中，IR-CUT滤光片采用全光谱透光滤光片，提高光照不足环境中图像亮度低的问题。

具体地，上述终端设备的工作模式包括日间模式和夜视模式，对应的检测模式包括日间检测模式和夜视检测模式，日间检测模式用于对光照充足环境下所获取的图像进行异常检测，如摄像机在白天室外或灯光环境下获取的图像，夜视检测模式用于对光照不足环境下所获取的图像进行异常检测，如摄像机在夜晚或背光环境下获取的图像。当终端设备处于日间模式时，终端设备的光传感器感应环境光照，若光照降低至第一预设阈值以下，则切换至夜视模式，同时将终端设备上的IR-CUT滤光片切换为全光谱透光滤光片；当终端设备处于夜视模式时，若终端设备的光传感器感应到环境光照高于第二预设阈值，则切换至日间模式，同时将终端设备上的IR-CUT滤光片切换为红外截止滤光片。

作为示例而非限定，当所述终端设备为可穿戴设备时，该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，如智能手表或智能眼镜等。

作为示例而非限定，当所述终端设备为摄像机时，该摄像机可以是功能全且可不依赖如电脑等智能终端实现完整功能的摄像机，如用于视频监控的监控摄像机，监控摄像机根据外型区分还可以是枪型摄像机、半球型摄像机、球型摄像机、室内全景摄像机(如鱼眼或天眼)、小型云台摄像机、微型摄像机等；该摄像机也可以是只专注于某一类应用功能，需要和其他如电脑等智能设备配合使用的设备，如用于视频聊天、摄像等日常活动的网络摄像头。

图1示出了本申请实施例提供的图像异常的检测方法的流程示意图。作为示例而非限定，该方法可以应用于上述终端设备中。

S101，在所述终端设备对应的检测模式下，获取第一图像，并将所述第一图像分成若干个第一子图像块，所述检测模式包括日间检测模式或夜视检测模式；

S102，获取每个所述第一子图像块的亮度值和色度值中的一个或多个，并根据所述亮度值和色度值中的一个或多个确定所述检测模式下的所述第一图像的异常类型，所述异常类型包括偏色异常或亮度异常；

S103，根据所述异常类型，向后台反馈所述异常类型的确定结果，或，对对应的所述检测模式下的图像进行异常处理，并向所述后台反馈所述异常处理的处理结果。

在上述S101中，上述第一图像可以是终端设备在当前环境所获取的图片，也可以是所获取的视频中的某一帧视频画面。终端设备的检测模式包括日间检测模式和夜视检测模式，分别适用于光照充足环境和光照不足环境，即适用于白天和夜晚，使得终端设备具有全天候异常检测维护的适用性。

可选地，上述第一子图像块为第一图像中位置不重复、形状大小相同的图像块，如将第一图像的每个像素点分为对应的第一图像块。对第一图像进行分块，利用检测算法分别对每个第一子图像块进行亮度检测、色度检测，当检测某个第一子图像块的检测算法出现错误，不会对其他第一子图像块造成严重影响，这样有利于提高图像检测过程的准确性和鲁棒性。

在一种可能实现的方式中，终端设备为监控摄像机，监控摄像机每间隔预设时间(如15分钟)获取一帧YUV格式的监控视频画面作为第一图像，并将第一图像根据第一图像的尺寸，通过滑窗的方式分成若干个与滑窗窗口大小一致的第一子图像块。

在上述S102中，当第一图像为YUV格式时，获取YUV格式信息中的明亮度Y；当第一图像为RGB格式时，可通过计算公式：

Y＝(0.299*R)+(0.587*G)+(0.114*B)，计算第一子图像块的亮度；当第一图像为其他格式时，可将格式转换为RGB格式，并按照上述计算公式计算亮度Y。

上述偏色异常包括白平衡异常，常见于日间模式下的图像异常，其具体包括但不限于偏黄色、偏绿色、偏蓝色和偏红色，其中偏蓝色和偏红色可能是IR-CUT滤光片切换异常引起的白平衡异常。上述亮度异常包括IR-CUT滤光片切换异常引起的亮度异常或未知原因引起的亮度异常，常见于夜视模式下的图像异常。

在一种可能实现的方式中，在日间检测模式下，根据第一子图像块的色度值确定每个第一子图像的偏色情况，当偏向某一个颜色的第一子图像块的数量达到指定数量时，则判定第一图像偏色异常。在夜视检测模式下，亮度值低于阈值的第一子图像块的数量达到指定数量时，则判定第一图像亮度异常。

在上述S103中，在日间检测模式下，当偏色异常为偏黄色或偏绿色时，判定第一图像偏色异常为非设备异常引起的第一图像白平衡异常，无法自动修复，通过与后台联网并向后台反馈终端设备所获取的图像白平衡异常；当偏色异常为偏红色或蓝色时，进一步检测异常来源和进行异常修复，并向后台反馈异常修复结果。在夜视检测模式下，当亮度异常时，进行异常修复并检测异常修复情况，当修复失败时，向后台反馈终端设备的IR-CUT滤光片切换异常，无法自动修复。

本实施例通过将第一图像分成若干个第一图像块，采用分块的方式进行分析与统计，提高算法的准确性与鲁棒性；检测模式包括日间检测模式和夜视检测模式，具有全天候异常检测维护的适用性，更加符合设备的实际应用；通过亮度值确定异常类型，解决了异常难以确认的问题，并对对应的检测模式下的异常类型进行异常处理和异常反馈，为终端设备在应用上提供了切实可行的途径，解决了现有的自动检测视频图像异常的方法存在缺乏异常处理与反馈机制的问题。

在图1所示实施例的基础上，图2示出了本申请实施例提出的另一种图像异常的检测方法的实现流程图。需要说明的是，与图1实施例相同的步骤此处不再赘述，请参见前述。

如图2所示，上述检测模式为日间检测模式，上述S102，包括：

S201，获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述第一图像存在偏色异常的可能性，所述可能性包括有可能或无可能；

S202，当确定所述第一图像有可能存在偏色异常时，获取所述第一子图像块的偏色因子；

S203，当所述偏色因子大于预设偏色因子阈值的所述第一子图像块的数量与所有所述第一图像块的数量的比值大于第二预设值时，确定所述第一图像存在偏色异常。

目前的图像异常的检测方法均是从RGB颜色空间转换至Lab空间进行偏色计算，而格式转换过程的运算量非常大，这样即使图像没有偏色，也需要进行格式转换，导致耗费大量的计算资源。

在本实施例中，在第一图像的原始格式YUV格式下，直接计算第一图像的亮度值和色度值，其中Y为明亮度，即亮度值，U和V为色度值，根据色度值所对应的颜色区间，确定色度值在某一个颜色区间的第一子图像块的数量，当该数量达到一定占比时，判定第一图像有可能存在偏色异常，否则，判定第一图像不可能存在偏色异常。

通过对第一图像进行异常初步检测，当第一图像有可能存在偏色异常时，才对第一图像进行进一步偏色检测以确定第一图像存在偏色异常，而不可能存在偏色异常时，则不再进行后续的进一步偏色检测，从而减少运算量大的格式转换过程。

上述偏色因子为第一子图像块的偏色程度，第二预设值可为大于50％的数值，即当偏色因子大于预设偏色因子阈值的所述第一子图像块的数量超过所有所述第一图像块的数量的一半时，确定第一图像存在偏色。

可选地，在图2所示实施例的基础上，上述S201，包括：

获取每个所述第一子图像块的亮度值，并将所述亮度值在预设亮度范围内的所述第一子图像块作为有效图像块；

当所述有效图像块的数量与所有所述第一子图像块的数量的比值大于第一预设值时，获取每个所述有效图像块的色度值，根据所述色度值确定对应的所述有效图像块所在的颜色区间；

当所述色度值在同一所述颜色区间内的有效图像块的数量与所有所述有效图像块的数量的比值大于第三预设值时，确定所述第一图像有可能存在所述偏色异常。

在本实施例中，根据亮度值去除过暗或过曝的第一子图像块，筛选出有效图像块，且仅对有效图像块进行初步偏色检测，从而减少无效图像块对检测结果的影响，以及减少检测算法的运算量。

在图2所示实施例的基础上，图3示出了本申请实施例提出的另一种图像异常的检测方法的实现流程图。需要说明的是，与图2实施例相同的步骤此处不再赘述，请参见前述。

如图3所示，上述S202，包括：

S301，对所有所述有效图像块进行颜色平均值降采样，得到多个图像颜色块；

S302，获取每个所述图像颜色块的YUV信息，并根据所述YUV信息运算得到每个所述图像颜色块的Lab信息；

S303，基于等效圆偏色检测，根据所述Lab信息获取每个所述图像颜色块的偏色因子。

本实施例中，上述降采样为取预设数量的有效图像块，将该预设数量的有效图像块作为一个图像颜色块，将预设数量的有效图像块的颜色平均值作为该图像颜色块的颜色空间信息，从而减少图像块样本的数量，减少运算量。

上述第一图像的原始格式为YUV格式，所以可根据YUV信息转为RGB信息，再从RGB信息转换为Lab信息。

上述等效圆偏色检测方法为根据等效圆中心坐标计算图像偏向的颜色，根据每个图像颜色块的平均色度值和色度中心距计算偏色因子。

可选地，上述S302，包括：

根据第一预设转换公式，将每个所述图像颜色块的所述YUV信息转换为RGB信息；

根据第二预设转换公式，将每个所述图像颜色块的所述RGB信息转换为XYZ信息；

根据第三预设转换公式，将每个所述图像颜色块的所述XYZ信息转换为所述Lab信息。

目前的颜色空间的转换过程的计算方式均为浮点型运算，对整幅图像所有像素点进行浮点型运算的运算量非常大。在本实施例中，在颜色空间的转换过程中采用整型运算，能有效减小计算资源的消耗。

可选地，上述第一预设转换公式为：

B＝Y+((U-128)×1814)>>10；

G＝Y-((U-128)×352+(V-128)×731)>>10；

R＝Y+((V-128)×1436)>>10。

可选地，上述第二预设转换公式为：

X＝(B×199049+G×3994494+R×455033+524288)>>18；

Y＝(B×75675+G×749900+R×223002+524288)>>18；

Z＝(B×915161+G×114795+R×18621+524288)>>18。

可选地，上述第三预设转换公式为：

a＝(500×(LabTable[X]-LabTable[Y])+512+(128<<10))>>10；

b＝(500×(LabTable[Y]-LabTable[Z])+512+(128<<10))>>10。

其中，>>10、>>18分别为整型运算时向右移10和18个位置，<<10为整型运算时向左移10个位置。LabTable[]为取值[0，1023]的X、Y、Z通过f(t)函数映射并进行取整的结果，f(t)函数计算公式如下：

应理解，上述转换公式仅用于举例说明，不作为限定本申请的具体实现方式。

在图3所示实施例的基础上，图4示出了本申请实施例提出的另一种图像异常的检测方法的实现流程图。需要说明的是，与图3实施例相同的步骤此处不再赘述，请参见前述。

如图4所示，上述S303，包括：

S401，根据所述Lab信息计算每个所述图像颜色块的等效圆中心坐标(da，db)；

S402，根据所述等效圆中心坐标(da，db)计算每个所述图像颜色块的平均色度值D和色度中心距M；

S403，将每个所述图像颜色块的所述平均色度值D与所述色度中心距M作比值，得到每个所述图像颜色块对应的偏色因子。

在本实施例中，运算过程如下：

K＝D/M。

其中，上述W为图像颜色块的宽度，H为图像颜色块的高度。根据Lab颜色空间原理，当da≥0，-da≤db≤2da时，图像颜色块为偏红色，da<0，da≤db≤(-2)da时，偏绿色，|da|<|db|时，偏蓝色，|da|>|db|时，偏黄色。

应理解，上述运算过程仅用于举例说明，不作为限定本申请的具体实现方法。

可选地，在图1-图4所示实施例的基础上，上述S103中的对对应的所述指定检测模式下的图像进行异常处理，包括：

当所述图像颜色块的等效圆中心坐标满足预设的红蓝颜色区间阈值时，发出重触发信号以触发IR-CUT滤光片进行重触发切换，所述重触发切换包括将所述终端设备上的IR-CUT滤光片切换为全透光谱透过滤光片，以及将所述IR-CUT滤光片切换为红外截止滤光片；

在所述IR-CUT滤光片进行重触发切换过程中，获取第二图像，并记录所述第二图像的曝光值变化情况；

若所述曝光值下降，则判定所述IR-CUT滤光片切换异常且已自动修复，若所述曝光值先上升后下降，则判定所述IR-CUT滤光片切换正常，若所述曝光值没有变化，则判定所述IR-CUT滤光片切换异常且无法自动修复。

在本实施例中，根据Lab颜色空间原理，上述预设的红蓝颜色区间阈值可以是da≥0且-da≤db≤2da，或|da|<|db|，当所述图像颜色块的等效圆中心坐标(da，db)满足da≥0、-da≤db≤2da，则说明图像颜色块偏色且偏红色，(da，db)满足|da|<|db|时，则说明图像颜色块偏色且偏蓝色，此时判定终端设备所获取的第一图像偏色异常，为了进一步确认偏色异常是否由终端设备的IR-CUT滤光片切换异常所导致的，因此，发出重触发信号以触发IR-CUT滤光片重新进行切换。

应理解，在不同颜色划分标准下，预设的红蓝颜色区间阈值的具体取值不同，上述预设的红蓝颜色区间阈值的具体取值仅用作示例说明，不作为限定本申请的具体实现手段。

可以理解的是，介于偏蓝色和偏红色的颜色区间还包括蓝色与红色的混合色，如品红色、粉色、紫色等。

如图8所示的重触发信号的示意图，重触发信号为方波信号，上升沿和下降沿可均为1秒。若当前IR-CUT滤光片为红外截止滤光片，则下降沿触发IR-CUT滤光片切换为全光谱透光滤光片，切换时间为1秒，1秒后上升沿触发IR-CUT滤光片重新切换为红外截止滤光片。若当前IR-CUT滤光片为全光谱透光滤光片，则下降沿与上升沿触发切换的IR-CUT滤光片分别为红外截止滤光片和全光谱透光滤光片。通过对IR-CUT滤光片进行重触发切换，以达到修复IR-CUT滤光片切换异常和进一步确认是否为IR-CUT滤光片切换异常引起的偏色异常的目的。

其中，在环境亮度相同的情况下，处于全光谱透光滤光片时的图像亮度比处于红外截止滤光片时的图像亮度亮。在日间模式下，IR-CUT滤光片为红外截止滤光片，因此，在重触发切换IR-CUT滤光片后，若所述曝光值下降，则判定所述IR-CUT滤光片切换异常且已自动修复，若所述曝光值先上升后下降，则判定所述IR-CUT滤光片切换正常，若所述曝光值没有变化，则判定所述IR-CUT滤光片切换异常且无法自动修复，即可能是IR-CUT滤光片卡住而无法切换。

可选地，在图1-图4所示实施例的基础上，上述S103中的向后台反馈所述异常类型的确定结果，包括：

当所述图像颜色块的等效圆中心坐标满足预设的绿黄颜色区间阈值时，判定所述偏色异常为白平衡异常，并将所述白平衡异常反馈至所述后台。

在本实施例中，根据Lab颜色空间原理，上述预设的绿黄颜色区间阈值可以是da<0且da≤db≤(-2)da，或|da|>|db|，当(da，db)满足da<0，da≤db≤(-2)da时，说明图像偏色且偏绿色，当(da，db)满足|da|>|db|时，说明图像偏色且偏黄色。此时可以确定偏色异常为白平衡异常，且不是IR-CUT切换异常引起的，因此向后台反馈偏色异常，以便于维护人员得知结果尽快修复异常。

应理解，在不同颜色划分标准下，预设的绿黄颜色区间阈值的具体取值不同，上述预设的绿黄颜色区间阈值具体取值仅用作示例说明，不作为限定本申请的具体实现手段。

在图1所示实施例的基础上，图5示出了本申请实施例提出的另一种图像异常的检测方法的实现流程图。需要说明的是，与图1实施例相同的步骤此处不再赘述，请参见前述。

如图5所示，上述异常类型还包括混动异常，上述S102，包括：

S501，获取每个所述第一子图像块的亮度值，当所述亮度值不在所述预设亮度范围内的多个所述第一子图像块占据所述第一图像的同一水平线或竖直线，则记录所述第一图像中的水平线或竖直线的位置，并获取第三图像，所述第三图像为第一图像的下一帧待检测图像；

S502，将所述第三图像分成若干个第三子图像块，并获取每个所述第三子图像块的亮度值；

S503，当所述第三图像存在亮度值不在所述预设亮度范围内的多个所述第三子图像块占据所述第三图像的同一水平线或竖直线，则记录所述第三图像中的水平线或竖直线的位置；

S504，若所述第一图像中的水平线或竖直线的位置与所述第三图像中的水平线或竖直线的位置不同，则确认所述第一图像存在混动异常。

在本实施例中，当出现多个第一子图像块的位置拼接起来为第一图像的水平线或竖直线，且多个第一子图像块的亮度值均不在预设亮度范围，说明第一图像可能混动异常，因此终端设备获取第三图像，若第三图像也出现上述水平线或竖直线，且位置与第一图像不同，则可以确定终端设备供电不稳定引起了图像出现黑色横条或竖条的混动异常。

在图1所示实施例的基础上，图6示出了本申请实施例提出的另一种图像异常的检测方法的实现流程图。需要说明的是，与图1实施例相同的步骤此处不再赘述，请参见前述。

如图6所示，上述检测模式为夜视检测模式，上述S102，包括：

S601，获取每个所述第一子图像块的亮度值；

S602，当亮度值小于预设亮度值的所述第一子图像块的数量与所有所述第一子图像块的数量的比值大于第四预设值时，则确定所述第一图像亮度异常。

在本实施例中，夜视模式下，全光谱透光滤光片使得图像亮度提高，当低亮度的第一子图像块的数量占所有第一子图像块的数量的第四预设值时，则可以确定第一图像亮度异常。

可选地，在图6所示实施例的基础上，上述S103中的对对应的所述指定检测模式下的图像进行异常处理，包括：

对所述终端设备上的IR-CUT滤光片进行重触发切换。

在本实施例中，进行重触发切换，以对亮度异常进行修复。重触发切换后，终端设备重新获取图像，并按照S601-S602的过程再次确定是否亮度异常，若不再出现亮度异常，则异常修复成功，若还出现亮度异常，则修复失败，向后台反馈修复结果。实现异常自动修复和异常反馈。

图7示出了本申请实施例提供的一种模式切换异常的检测方法的流程示意图，作为示例而非限定，该方法可以应用于上述终端设备中。所述模式切换包括日间模式切换到夜视模式和夜视模式切换到日间模式，所述检测方法包括：

S701，当从一个模式进入另一个模式时在进入另一个模式后的预设时长内，获取进入所述另一个模式前的若干个第四图像和获取进入所述另一个模式后的若干个第五图像；

S702，将每个所述第四图像分成多个第四子图像块以及将每个所述第五图像分成多个第五子图像块；

S703，获取每个所述第四子图像块和所述第五子图像块的亮度值，并根据所述亮度值确定模式切换的异常情况。

在本实施例中，根据模式切换前与切换后的图像的亮度值，确定模式切换的异常情况，从而可及时根据异常情况对模式进行自动修复或人为调整，进而保证模式切换成功。

可选地，在图7所示实施例的基础上，所述模式切换为日间模式切换到夜视模式，上述S703，包括：

统计亮度值比与所述第五子图像块相同位置的所述第四子图像块的亮度值大的第五子图像块的数量；

当亮度值比与所述第五子图像块相同位置的所述第四子图像块的亮度值大的第五子图像块的数量与所有所述第五子图像块的数量的比值不大于第五预设值时，判定所述模式切换异常。

在本实施例中，终端设备处于日间模式时，IR-CUT滤光片为红外截止滤光片，由于处于全光谱透过滤光片下的图像亮度比处于红外截止滤光片下的图像亮度亮，所以当红外截止滤光片切换为所述全光谱透过滤光片时，图像的整体亮度会变亮，若没有变亮，则说明切换异常。此时可进行重触发切换IR-CUT滤光片以修复模式切换异常。

可选地，在图7所示实施例的基础上，所述模式切换为夜视模式切换到日间模式，上述S703，包括：

统计亮度值比与所述第五子图像块相同位置的所述第五子图像块的亮度值大的第四子图像块的数量；

当亮度值比与所述第五子图像块相同位置的所述第五子图像块的亮度值大的第四子图像块的数量与所有所述第四子图像块的数量的比值不大于第六预设值时，判定所述模式切换异常。

在本实施例中，终端设备处于夜视模式时，IR-CUT滤光片为全光谱透过滤光片，当所述全光谱透过滤光片切换为红外截止滤光片时，图像的整体亮度会变暗，若没有变暗，则说明切换异常。此时可进行重触发切换IR-CUT滤光片以修复模式切换异常。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图9为本申请一实施例提供的终端设备的结构示意图。如图9所示，该实施例的终端设备9包括：至少一个处理器90(图9中仅示出一个)处理器、存储器91以及存储在所述存储器91中并可在所述至少一个处理器90上运行的计算机程序92，所述处理器90执行所述计算机程序92时实现上述任意各个**方法实施例中的步骤。

所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端设备9的举例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，该处理器90还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器91在一些实施例中可以是所述终端设备9的内部存储单元，例如终端设备9的硬盘或内存。所述存储器91在另一些实施例中也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端上运行时，使得终端执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (11)

1.一种图像异常的检测方法，其特征在于，所述检测方法应用于终端设备，所述检测方法包括：

在所述终端设备的对应检测模式下，获取原始格式为YUV的第一图像，并将所述第一图像分成若干个第一子图像块，所述检测模式包括日间检测模式或夜视检测模式；

获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述检测模式下的所述第一图像的异常类型，所述异常类型包括偏色异常或亮度异常；

根据所述异常类型，向后台反馈所述异常类型的确定结果，或，对对应的所述检测模式下的图像进行异常处理，并向所述后台反馈所述异常处理的处理结果，所述异常处理的过程包括对所述终端设备上的IR-CUT滤光片进行重触发切换；

所述检测模式为日间检测模式时，所述获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述检测模式下的所述第一图像的异常类型，包括：

获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述第一图像存在偏色异常的可能性，所述可能性包括有可能或不可能；

当确定所述第一图像有可能存在偏色异常时，获取所述第一子图像块的偏色因子；

当所述偏色因子大于预设偏色因子阈值的所述第一子图像块的数量与所有所述第一图像块的数量的比值大于第二预设值时，确定所述第一图像存在偏色异常；

通过对第一图像进行异常初步检测，当第一图像有可能存在偏色异常时，才对第一图像进行进一步偏色检测以确定第一图像存在偏色异常，在不可能存在偏色异常时，则不再进行后续的进一步偏色检测。

2.如权利要求1所述的图像异常的检测方法，其特征在于，所述获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述第一图像存在偏色异常的可能性，包括：

获取每个所述第一子图像块的亮度值，并将所述亮度值在预设亮度范围内的所述第一子图像块作为有效图像块；

当所述有效图像块的数量与所有所述第一子图像块的数量的比值大于第一预设值时，获取每个所述有效图像块的色度值，根据所述色度值确定对应的所述有效图像块所在的颜色区间；

当所述色度值在同一所述颜色区间内的有效图像块的数量与所有所述有效图像块的数量的比值大于第三预设值时，确定所述第一图像有可能存在偏色异常。

3.如权利要求2所述的图像异常的检测方法，其特征在于，所述获取所述第一子图像块的偏色因子，包括：

对所有所述有效图像块进行颜色平均值降采样，得到多个图像颜色块；

获取每个所述图像颜色块的YUV信息，并根据所述YUV信息运算得到每个所述图像颜色块的Lab信息；

基于等效圆偏色检测，根据所述Lab信息获取每个所述图像颜色块的偏色因子。

4.如权利要求3所述的图像异常的检测方法，其特征在于，所述根据所述YUV信息运算得到每个所述图像颜色块的Lab信息，包括：

根据第一预设转换公式，将每个所述图像颜色块的所述YUV信息转换为RGB信息；

根据第二预设转换公式，将每个所述图像颜色块的所述RGB信息转换为XYZ信息；

根据第三预设转换公式，将每个所述图像颜色块的所述XYZ信息转换为所述Lab信息。

5.如权利要求3所述的图像异常的检测方法，其特征在于，所述根据所述Lab信息获取每个所述图像颜色块的偏色因子，包括：

根据所述Lab信息计算每个所述图像颜色块的等效圆中心坐标；

根据所述等效圆中心坐标计算每个所述图像颜色块的平均色度值和色度中心距；

将每个所述图像颜色块的所述平均色度值与所述色度中心距作比值，得到每个所述图像颜色块对应的偏色因子。

6.如权利要求5所述的图像异常的检测方法，其特征在于，所述对对应的所述检测模式下的图像进行异常处理，包括：

当所述图像颜色块的等效圆中心坐标满足预设的红蓝颜色区间阈值时，发出重触发信号以触发IR-CUT滤光片进行重触发切换，所述重触发切换包括将所述终端设备上的IR-CUT滤光片切换为全透光谱透过滤光片，以及将所述IR-CUT滤光片切换为红外截止滤光片；

在所述IR-CUT滤光片进行重触发切换过程中，获取第二图像，并记录所述第二图像的曝光值变化情况；

若所述曝光值下降，则判定所述IR-CUT滤光片切换异常且已自动修复，若所述曝光值先上升后下降，则判定所述IR-CUT滤光片切换正常，若所述曝光值没有变化，则判定所述IR-CUT滤光片切换异常且无法自动修复。

7.如权利要求5所述的图像异常的检测方法，其特征在于，所述向后台反馈所述异常类型的确定结果，包括：

当所述图像颜色块的等效圆中心坐标满足预设的绿黄颜色区间阈值时，判定所述偏色异常为白平衡异常，并将所述白平衡异常反馈至所述后台。

8.如权利要求1所述的图像异常的检测方法，其特征在于，所述异常类型还包括混动异常，所述获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述检测模式下的所述第一图像的异常类型，包括：

获取每个所述第一子图像块的亮度值，当所述亮度值不在预设亮度范围内的多个所述第一子图像块占据所述第一图像的同一水平线或竖直线，则记录所述第一图像中的水平线或竖直线的位置，并获取第三图像，所述第三图像为第一图像的下一帧待检测图像；

将所述第三图像分成若干个第三子图像块，并获取每个所述第三子图像块的亮度值；

当所述第三图像存在亮度值不在所述预设亮度范围内的多个所述第三子图像块占据所述第三图像的同一水平线或竖直线，则记录所述第三图像中的水平线或竖直线的位置；

若所述第一图像中的水平线或竖直线的位置与所述第三图像中的水平线或竖直线的位置不同，则确认所述第一图像存在混动异常。

9.如权利要求1所述的图像异常的检测方法，其特征在于，所述检测模式为夜视检测模式，所述获取每个所述第一子图像块的亮度值和色度值，并根据所述亮度值和色度值确定所述检测模式下的所述第一图像的异常类型，包括：

获取每个所述第一子图像块的亮度值；

当亮度值小于预设亮度值的所述第一子图像块的数量与所有所述第一子图像块的数量的比值大于第四预设值时，则确定所述第一图像亮度异常。

10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的方法。

11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的方法。

Images