CN111368785B - 一种摄像头遮挡判断方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种摄像头遮挡判断方法、装置、设备及存储介质。本申请实施例提供的技术方案通过对摄像头拍摄的视频图像关键帧进行移动物品图像区域的确定，并对移动物品图像区域进行边缘识别得到物品边缘矩阵，根据连续的视频图像关键帧对应的物品边缘矩阵进行求和运算后，基于求和运算结果的连续情况判断摄像头是否被遮挡，及时发现摄像头的被遮挡情况，保证摄像头的正常工作。

Description

一种摄像头遮挡判断方法、装置、设备及存储介质

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种摄像头遮挡判断方法、装置、设备及存储介质。

背景技术

随着图像识别技术的发展，摄像头模组也逐步应用与更多的领域来提升产品的用户体验。

例如，带摄像头的油烟机会根据烟雾大小情况自动调整油烟机风机的风量大小，从而提高用户体验。然而无论在安防领域，还是在各类产品的使用过程中，都会逐渐产生污渍等附着物粘附在摄像头镜头表面，对摄像头镜头造成遮挡而无法真实地拍摄到实际场景或物品，使得图像识别的最终判断结果不准确。

发明内容

本申请实施例提供一种摄像头遮挡判断方法、装置、设备及存储介质，以判断摄像头是否被遮挡。

在第一方面，本申请实施例提供了一种摄像头遮挡判断方法，包括：

对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域；

对所述移动物品图像区域进行边缘识别，以得到物品边缘矩阵；

对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果；

基于所述求和运算结果的连续情况判断摄像头是否被遮挡。

进一步的，所述对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域，包括：

获取摄像头实时拍摄的视频图像，从所述视频图像进行关键帧抽取，以得到视频图像关键帧；

对所述视频图像关键帧进行二值化处理，以得到二值化图像；

基于所述二值化图像确定移动物品图像区域。

进一步的，所述对所述视频图像关键帧进行二值化处理，以得到二值化图像，包括：

对所述视频图像关键帧进行灰度化处理，以得到灰度图像；

对所述灰度图像进行二值化处理，以得到二值化图像。

进一步的，所述基于所述二值化图像确定移动物品图像区域，包括：

对连续两帧所述视频图像关键帧对应的二值化图像进行比较，生成比较结果；

基于所述比较结果，对像素值不重叠的图像区域进行提取，以得到移动物品图像区域。

进一步的，所述对所述移动物品图像区域进行边缘识别，以得到物品边缘矩阵，包括：

通过卷积核在所述移动物品图像区域上滑动窗口，对所述移动物品图像区域进行卷积运算，得到物品边缘矩阵。

进一步的，所述基于所述求和运算结果的连续情况判断摄像头是否被遮挡，包括：

基于所述求和运算结果确定物品边缘的连续变化情况；

在物品边缘的连续变化情况指示物品边缘连续清晰时，确定摄像头被遮挡。

进一步的，所述基于所述求和运算结果确定物品边缘的连续变化情况，包括：

基于所述求和结果确定物品边缘矩阵中连续的横向区域和/或纵向区域，并在所述求和结果存在连续的横向区域和/或纵向区域时，确定物品边缘存在连续清晰的物品边缘。

在第二方面，本申请实施例提供了一种摄像头遮挡判断装置，包括移动区域确定模块、边缘矩阵确定模块、求和运算模块和遮挡判断模块，其中：

移动区域确定模块，用于对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域；

边缘矩阵确定模块，用于对所述移动物品图像区域进行边缘识别，以得到物品边缘矩阵；

求和运算模块，用于对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果；

遮挡判断模块，用于基于所述求和运算结果的连续情况判断摄像头是否被遮挡。

在第三方面，本申请实施例提供了一种计算机设备，包括：存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的摄像头遮挡判断方法。

在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的摄像头遮挡判断方法。

本申请实施例通过对摄像头拍摄的视频图像关键帧进行移动物品图像区域的确定，并对移动物品图像区域进行边缘识别得到物品边缘矩阵，根据连续的视频图像关键帧对应的物品边缘矩阵进行求和运算后，基于求和运算结果的连续情况判断摄像头是否被遮挡，及时发现摄像头的被遮挡情况，保证摄像头的正常工作。

附图说明

图1是本申请实施例提供的一种摄像头遮挡判断方法的流程图；

图2是本申请实施例提供的另一种摄像头遮挡判断方法的流程图；

图3是本申请实施例提供的一种卷积核的示意图；

图4是本申请实施例提供的一种摄像头遮挡判断装置的结构示意图；

图5是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

图1给出了本申请实施例提供的一种摄像头遮挡判断方法的流程图，本申请实施例提供的摄像头遮挡判断方法可以由摄像头遮挡判断装置来执行，该摄像头遮挡判断装置可以通过硬件和/或软件的方式实现，并集成在计算机设备中。

可以理解的是，本实施例中的摄像头遮挡判断方法、装置、设备及存储介质可用于安防、厨房设备、移动终端等利用到摄像头的领域，即具有摄像头的领域均可利用该方法、装置、设备及存储介质，并具有相同效果。本申请实施例以厨房设备为例进行描述，具体为安装有摄像头的油烟机。

下述以摄像头遮挡判断装置执行摄像头遮挡判断方法为例进行描述。参考图1，该摄像头遮挡判断方法包括：

S101：对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域。

其中，视频图像关键帧的抽取可基于设定的时间间隔对摄像头实时回传的视频图像进行抽取，抽取出的图像帧即为视频图像关键帧。可以理解的是，根据设定时间间隔先后从视频图像中抽取出的视频图像关键帧为连续的视频图像关键帧。

进一步的，对视频图像进行视频图像关键帧的抽取可以是持续进行，或者是在设定的时间进行，还可以是响应于摄像头的启动而触发，并在确定摄像头的被遮挡情况或在设定时间长度后停止。

示例性的，在抽取出视频图像关键帧后，对视频图像关键帧进行移动物品图像区域的确定。其中，移动物品图像区域应该理解为在摄像头的拍摄画面中相对背景画面移动的物品图像的区域。本申请实施例提供的摄像头应固定拍摄角度，例如安装在油烟机上并朝向安装油烟机的背景墙。进一步的，对移动物品图像区域可以是通过两张视频图像关键帧的对比进行确定。

S102：对所述移动物品图像区域进行边缘识别，以得到物品边缘矩阵。

示例性的，在确定视频图像关键帧中的移动物品图像区域后，对移动物品图像区域进行边缘识别，并生成物品边缘矩阵。

例如，可通过Sobel边缘检测算法、Laplace边缘检测算法或者是Canny边缘检测算法进行边缘识别以获得物品边缘矩阵。

S103：对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果。

具体的，依次分别对连续的两个视频图像关键帧对应的物品边缘矩阵进行求和运算，并得到求和运算结果。

S104：基于所述求和运算结果的连续情况判断摄像头是否被遮挡。

示例性的，在得到求和运算结果后，判断求和运算结果的连续情况，即判断求和结果中顶点的连续变化情况，在求和运算结果出现连续的明显清晰边缘的情况时，确定摄像头被遮挡。

进一步的，在确定摄像头被遮挡时，发出预警信息进行预警提醒，以提示用户及时对摄像头面板区域进行清理擦拭。其中，预警信息可通过声音或者是亮灯的方式进行展示。

上述，通过对摄像头拍摄的视频图像关键帧进行移动物品图像区域的确定，并对移动物品图像区域进行边缘识别得到物品边缘矩阵，根据连续的视频图像关键帧对应的物品边缘矩阵进行求和运算后，基于求和运算结果的连续情况判断摄像头是否被遮挡，及时发现摄像头的被遮挡情况，保证摄像头的正常工作。

图2为本申请实施例提供的另一种摄像头遮挡判断方法的流程图，该摄像头遮挡判断方法是对上述摄像头遮挡判断方法的具体化。参考图2，该摄像头遮挡判断方法包括：

S201：获取摄像头实时拍摄的视频图像，从所述视频图像进行关键帧抽取，以得到视频图像关键帧。

具体的，从摄像头实时拍摄上传的视频图像中抽取关键帧作为视频图像关键帧。视频图像关键帧的抽取可基于设定的时间间隔对摄像头实时回传的视频图像进行抽取，抽取出的图像帧即为视频图像关键帧。可以理解的是，根据设定时间间隔先后从视频图像中抽取出的视频图像关键帧为连续的视频图像关键帧。

S202：对所述视频图像关键帧进行灰度化处理，以得到灰度图像。

具体的，对各视频图像关键帧进行灰度化处理，得到各视频图像关键帧的灰度图像，以提高对图像的处理效率。

其中，灰度图像指每个像素只使用一个采样颜色的图像，显示为从最暗黑色到最亮的白色的灰度，与纯黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度，通常灰度值范围表示为0到255，其中白色为255，黑色为0，灰度值越小颜色越深，灰度值越大颜色越趋于白色。

在获取视频图像关键帧后，对视频图像关键帧进行灰度处理从而获得灰度图像，其中以视频图像关键帧为RGB彩色图像为例(R、G、B分别为红、绿、蓝三个基色分量，其共同决定了像素点颜色)，确定该视频图像关键帧每个像素点的R、G、B基色分量，依据下述公式确定每个像素点的灰度值Y：

Y＝0.3R+0.59G+0.11B

上述计算方式中，根据基色的重要性及其它人脸作画参考指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，故绿色(G)的权值最高，取值0.59。需要说明的是，R、G、B对应的权值大小可适应性调整。在另一个实施例中，在进行灰度处理时可采取分量值法、最大值法或平均值法求取图像每个像素点的灰度值。在确定视频图像关键帧每个像素点的灰度值后，可相应得出灰度图像。其可以理解的是，灰度处理并不会影响图像的纹理特征信息，而且各像素点只需一个灰度值便可表示，有效提高图像的处理效率。

S203：对所述灰度图像进行二值化处理，以得到二值化图像。

在得到视频图像关键帧的灰度图像后，进一步对灰度图像进行二值化处理，得到二值化图像。具体的，将得到的各灰度图像进行二值化处理及映射转换，得到各视频图像关键帧对应的二值化图像。

示例性的，以预先设定的二值化阈值为界限，将各灰度图像的各像素点的灰度值转换为0或255，在像素点的灰度值低于二值化阈值时转换为0，否则转换为255，即转换为黑或白两种颜色，从而有效消除图像中的背景、噪声。

其中，二值化阈值可根据待处理图像进行设定。例如，二值化阈值的设定可通过以下公式进行确定：

二值化阈值＝平均灰度值＝(像素点1灰度值+...+像素点N灰度值)/N

即将每张二值化图像的平均灰度值作为二值化阈值，其中，N代表图像像素点总数。当灰度图像像素点的灰度值小于或等于阀值，则将该像素点标识为0，否则标识为255。

进一步的，在确定灰度图像每个像素点的灰度值转换后，由于0和255只有两个数，却要用8位编码来容纳，为了节省计算机存储空间，把255映射为1，即将用灰度值为0和255表示的灰度图像映射转换为0和1表示二值化图像。

S204：对连续两帧所述视频图像关键帧对应的二值化图像进行比较，生成比较结果。

具体的，在完成视频图像关键帧的二值化处理后，通过不断提取连续两帧的视频图像关键帧对应的二值化图像进行像素比较，即对每个像素点经二值化处理后的像素值进行比较，若像素值一致，则该点为重叠点，否则为不重叠点，并生成对应的比较结果。

S205：基于所述比较结果，对像素值不重叠的图像区域进行提取，以得到移动物品图像区域。

具体的，在得到各二值化图像的比较结果后，对像素值不重叠的像素点对应的图像区域进行提取，并将该区域定义为移动物品图像区域。

可选的，可通过框选的方式对像素值不重叠的区域进行提取，并将框选的区域作为该二值化图像对应的移动物品图像区域。可以理解的是，对移动物品图像区域的确定可以是根据各像素点像素值的重叠情况进行确定，还可以是先筛选出像素值不重复密度达到预设密度的像素点，再对移动物品图像区域进行确定，减少因个别像素点出现变化而导致移动物品图像区域过大的情况。

S206：通过卷积核在所述移动物品图像区域上滑动窗口，对所述移动物品图像区域进行卷积运算，得到物品边缘矩阵。

具体的，将各移动物品图像区域划分为M*N个方格区域，并建立一个3*3的0，1矩阵作为卷积核。其中，卷积核可根据实际需要进行选择或设定，例如，如图3所示，图3为本申请实施例提供的一种卷积核的示意图。

进一步的，利用卷积核从上到下、从左到右在各移动物品图像区域上滑动窗口并做卷积运算，并得到各移动物品图像区域的物品边缘矩阵。

S207：对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果。

具体的，依次分别对连续的两个视频图像关键帧对应的物品边缘矩阵进行求和运算，并得到求和运算结果。

S208：基于所述求和运算结果确定物品边缘的连续变化情况。

具体的，在得到求和运算结果后，基于前后依次获得的求和结果确定物品边缘矩阵中连续的横向区域和/或纵向区域，并在所述求和结果存在连续的横向区域和/或纵向区域时，确定物品边缘存在连续清晰的物品边缘。

示例性的，根据得到的求和运算结果对应的矩阵来进行对比，即比对两张物品边缘合并后的顶点的连续变化情况，根据顶点的连续变化情况判断物品的移动方向和位置变化情况，当出现明显的连续清晰(即运算结果中包含有连续的横向和/或纵向区域时)，则判定摄像头被遮挡。

S209：在物品边缘的连续变化情况指示物品边缘连续清晰时，确定摄像头被遮挡。

可以理解的是，假设摄像头被遮挡，运动物体在视频图像中的位置是移动的，其边缘矩阵求和结果不存在连续明显的边缘，而遮挡物的位置是固定的，其边缘矩阵求和结果会存在连续明显的边缘。对比前后依次获得的求和结果，在遮挡物处的求和的值是相同或重复率达到预设阈值的，而移动物品在未被遮挡的位置，对应的前后两个求和结果的值是不一样的。这时，物体边缘像素点所对应的未被遮挡的区域上，其对应求和运算结果是不连续的，即横向和/或纵向上的物品边缘对应的像素点数值应该不存在连续明显的边缘。而在摄像头中出现遮挡物时，移动物品边缘在遮挡物对应的位置上数值会出现明显连续的边缘的情况，此时求和运算结果会出现明显连续清晰(即运算结果中包含有连续的横向和/或纵向区域)，即横向和/或纵向上的物品边缘(遮挡物)对应的像素点数值存在部分连续清晰的情况。

具体的，在根据求和运算结果判断出物品边缘在连续的横向区域和/或纵向区域明显边界，即横向和/或纵向上的物品边缘对应的像素点数值存在部分明显连续的情况时，判断物品边缘对应遮挡物处的求和结果存在连续清晰的边界，并确定摄像头被遮挡。在确定摄像头被遮挡时，发出预警信息进行预警提醒，以提示用户及时对摄像头面板区域进行清理擦拭。

上述，通过对摄像头拍摄的视频图像关键帧进行移动物品图像区域的确定，并对移动物品图像区域进行边缘识别得到物品边缘矩阵，根据连续的视频图像关键帧对应的物品边缘矩阵进行求和运算后，基于求和运算结果的连续情况判断摄像头是否被遮挡，及时发现摄像头的被遮挡情况，保证摄像头的正常工作。同时，对视频图像关键帧进行灰度和二值化处理，能有效提高对图像的处理效率。并根据物品边缘的连续情况判断摄像头是否被遮挡，提高对摄像头遮挡判断的效率。

图4为本申请实施例提供的一种摄像头遮挡判断装置的结构示意图。参考图4，本实施例提供的摄像头遮挡判断装置包括移动区域确定模块41、边缘矩阵确定模块42、求和运算模块43和遮挡判断模块44。

其中，移动区域确定模块41，用于对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域；边缘矩阵确定模块42，用于对所述移动物品图像区域进行边缘识别，以得到物品边缘矩阵；求和运算模块43，用于对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果；遮挡判断模块44，用于基于所述求和运算结果的连续情况判断摄像头是否被遮挡。

上述，通过对摄像头拍摄的视频图像关键帧进行移动物品图像区域的确定，并对移动物品图像区域进行边缘识别得到物品边缘矩阵，根据连续的视频图像关键帧对应的物品边缘矩阵进行求和运算后，基于求和运算结果的连续情况判断摄像头是否被遮挡，及时发现摄像头的被遮挡情况，保证摄像头的正常工作。

在一个可能的实施例中，所述移动区域确定模块41具体用于：获取摄像头实时拍摄的视频图像，从所述视频图像进行关键帧抽取，以得到视频图像关键帧；对所述视频图像关键帧进行二值化处理，以得到二值化图像；基于所述二值化图像确定移动物品图像区域。

在一个可能的实施例中，所述移动区域确定模块41在对所述视频图像关键帧进行二值化处理，以得到二值化图像时，具体包括：对所述视频图像关键帧进行灰度化处理，以得到灰度图像；对所述灰度图像进行二值化处理，以得到二值化图像。

在一个可能的实施例中，所述移动区域确定模块41在基于所述二值化图像确定移动物品图像区域，具体包括：对连续两帧所述视频图像关键帧对应的二值化图像进行比较，生成比较结果；基于所述比较结果，对像素值不重叠的图像区域进行提取，以得到物品图像区域。

在一个可能的实施例中，所述边缘矩阵确定模块42具体用于：通过卷积核在所述移动物品图像区域上滑动窗口，对所述移动物品图像区域进行卷积运算，得到物品边缘矩阵。

在一个可能的实施例中，所述遮挡判断模块44具体用于：基于所述求和运算结果确定物品边缘的连续变化情况；在物品边缘的连续变化情况指示物品边缘连续清晰时，确定摄像头被遮挡。

在一个可能的实施例中，所述遮挡判断模块44在基于所述求和运算结果确定物品边缘的连续变化情况时，具体包括：基于所述求和结果确定物品边缘矩阵中连续的横向区域和/或纵向区域，并在所述求和结果存在连续的横向区域和/或纵向区域时，确定物品边缘存在连续清晰的物品边缘。

本申请实施例还提供了一种计算机设备，该计算机设备可集成本申请实施例提供的摄像头遮挡判断装置。图5是本申请实施例提供的一种计算机设备的结构示意图。参考图5，该计算机设备包括：输入装置53、输出装置54、存储器52以及一个或多个处理器51；所述存储器52，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器51执行，使得所述一个或多个处理器51实现如上述实施例提供的摄像头遮挡判断方法。其中输入装置53、输出装置54、存储器52和处理器51可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器52作为一种计算设备可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的摄像头遮挡判断方法对应的程序指令/模块(例如，摄像头遮挡判断装置中的移动区域确定模块41、边缘矩阵确定模块42、求和运算模块43和遮挡判断模块44)。存储器52可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器52可进一步包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置53可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。

处理器51通过运行存储在存储器52中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的摄像头遮挡判断方法。

上述提供的摄像头遮挡判断装置和计算机可用于执行上述实施例提供的摄像头遮挡判断方法，具备相应的功能和有益效果。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的摄像头遮挡判断方法，该摄像头遮挡判断方法包括：对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域；对所述移动物品图像区域进行边缘识别，以得到物品边缘矩阵；对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果；基于所述求和运算结果的连续情况判断摄像头是否被遮挡。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的摄像头遮挡判断方法，还可以执行本申请任意实施例所提供的摄像头遮挡判断方法中的相关操作。

上述实施例中提供的摄像头遮挡判断装置、设备及存储介质可执行本申请任意实施例所提供的摄像头遮挡判断方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的摄像头遮挡判断方法。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。

Claims (7)

1.一种摄像头遮挡判断方法，其特征在于，包括：

对摄像头拍摄的视频图像抽取视频图像关键帧，其中包括：基于设定的时间间隔抽取摄像头实时回传的视频图像中连续的视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域；

对所述移动物品图像区域进行边缘识别，其中包括：通过卷积核在所述移动物品图像区域上滑动窗口，对所述移动物品图像区域进行卷积运算，以得到物品边缘矩阵；

依次对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果；

基于所述求和运算结果的连续情况判断摄像头是否被遮挡，其中包括：基于所述求和运算结果确定物品边缘的连续变化情况，其中包括：基于所述求和运算结果确定物品边缘矩阵中连续的横向区域和/或纵向区域，并在所述求和运算结果存在连续的横向区域和/或纵向区域时，确定物品边缘存在连续清晰的物品边缘，在物品边缘的连续变化情况指示物品边缘连续清晰时，确定摄像头被遮挡。

2.根据权利要求1所述的摄像头遮挡判断方法，其特征在于，所述对摄像头拍摄的视频图像抽取视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域，包括：

获取摄像头实时拍摄的视频图像，从所述视频图像进行关键帧抽取，以得到视频图像关键帧；

对所述视频图像关键帧进行二值化处理，以得到二值化图像；

基于所述二值化图像确定移动物品图像区域。

3.根据权利要求2所述的摄像头遮挡判断方法，其特征在于，所述对所述视频图像关键帧进行二值化处理，以得到二值化图像，包括：

对所述视频图像关键帧进行灰度化处理，以得到灰度图像；

对所述灰度图像进行二值化处理，以得到二值化图像。

4.根据权利要求2所述的摄像头遮挡判断方法，其特征在于，所述基于所述二值化图像确定移动物品图像区域，包括：

对连续两帧所述视频图像关键帧对应的二值化图像进行比较，生成比较结果；

基于所述比较结果，对像素值不重叠的图像区域进行提取，以得到移动物品图像区域。

5.一种摄像头遮挡判断装置，其特征在于，包括移动区域确定模块、边缘矩阵确定模块、求和运算模块和遮挡判断模块，其中：

移动区域确定模块，用于对摄像头拍摄的视频图像抽取视频图像关键帧，具体用于基于设定的时间间隔抽取摄像头实时回传的视频图像中连续的视频图像关键帧，并基于视频图像关键帧确定移动物品图像区域；

边缘矩阵确定模块，用于对所述移动物品图像区域进行边缘识别，具体用于通过卷积核在所述移动物品图像区域上滑动窗口，对所述移动物品图像区域进行卷积运算，以得到物品边缘矩阵；

求和运算模块，用于依次对连续的视频图像关键帧对应的物品边缘矩阵进行求和运算，以得到求和运算结果；

遮挡判断模块，用于基于所述求和运算结果的连续情况判断摄像头是否被遮挡，具体用于：基于所述求和运算结果确定物品边缘的连续变化情况，具体还用于基于所述求和运算结果确定物品边缘矩阵中连续的横向区域和/或纵向区域，并在所述求和运算结果存在连续的横向区域和/或纵向区域时，确定物品边缘存在连续清晰的物品边缘；在物品边缘的连续变化情况指示物品边缘连续清晰时，确定摄像头被遮挡。

6.一种计算机设备，其特征在于，包括：存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一所述的摄像头遮挡判断方法。

7.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-4任一所述的摄像头遮挡判断方法。