CN111399476B - 一种基于图像对齐的监控云台失控实时检测方法 - Google Patents

一种基于图像对齐的监控云台失控实时检测方法 Download PDF

Info

Publication number
CN111399476B
CN111399476B CN202010172810.0A CN202010172810A CN111399476B CN 111399476 B CN111399476 B CN 111399476B CN 202010172810 A CN202010172810 A CN 202010172810A CN 111399476 B CN111399476 B CN 111399476B
Authority
CN
China
Prior art keywords
monitoring
algorithm
control
detection
instruction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010172810.0A
Other languages
English (en)
Other versions
CN111399476A (zh
Inventor
易云
徐林楠
肖伟
单芬
胡文玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Yiyuan Multi Media Technology Co ltd
Gannan Normal University
Original Assignee
Jiangxi Yiyuan Multi Media Technology Co ltd
Gannan Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangxi Yiyuan Multi Media Technology Co ltd, Gannan Normal University filed Critical Jiangxi Yiyuan Multi Media Technology Co ltd
Priority to CN202010172810.0A priority Critical patent/CN111399476B/zh
Publication of CN111399476A publication Critical patent/CN111399476A/zh
Application granted granted Critical
Publication of CN111399476B publication Critical patent/CN111399476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种基于图像对齐的监控云台失控实时检测方法，该检测方法旨在解决现今针对监控云台的失控检测，人工检查可行性低，而使用现有的计算机视觉技术检测算法复杂度高，且检测准确率低，难以实现实时检测的技术问题。该检测方法的具体步骤为：先初始化监控云台控制指令集合，并基于图像对齐技术，利用被检测的监控摄像头在执行一个旋转指令前后获取的监控图像，计算监控云台的实际旋转角度，通过比较预期旋转角度和实际旋转角度来判断监控云台是否正常响应旋转指令，从而检测监控云台是否失控，并且控制其进行依次循环检测。该检测方法基于图像对齐技术，并突破性地结合各数据处理算法，实现了实时快速高准确性地对监控云台失控进行检测。

Description

一种基于图像对齐的监控云台失控实时检测方法
技术领域
本发明属于计算机图像视觉检测领域，具体属于一种基于图像对齐的监控云台失控实时检测方法。
背景技术
为了保障社会安全维护社会稳定，客观公正地进行法务执行，视频监控已成为现今非常常见的技术手段之一，也是安全防范系统的重要组成部分。
其中，监控云台是监控摄像头的支撑设备，通过控制信号的传输和接收，监控云台上的摄像头可以水平或垂直旋转。监控云台失控是指监控云台的旋转方式与监控云台接收到的控制信号不一致，比如控制信号要求监控云台向下移动，但是监控云台却没有按要求移动。监控云台失控会影响视频监控的正常使用，其主要原因包括硬件故障和人为因素等。在区域总量上，由于存在海量的监控摄像头，通过人工检查，根本难以实现不间断地检测所有监控摄像头是否失控，可行性极低；另外，还可以使用计算机视觉技术实现云台失控检测，但现有的检测算法计算复杂度高，且检测准确率低，因此运行判断花费的时间较长，同时准确率又难以得到保证，所以难以实现实时检测。
发明内容
(1)要解决的技术问题
针对现有技术的不足，本发明的目的在于提供一种基于图像对齐的监控云台失控实时检测方法，该检测方法旨在解决现今针对监控云台的失控检测，人工检查可行性低，而使用现有的计算机视觉技术检测算法复杂度高，且检测准确率低，难以实现实时检测的技术问题；该检测方法基于图像对齐技术，并突破性地结合各数据处理算法，实现了实时快速高准确性地对监控云台失控进行检测。
(2)技术方案
为了解决上述技术问题，本发明提供了这样一种基于图像对齐的监控云台失控实时检测方法，该检测方法的具体步骤为：
步骤一、在系统启动时，初始化监控云台控制指令集合；
步骤二、在系统正常运行后，循环获取需要被检测的监控摄像头信息的集合，并按下述步骤依次检测每一个监控摄像头；
步骤三、获取被检测的监控摄像头所拍摄的图像；
步骤四、向被检测的监控云台发送旋转指令；
步骤五、在旋转指令执行后，获取被检测的监控摄像头所拍摄的图像；
步骤六、基于图像对齐算法，根据步骤三和步骤五中所拍摄的两张图像计算监控云台的旋转角度；
步骤七、判断监控云台是否正常响应旋转指令，如果监控云台未正确响应旋转指令，则提醒云台失控；如果监控云台正确执行旋转指令，则从监控云台控制指令集合中获取下一个云台旋转指令，并执行步骤三；
步骤八、在当前被检测的摄像头检测完成后，从监控摄像头信息集合中获取下一个摄像头信息，并执行步骤三，如果所有被检测的摄像头都完成检测，则执行步骤二。
其中，该检测方法可应用于智能监控等领域。
优选地，该检测方法的具体步骤如下，
在步骤一中，其步骤为：
(1.1)在系统启动时，获取监控云台控制指令集合；
(1.2)初始化监控云台控制指令集合
Figure GDA0002470352950000021
其中，ci是第i个指令，αi是执行ci后监控云台的预期旋转角度；
在步骤二中，其步骤为：
(2.1)在系统启动后，创建一个循环获取检测任务的线程；
(2.2)在该线程中，获取需要被检测的监控摄像头的信息，并存储在集合
Figure GDA0002470352950000031
中；
(2.3)按下述步骤依次检测判断每一个监控摄像头xk；
在步骤三中，其步骤为：
(3.1)基于Real Time Streaming Protocol协议，连接第k个被检测的监控摄像头xk；
(3.2)获取该被检测的监控摄像头的图像I；
在步骤四中，其步骤为：
(4.1)基于Open Network Video Interface Forum协议，连接xk的监控云台；
(4.2)获取xk支持的监控云台指令集合；
(4.3)如果xk支持指令ci，则向xk的监控云台发送旋转指令ci；
(4.4)如果xk不支持指令ci，则获取下一条指令i＝i+1，并继续执行步骤(4.3)；
(4.5)如果i＞N，则输出监控摄像头xk的云台正常；
在步骤五中，其步骤为：
(5.1)监控云台完成旋转；
(5.2)调用RTSP接口获取该被检测的监控摄像头的图像I′；
在步骤六中，其步骤为：
(6.1)基于快速的稠密光流算法，输入图像I和I′，计算稠密光流矩阵O；
(6.2)基于角点检测算法，计算图像I中的角点Pc；
(6.3)根据光流矩阵O和角点Pc，计算基于光流和角点的匹配点集合
Figure GDA0002470352950000041
(6.4)基于快速的特征点检测和匹配算法，计算匹配点集合
Figure GDA0002470352950000042
(6.5)以匹配点
Figure GDA0002470352950000043
和
Figure GDA0002470352950000044
作为输入，使用离群点剔除算法，删除其中的离群点后，得到匹配点集合
Figure GDA0002470352950000045
(6.6)以
Figure GDA0002470352950000046
作为输入，基于图像对齐算法，计算图像I和I′的实际旋转角度βi；
在步骤七中，其步骤为：
(7.1)如果|αi-βi|<T，其中，T为阈值，则认为该旋转指令被正确执行，并使i＝i+1继续执行步骤四；
(7.2)如果|αi-βi|≥T，则输出监控云台失控；
(7.3)如果i＞N，则输出监控摄像头xk的云台正常；
在步骤八中，其步骤为：
(8.1)使k＝k+1继续执行步骤三，检测下一个监控摄像头；
(8.2)如果
Figure GDA0002470352950000047
中的所有监控摄像头都完成检测，则返回执行步骤(2.2)。
在进行步骤(1.1)后，系统管理员可以选择性地修改需要被检测的监控云台控制指令集合。
在进行步骤(3.1)中，Real Time Streaming Protocol协议即为RTSP协议。
在进行步骤(4.1)中，Open Network Video Interface Forum协议即为ONVIF协议。
优选地，在步骤(6.1)中，所述计算稠密光流矩阵的稠密光流算法为Farneback算法、DeepFlow算法、FlowNet算法、PWC-Net算法、LiteFlowNet算法或StruPyNet算法。
进一步的，在步骤(6.1)中，使用StruPyNet算法计算稠密光流矩阵。
优选地，在步骤(6.2)中，所述计算角点的角点检测算法为Harris算法、Shi-Tomasi算法或cornerSubPix算法。
进一步的，在步骤(6.2)中，使用cornerSubPix算法计算角点。
优选地，在步骤(6.4)中，所述计算特征点的特征点检测算法为SIFT算法、SURF算法或FAST算法。
进一步的，在步骤(6.4)中，使用FAST算法计算特征点。
优选地，在步骤(6.5)中，所述剔除离群点的离群点剔除算法为RANSAC算法、MLESAC算法或Vector Field Consensus算法。
进一步的，在步骤(6.5)中，使用Vector Field Consensus算法剔除离群点。
其中，Farneback算法、DeepFlow算法、FlowNet算法、PWC-Net算法、LiteFlowNet算法、StruPyNet算法、Harris算法、Shi-Tomasi算法、cornerSubPix算法、SIFT算法、SURF算法、FAST算法、RANSAC算法、MLESAC算法和Vector Field Consensus算法均为数据处理较为成熟的处理算法。
(3)有益效果
与现有技术相比，本发明的有益效果在于：
一方面，本发明的检测方法基于图像对齐技术，并突破性地结合各数据处理算法，利用被检测的监控摄像头在执行一个旋转指令前后获取的监控图像，计算监控云台的实际旋转角度，通过比较预期旋转角度和实际旋转角度来判断监控云台是否正常响应旋转指令，从而实现了极高准确率的监控云台失控检测。
另一方面，本发明的检测方法相对现有算法计算复杂度低，并且针对指向性强，因此可以不需要大型服务器进行适配，而且响应速度快，从而实现了实时对监控云台失控的检测；同时该检测方法所用算法固件占用量小，一台服务器就能够实时快速的检测多路监控摄像头，最终实现了实时快速高准确性地对监控云台失控进行检测。
附图说明
为了更清楚的说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术中描述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发明的一种实施方式，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种具体实施方式的流程框架示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本发明具体实施方式中的技术方案进行清楚、完整的描述，以进一步阐述本发明，显然，所描述的具体实施方式仅仅是本发明的一部分实施方式，而不是全部的样式。
本具体实施方式是针对监控云台失控的实时检测，该检测过程应用于智能监控领域，该实时检测监控云台失控方法的流程框架示意图如图1所示，该检测实施例的具体步骤如下：
(1.1)在系统启动时，获取监控云台控制指令集合；
(1.2)初始化监控云台控制指令集合
Figure GDA0002470352950000061
其中，ci是第i个指令，αi是执行ci后监控云台的预期旋转角度；
(2.1)在系统启动后，创建一个循环获取检测任务的线程；
(2.2)在该线程中，获取需要被检测的监控摄像头的信息，并存储在集合
Figure GDA0002470352950000071
中；
(2.3)按下述步骤依次检测判断每一个监控摄像头xk；
(3.1)基于Real Time Streaming Protocol协议，连接第k个被检测的监控摄像头xk；
(3.2)获取该被检测的监控摄像头的图像I；
(4.1)基于Open Network Video Interface Forum协议，连接xk的监控云台；
(4.2)获取xk支持的监控云台指令集合；
(4.3)如果xk支持指令ci，则向xk的监控云台发送旋转指令ci；
(4.4)如果xk不支持指令ci，则获取下一条指令i＝i+1，并继续执行步骤(4.3)；
(4.5)如果i＞N，则输出监控摄像头xk的云台正常；
(5.1)监控云台完成旋转；
(5.2)调用RTSP接口获取该被检测的监控摄像头的图像I′；
(6.1)基于快速的稠密光流算法，使用StruPyNet算法，输入图像I和I′，计算稠密光流矩阵O；
(6.2)基于角点检测算法，使用cornerSubPix算法，计算图像I中的角点Pc；
(6.3)根据光流矩阵O和角点Pc，计算基于光流和角点的匹配点集合
Figure GDA0002470352950000072
(6.4)基于快速的特征点检测和匹配算法，使用FAST算法，计算匹配点集合
Figure GDA0002470352950000073
(6.5)以匹配点
Figure GDA0002470352950000074
和
Figure GDA0002470352950000075
作为输入，使用离群点剔除算法，使用Vector FieldConsensus算法，删除其中的离群点后，得到匹配点集合
Figure GDA0002470352950000076
(6.6)以
Figure GDA0002470352950000081
作为输入，基于图像对齐算法，计算图像I和I′的实际旋转角度βi；
(7.1)如果|αi-βi|<T，其中，T为阈值，则认为该旋转指令被正确执行，并使i＝i+1继续执行步骤四；
(7.2)如果|αi-βi|≥T，则输出监控云台失控；
(7.3)如果i＞N，则输出监控摄像头xk的云台正常；
(8.1)使k＝k+1继续执行步骤三，检测下一个监控摄像头；
(8.2)如果
Figure GDA0002470352950000082
中的所有监控摄像头都完成检测，则返回执行(2.2)。
以上描述了本发明的主要技术特征和基本原理及相关优点,对于本领域技术人员而言，显然本发明不限于上述示范性具体实施方式的细节，而且在不背离本发明的构思或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将上述具体实施方式看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照各实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种基于图像对齐的监控云台失控实时检测方法，其特征在于，该检测方法的具体步骤为：
步骤一、在系统启动时，初始化监控云台控制指令集合；
步骤二、在系统正常运行后，循环获取需要被检测的监控摄像头信息的集合，并按下述步骤依次检测每一个监控摄像头；
步骤三、获取被检测的监控摄像头所拍摄的图像；
步骤四、向被检测的监控云台发送旋转指令；
步骤五、在旋转指令执行后，获取被检测的监控摄像头所拍摄的图像；
步骤六、基于图像对齐算法，根据步骤三和步骤五中所拍摄的两张图像计算监控云台的旋转角度；
步骤七、判断监控云台是否正常响应旋转指令，如果监控云台未正确响应旋转指令，则提醒云台失控；如果监控云台正确执行旋转指令，则从监控云台控制指令集合中获取下一个云台旋转指令，并执行步骤三；
步骤八、在当前被检测的摄像头检测完成后，从监控摄像头信息集合中获取下一个摄像头信息，并执行步骤三，如果所有被检测的摄像头都完成检测，则执行步骤二；
在步骤一中，其步骤为：
(1.1)在系统启动时，获取监控云台控制指令集合；
(1.2)初始化监控云台控制指令集合
Figure FDA0003907962820000011
其中，ci是第i个指令，αi是执行ci后监控云台的预期旋转角度；
在步骤二中，其步骤为：
(2.1)在系统启动后，创建一个循环获取检测任务的线程；
(2.2)在该线程中，获取需要被检测的监控摄像头的信息，并存储在集合
Figure FDA0003907962820000021
中；
(2.3)按下述步骤依次检测判断每一个监控摄像头xk；
在步骤三中，其步骤为：
(3.1)基于Real Time Streaming Protocol协议，连接第k个被检测的监控摄像头xk；
(3.2)获取该被检测的监控摄像头的图像I；
在步骤四中，其步骤为：
(4.1)基于Open Network Video Interface Forum协议，连接xk的监控云台；
(4.2)获取xk支持的监控云台指令集合；
(4.3)如果xk支持指令ci，则向xk的监控云台发送旋转指令ci；
(4.4)如果xk不支持指令ci，则获取下一条指令i＝i+1，并继续执行步骤(4.3)；
(4.5)如果i>N，则输出监控摄像头xk的云台正常；
在步骤五中，其步骤为：
(5.1)监控云台完成旋转；
(5.2)调用RTSP接口获取该被检测的监控摄像头的图像I'；
在步骤六中，其步骤为：
(6.1)基于快速的稠密光流算法，输入图像I和I'，计算稠密光流矩阵O；
(6.2)基于角点检测算法，计算图像I中的角点Pc；
(6.3)根据光流矩阵O和角点Pc，计算基于光流和角点的匹配点集合
Figure FDA0003907962820000022
(6.4)基于快速的特征点检测和匹配算法，计算匹配点集合
Figure FDA0003907962820000023
(6.5)以匹配点
Figure FDA0003907962820000024
和
Figure FDA0003907962820000025
作为输入，使用离群点剔除算法，删除其中的离群点后，得到匹配点集合
Figure FDA0003907962820000031
(6.6)以
Figure FDA0003907962820000032
作为输入，基于图像对齐算法，计算图像I和I'的实际旋转角度βi；
在步骤七中，其步骤为：
(7.1)如果|αi-βi|<T，其中，T为阈值，则认为该旋转指令被正确执行，并使i＝i+1继续执行步骤四；
(7.2)如果|αi-βi|≥T，则输出监控云台失控；
(7.3)如果i>N，则输出监控摄像头xk的云台正常；
在步骤八中，其步骤为：
(8.1)使k＝k+1继续执行步骤三，检测下一个监控摄像头；
(8.2)如果
Figure FDA0003907962820000033
中的所有监控摄像头都完成检测，则返回执行步骤(2.2)。
2.根据权利要求1所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.1)中，所述计算稠密光流矩阵的稠密光流算法为Farneback算法、DeepFlow算法、FlowNet算法、PWC-Net算法、LiteFlowNet算法或StruPyNet算法。
3.根据权利要求2所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.1)中，使用StruPyNet算法计算稠密光流矩阵。
4.根据权利要求1所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.2)中，计算角点的角点检测算法为Harris算法、Shi-Tomasi算法或cornerSubPix算法。
5.根据权利要求4所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.2)中，使用cornerSubPix算法计算角点。
6.根据权利要求1所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.4)中，计算特征点的特征点检测算法为SIFT算法、SURF算法或FAST算法。
7.根据权利要求6所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.4)中，使用FAST算法计算特征点。
8.根据权利要求1所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.5)中，剔除离群点的离群点剔除算法为RANSAC算法、MLESAC算法或VectorField Consensus算法。
9.根据权利要求8所述的一种基于图像对齐的监控云台失控实时检测方法，其特征在于，在步骤(6.5)中，使用Vector Field Consensus算法剔除离群点。
CN202010172810.0A 2020-03-13 2020-03-13 一种基于图像对齐的监控云台失控实时检测方法 Active CN111399476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010172810.0A CN111399476B (zh) 2020-03-13 2020-03-13 一种基于图像对齐的监控云台失控实时检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010172810.0A CN111399476B (zh) 2020-03-13 2020-03-13 一种基于图像对齐的监控云台失控实时检测方法

Publications (2)

Publication Number Publication Date
CN111399476A CN111399476A (zh) 2020-07-10
CN111399476B true CN111399476B (zh) 2023-01-10

Family

ID=71434210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010172810.0A Active CN111399476B (zh) 2020-03-13 2020-03-13 一种基于图像对齐的监控云台失控实时检测方法

Country Status (1)

Country Link
CN (1) CN111399476B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111918056B (zh) * 2020-07-30 2022-06-17 海信视像科技股份有限公司 一种摄像头状态检测方法及显示设备
CN118131820A (zh) * 2024-05-06 2024-06-04 天津华来科技股份有限公司 云台机转动过程的自动检测方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101098466A (zh) * 2007-07-18 2008-01-02 中兴通讯股份有限公司 一种视频监控设备前端云台故障的自动监测方法和装置
CN101917599A (zh) * 2010-07-23 2010-12-15 深圳中兴力维技术有限公司 一种云台故障检测方法及装置
JP2013250559A (ja) * 2012-05-31 2013-12-12 Murakami Corp パンチルトドライバの制御装置、パンチルトドライバの制御方法、及び記録媒体
CN104104902A (zh) * 2013-04-02 2014-10-15 深圳中兴力维技术有限公司 云台方向故障检测方法及装置
CN105763868A (zh) * 2014-12-15 2016-07-13 北京文安科技发展有限公司 云台故障的检测方法及装置
EP3288177A1 (en) * 2016-08-22 2018-02-28 Axis AB Fault detection for a pan-tilt camera
CN109769116A (zh) * 2019-01-17 2019-05-17 国网福建省电力有限公司泉州供电公司 一种摄像机预置位校正方法及装置
CN110325822A (zh) * 2018-04-25 2019-10-11 深圳市大疆创新科技有限公司 云台位姿修正方法和装置
CN111381579A (zh) * 2018-12-30 2020-07-07 浙江宇视科技有限公司 一种云台故障检测方法、装置、计算机设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9807292B2 (en) * 2015-06-30 2017-10-31 Abb Schweiz Ag Technologies for pan tilt unit calibration

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101098466A (zh) * 2007-07-18 2008-01-02 中兴通讯股份有限公司 一种视频监控设备前端云台故障的自动监测方法和装置
CN101917599A (zh) * 2010-07-23 2010-12-15 深圳中兴力维技术有限公司 一种云台故障检测方法及装置
JP2013250559A (ja) * 2012-05-31 2013-12-12 Murakami Corp パンチルトドライバの制御装置、パンチルトドライバの制御方法、及び記録媒体
CN104104902A (zh) * 2013-04-02 2014-10-15 深圳中兴力维技术有限公司 云台方向故障检测方法及装置
CN105763868A (zh) * 2014-12-15 2016-07-13 北京文安科技发展有限公司 云台故障的检测方法及装置
EP3288177A1 (en) * 2016-08-22 2018-02-28 Axis AB Fault detection for a pan-tilt camera
CN110325822A (zh) * 2018-04-25 2019-10-11 深圳市大疆创新科技有限公司 云台位姿修正方法和装置
CN111381579A (zh) * 2018-12-30 2020-07-07 浙江宇视科技有限公司 一种云台故障检测方法、装置、计算机设备及存储介质
CN109769116A (zh) * 2019-01-17 2019-05-17 国网福建省电力有限公司泉州供电公司 一种摄像机预置位校正方法及装置

Also Published As

Publication number Publication date
CN111399476A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN111399476B (zh) 一种基于图像对齐的监控云台失控实时检测方法
CN109032039B (zh) 一种语音控制的方法及装置
US10277864B2 (en) Method and system for automatically correcting frame angle in mobile terminal video communication
US10929465B2 (en) Method and apparatus for processing requests for thumbnail images in a video surveillance system
CN104486543A (zh) 智能终端触控方式控制云台摄像头的设备和方法
CN112104842B (zh) 图像采集设备校正方法、装置、设备和介质
CN113282778A (zh) 一种品质异常记录方法、装置、ar设备、系统及介质
CN109698906B (zh) 基于图像的抖动处理方法及装置、视频监控系统
CN108257186B (zh) 标定图像的确定方法及装置、摄像机及存储介质
WO2020135394A1 (zh) 视频拼接方法及装置
CN111091584B (zh) 一种目标跟踪方法、装置、设备和存储介质
WO2014026586A1 (zh) 移动侦测的方法、系统和业务服务器
CN109688328A (zh) 一种基于不同点位摄像机的视频拼接融合及分割的方法和装置
WO2019052197A1 (zh) 飞行器参数设定方法和装置
CN107452019B (zh) 一种基于模型切换的目标检测方法、装置、系统及存储介质
CN111083443A (zh) 一种基于深度学习的监控中心辅助系统及方法
CN112561795A (zh) 基于Spark和OpenCV的实时生成全景图实现系统及方法
CN112637587B (zh) 坏点检测方法及装置
CN112911348B (zh) 基于onvif协议的视频管理系统、方法及终端
CN107197159B (zh) 一种摄像头的图像获取方法、装置、电子设备及存储介质
CN113033483B (zh) 检测目标对象的方法、装置、电子设备和存储介质
CN111209050A (zh) 用于切换电子设备的工作模式的方法和装置
CN115631249B (zh) 一种相机校正方法、装置、设备和存储介质
CN117690064B (zh) 输电线路检测方法、装置、电子设备和计算机可读介质
WO2021259063A1 (en) Method and system for automatically zooming one or more objects present in a camera preview frame

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant