CN113628236A - 摄像头遮挡检测方法、装置、设备、存储介质及程序产品 - Google Patents

摄像头遮挡检测方法、装置、设备、存储介质及程序产品 Download PDF

Info

Publication number
CN113628236A
CN113628236A CN202110934979.XA CN202110934979A CN113628236A CN 113628236 A CN113628236 A CN 113628236A CN 202110934979 A CN202110934979 A CN 202110934979A CN 113628236 A CN113628236 A CN 113628236A
Authority
CN
China
Prior art keywords
camera
determining
image
state
actual
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.)
Pending
Application number
CN202110934979.XA
Other languages
English (en)
Inventor
王向阳
邢怀飞
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110934979.XA priority Critical patent/CN113628236A/zh
Publication of CN113628236A publication Critical patent/CN113628236A/zh
Priority to US17/726,450 priority patent/US20220244057A1/en
Priority to JP2022076931A priority patent/JP2022106926A/ja
Priority to KR1020220061524A priority patent/KR20220075275A/ko
Priority to EP22180961.9A priority patent/EP4064212A3/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本公开提供了一种摄像头遮挡检测方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及图像识别、云服务、异常状态检测等技术领域。该方法包括：响应于摄像头未发生移动，确定与当前时段对应的背景图像；根据当前帧的实际图像和背景图像，确定当前帧的前景图像；确定前景图像中拥有最大外轮廓的独立物体的目标面积；根据目标面积确定摄像头在当前帧时的遮挡状态。该方法通过控制背景图像对应来自摄像头未发生移动时，以避免错误的将移动的摄像头错误判别为处于遮挡状态，根据前景图像中拥有最大外轮廓的独立物体的目标面积来确定遮挡状态，避免了因多个移动小物体的面积之和超过面积阈值所造成的误判，进而提升遮挡状态的判别准确性。

Description

摄像头遮挡检测方法、装置、设备、存储介质及程序产品
技术领域
本公开涉及图像处理技术领域，具体涉及图像识别、云服务、异常状态检测等技术领域，尤其涉及一种摄像头遮挡检测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
在视频监控场景中，可能会出现摄像头被异物遮挡的情况，使监控无法监测正常的区域，甚至导致监控失效。
人工主观的检测，需要长时间持续观察监控影像，成本高且效率低。对于监控多个摄像头的情况，甚至无法做到全面、及时的检测，因此需要客观的、快速的、有效的摄像头检测方法。
发明内容
本公开实施例提出了一种摄像头遮挡检测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面，本公开实施例提出了一种摄像头遮挡检测方法，包括：响应于摄像头未发生移动，确定与当前时段对应的背景图像；根据当前帧的实际图像和背景图像，确定当前帧的前景图像；确定前景图像中拥有最大外轮廓的独立物体的目标面积；根据目标面积确定摄像头在当前帧时的遮挡状态。
第二方面，本公开实施例提出了一种摄像头遮挡检测装置，包括：背景图像确定单元，被配置成响应于摄像头未发生移动，确定与当前时段对应的背景图像；前景图像确定单元，被配置成根据当前帧的实际图像和背景图像，确定当前帧的前景图像；目标面积确定单元，被配置成确定前景图像中拥有最大外轮廓的独立物体的目标面积；遮挡状态确定单元，被配置成根据目标面积确定摄像头在当前帧时的遮挡状态。
第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的摄像头遮挡检测方法。
第四方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的摄像头遮挡检测方法。
第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的摄像头遮挡检测方法。
本公开实施例提供的摄像头遮挡检测方法，首先，在摄像头未发生移动的基础上，确定与当前时段对应的背景图像；然后，根据当前帧的实际图像和背景图像，确定当前帧的前景图像；接下来，确定前景图像中拥有最大外轮廓的独立物体的目标面积；最后，根据目标面积确定摄像头在当前帧时的遮挡状态。
本公开通过控制背景图像对应来自摄像头未发生移动的时候，以避免错误的将移动的摄像头错误判别为处于遮挡状态，同时通过根据前景图像中拥有最大外轮廓的独立物体的目标面积来确定遮挡状态，能够避免因存在多个移动小物体的面积之和超过面积阈值所造成的误判，进而提升对摄像头遮挡状态的检测准确性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开可以应用于其中的示例性系统架构；
图2为本公开实施例提供的一种摄像头遮挡检测方法的流程图；
图3为本公开实施例提供的另一种摄像头遮挡检测方法的流程图；
图4为本公开实施例提供的一种判别摄像头是否发生移动的方法的流程图；
图5为本公开实施例提供的一种结合实际应用场景的摄像头遮挡检测及预警方法的流程图；
图6为本公开实施例提供的一种摄像头遮挡检测装置的结构框图；
图7为本公开实施例提供的一种适用于执行摄像头遮挡检测方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要的保密措施，且不违背公序良俗。
图1示出了可以应用本公开的摄像头遮挡检测方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括摄像头101，网络102和服务器103。网络102用以在摄像头101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
摄像头101所拍摄到的图像或音视频数据可通过网络102传输至服务器103进行存储、分析、处理，服务器103也可以根据用户传入的控制指令对摄像头101的工作状态进行调整，例如控制转动监控方位、关闭、重启等。摄像头101和服务器103上可以安装有各种用于实现两者之间进行信息通讯的应用，例如监控类应用、摄像头控制类应用、即时通讯类应用等。
摄像头101可表现为具有摄像功能或摄像组件的各式电子设备，例如设置有摄像头的智能手机、平板电脑、膝上型便携计算机和台式计算机、球式摄像头、枪式摄像头等等。服务器103除可以直接表现为硬件，也可以表现为软件。当服务器103表现为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；当服务器103表现为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
服务器103通过内置的各种应用可以提供各种服务，以可以提供基于接收到的摄像头拍摄到的图像分析摄像头遮挡状态的摄像头遮挡判别类应用为例，服务器103在运行该摄像头遮挡判别类应用时可实现如下效果：首先，通过网络102从摄像头101中读取摄像头的工作状态来判别摄像头101是否处于移动状态；然后在确定摄像头101未发生移动时，确定与当前时段对应的背景图像；接下来，根据当前帧的实际图像和背景图像，确定当前帧的前景图像；下一步，确定前景图像中拥有最大外轮廓的独立物体的目标面积；最后，根据目标面积确定摄像头在当前帧时的遮挡状态。
进一步的，服务器103还可以根据确定出的具体遮挡状态(即处于被遮挡状态、处于未遮挡状态)向摄像头101下发不同的控制指令，以帮助摄像头101尽快脱离被遮挡状态。
需要指出的是，各时段的背景图像除可以从摄像头101通过网络102实时获取到之外，也可以通过各种方式预先存储在服务器103本地。因此，当服务器103检测到本地已经存储有这些数据时，可选择直接从本地获取这些数据，以减少数据传输量。
由于基于多张图像进行遮挡状态的确定需要占用较多的运算资源和较强的运算能力，因此本公开后续各实施例所提供的摄像头遮挡检测方法一般由拥有较强运算能力、较多运算资源的服务器103来执行，相应地，摄像头遮挡检测装置一般也设置于服务器103中。该服务器103可以是本地服务器(例如与本地的摄像头101建立有数据连接的用户个人物理机)，也可以是远端服务器。
应该理解，图1中的摄像头、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的摄像头、网络和服务器。
请参考图2，图2为本公开实施例提供的一种摄像头遮挡检测方法的流程图，其中流程200包括以下步骤：
步骤201：响应于摄像头未发生移动，确定与当前时段对应的背景图像；
本步骤旨在由摄像头遮挡检测方法的执行主体(例如图1所示的服务器103)在摄像头(该摄像头即为要确定遮挡状态的摄像头)未发生移动的情况下，确定与当前时段对应的背景图像。
之所以选择将摄像头未发生移动作为基础，是因为处于移动摄像头会因为拍摄方位的改变使得拍摄到的内容发生变化，进而原先的背景图像就不再适用，使得常规的基于背景建模的摄像头遮挡方法将因在移动状态下整体图像几乎全被判别为不同于之前背景图像的前景图像，进而导致误判，因此为了避免误判，要建立在摄像头未发生移动的基础上，进而保证获取到当前时段的背景图像的有效性。
具体的，摄像头是否发生了移动，可通过多种方式来判别，例如在能够直接读取到摄像头的工作状态的情况下(例如能够读取到摄像头执行每个操作的工作日志)，就可以根据读取到的工作状态直接判别摄像头当前是否发生了移动；也可以通过根据拍摄到的图像中相同物体的位置是否发生移动，来确定摄像头是否发生了移动，具体选用哪种方式可根据实际情况灵活选择，此处不做具体限定。
步骤202：根据当前帧的实际图像和背景图像，确定当前帧的前景图像；
在步骤201的基础上，本步骤旨在由上述执行主体根据当前帧的实际图像和背景图像，确定当前帧的前景图像。其中，前景图像是实际图像中区别于背景图像的部分图像，背景图像是指摄像头在未发生移动且未被遮挡时所拍摄到的图像(可基于确定不存在遮挡摄像头拍摄到的至少一个初始图像帧确定得到)，而一旦被某物体遮挡将会在此时的实际图像中额外的出现新的图像，即该新的图像就是本公开中所描述的“前景图像”，未遮挡时拍摄到的图像即是本公开描述的“背景图像”，以便能够前景图像中的图像特征来确定摄像头处于的具体遮挡状态。
步骤203：确定前景图像中拥有最大外轮廓的独立物体的目标面积；
在步骤202的基础上，本步骤旨在确定前景图像中拥有最大外轮廓的独立物体的目标面积。
即前景图像可能存在多个独立物体，例如人、树叶、溅起的泥点等等，此处所说的独立是指图像内容相互独立、各独立拥有独立的外轮廓，因此为了避免常规的遮挡判别算法直接使用前景图像中各独立物体各自的面积和来与预设的面积阈值进行比较，并在面积和超过预设的面积阈值时判别摄像头处于遮挡状态，但实际上采用多个小物体的面积和与面积阈值比较的方式，容易因多个移动的小物体造成误判，因为实际上很少会导致此种遮挡的情况发生。
因此，为了提升判别的准确性，本步骤根据前景图像中各独立物体的外轮廓，确定出拥有最大外轮廓的独立物体，然后将该拥有最大外轮廓的独立物体的面积确定为用于确定摄像头当前的遮挡状态的判别参数。
步骤204：根据目标面积确定摄像头在当前帧时的遮挡状态。
在步骤203的基础上，本步骤旨在由上述执行主体根据目标面积的大小来确定该摄像头在拍摄到当前帧的时刻的遮挡状态，即处于被遮挡状态还是处于正常的未被遮挡状态。
通常情况下，目标面积越大、意味着遮挡物越大、影响摄像头正常拍摄的可能性越高，因此越应被确定为处于遮挡状态，反之则应被确定为处于未被遮挡状态。具体的，可通过设置用于衡量目标面积应对应哪一类遮挡状态的临界值-面积阈值，例如将在该目标面积大于该面积阈值时，将此时的摄像头判别为处于被遮挡状态，反之在该目标面积不大于该面积阈值时，将此时的摄像头判别为处于未被遮挡状态；也可以预先为不同的遮挡状态确定各自的面积取值区间，并根据该目标面积落在哪个面积取值区间中来确定属于哪个遮挡状态。
本公开实施例提供的摄像头遮挡检测方法，通过控制背景图像对应来自摄像头未发生移动的时候，以避免错误的将移动的摄像头错误判别为处于遮挡状态，同时通过根据前景图像中拥有最大外轮廓的独立物体的目标面积来确定遮挡状态，能够避免因存在多个移动小物体的面积之和超过面积阈值所造成的误判，进而提升对摄像头遮挡状态的检测准确性。
请参考图3，图3为本公开实施例提供的另一种摄像头遮挡检测方法的流程图，其中流程300包括以下步骤：
步骤301：确定摄像头在上一次终止移动的目标时刻；
即目标时刻是该摄像头距当前时刻最近的一次发生移动的终止时刻，假定当前时刻为：10:01:00，而距当前时刻最近的摄像头移动时段为：09:54:23～09:56:32，那么目标时刻应至少为09:56:32，或比09:56:32稍晚一些的时刻，例如09:56:33。
步骤302：获取在目标时刻之后摄像头重新拍摄到的样本图像集；
在步骤301的基础上，本步骤旨在由上述执行主体获取在目标时刻之后该摄像头重新拍摄到的图像，并将这些图像汇总为样本图像集。
按本步骤获取到样本图像集的目的是保证用于确定出目标背景图像的原始图像是在摄像头未发生移动的情况下得到的，以保证目标背景图像的有效性。
步骤303：基于样本图像集和预设的背景模型，确定目标背景图像；
其中，本步骤所描述的背景模型是专用于根据输入的图像构建用于评判实际图像中哪部分属于前景图像的模型，即背景模型根据输入的图像维护一个当前时段的背景图像。
一种包括且不限于的实现方式可以包括如下步骤：
从样本图像集中选取按时间轴排序的前预设帧的样本图像；
将各样本图像缩放至相同尺寸，并将尺寸一致的样本图像转换为灰度图，得到样本灰度图集；
利用背景模型确定与样本灰度图集对应的目标背景图像。
按时间轴排序选取出前预设帧，是为了通过选取尽可能早的图像来避免后期的图像内容发生变化，尺寸缩放至一致是为了消除不同尺寸图像对后续确定背景图像造成的影响，而转换为灰度图则是为了根据灰度信息更好的确定出背景图像。当然，也可以对上述实现方式结合实际需求进行调整，以实现相同或类似的效果，此处不再一一列举。
步骤304：将目标背景图像作为与当前时段对应的背景图像；
针对流程200中的步骤201，上述步骤301-步骤304给出了一种具体的实现方式，在能够获取到摄像头上一次发生移动的时间信息的情况下，借助背景模型确保了获取到的当前时段的背景图像是有效的。
步骤305：根据当前帧的实际图像和背景图像，确定当前帧的前景图像；
步骤306：对前景图像进行形态学开运算，得到运算后图像；
其中，对图像进行形态学开运算实质上为：先对前景图像进行腐蚀运算，然后在对腐蚀运算的结果进行膨胀运算，效果类似于将细微连在一起的两块目标分开了，本步骤也是通过此运算更准确的确定每个独立物体的外轮廓。
步骤307：分别确定运算后图像中每个独立物体的外轮廓；
步骤308：根据各外轮廓所围面积分别确定对应的独立物体的实际面积；
步骤309：将数值最大的实际面积，确定为目标面积；
针对流程200中的步骤203，上述步骤306-步骤309给出了一种具体的实现方式，通过对前景图像进行形态学开运算以更准确的判别各独立物体的分界，然后在按照各独立物体的外轮廓确定相应的面积，最后根据面积的大小选取最大的作为目标面积。
步骤310：判断目标面积是否大于预设面积，若是，执行步骤3011，否则执行步骤312；
步骤311：确定摄像头在当前帧时处于遮挡状态；
本步骤建立在步骤310的判断结果为目标面积大于预设面积的基础上，旨在由上述执行主体因存在一个面积大于预设面积的独立遮挡物，而确定摄像头在当前帧时处于该遮挡物遮挡的状态。
步骤312：确定摄像头在当前帧时处于未遮挡状态。
本步骤建立在步骤310的判断结果为目标面积不大于预设面积的基础上，旨在由上述执行主体因疑似遮挡物的面积不大于预设面积，而暂时确定摄像头未处于遮挡状态的结论。
区别于流程200所示实施例，本实施例中的步骤301-步骤304给出了一种具体的获取到摄像头未发生移动的情况下的背景图像的实现方式，即在能够获取到摄像头上一次发生移动的时间信息的情况下，借助背景模型确保了获取到的当前时段的背景图像是有效的；步骤306-步骤309给出了一种具体确定出目标面积的实现方式，即通过对前景图像进行形态学开运算以更准确的判别各独立物体的分界，然后在按照各独立物体的外轮廓确定相应的面积，最后根据面积的大小选取最大的作为目标面积；步骤310-步骤312则给出了一种基于与预设面积的比较来确定具体处于哪种遮挡状态的实现方式。
应当理解的是，步骤301-步骤304、步骤306-步骤309以及步骤310-步骤312分别对应的具体实现方式之间，并不存在依赖和因果关系，上述三部分均可以独立的作为相应上位概念的下位实现形式，完全可以在流程200所示实施例的基础上以替换相应上位概念的方式分别形成不同的实施例，本实施例仅作为同时包含上述三部分的优选实施例存在。
为了便于更好的理解确定摄像头是否处于移动状态，从而确保背景图像的获取有效性，以及考虑到大部分场景下无法直接获取到用于确定工作状态的执行日志，因此本公开还通过图4提供了一种基于拍摄到的图像来确定摄像头是否发生移动的实现方式，其中流程400包括以下步骤：
步骤401：将时间位于当前帧之前、摄像头处于未遮挡状态的图像帧确定为参考帧；
假定当前帧为按帧序列中的第60帧，根据上述实施例提供的方案确定出临近的第55至第59帧的摄像头都处于未遮挡状态。
为了尽可能的保证背景图像的准确性、有效性，应当尽可能将距当前帧时间上较近的帧选作参考帧，因此可优选的将第59帧选作参考帧(在仅需选出单帧作为参考帧的情况下，在可选出多个连续帧作为连续参考帧的情况下，也可以将第55至第59帧均选作连续参考帧)。
步骤402：确定参考帧与参考帧的后一帧中位置发生移动的匹配特征点占所有匹配特征点的实际比例；
承接上述假设举例，本步骤将计算第59帧与第60帧(当前帧)中位置发生移动的匹配特征点占所有匹配特征点的实际比例，匹配特征点只是两帧图像对应相同物体上的相同特征点，因此当匹配特征点发生位置变化时，也就意味着该物体在不同图像帧上的位置发生了变化，而导致该情况产生通常有两张原因：其一，该物体本身发生了移动、摄像头未移动；其二，该物体本身未发生移动、摄像头移动。
而具体属于上述哪种原因，可根据实际比例的大小来确定，因为在摄像头移动的原因下，该实际比例的大小相对较大，因为摄像头的移动将导致所有物体的匹配特征点都会发生移动，反之，若该实际比例较小，则往往可能是某个物体独立的发生了移动(所有物体发生统一的移动的概率较小)。
步骤403：判断实际比例是否小于预设比例，若是，执行步骤404，否则执行步骤405；
本步骤旨在由上述执行主体根据实际比例与预设比例之间的大小关系，选择不同的处理分支。应当理解的是，本步骤所使用的预设比例，是一个预先选取出的适合衡量实际比例的数值具体对应摄像头的哪种工作状态的临界值，该临界值的大小可根据实际情况灵活选择。
步骤404：确定摄像头处于固定状态；
本步骤建立在步骤403的判断结果为实际比例小于预设比例的基础上，旨在由上述执行主体因实际比例较小，确定摄像头当前处于固定状态，即未发生移动。
步骤405：确定摄像头处于移动状态。
本步骤建立在步骤403的判断结果为实际比例不小于预设比例的基础上，旨在由上述执行主体因实际比例较大，确定摄像头当前处于移动状态。
在上述任意实施例的基础上，考虑到实际应用场景往往存在对处于遮挡状态的摄像头给出的应及时修复和纠正的要求，本公开还提供了下述步骤来提供遮挡报警，以试图通过合理的报警方式来向管理人员或自动化修复装置发出提醒或触发信号：
统计摄像头处于被遮挡状态的实际帧数；
响应于实际帧数大于第一帧数小于第二帧数，为摄像头生成被遮挡报警；
响应于实际帧数大于第二帧数且小于第三帧数，降低报警等级且保留未查看的报警提醒。
通过控制在实际帧数大于第一帧数小于第二帧数时，为摄像头生成被遮挡报警，从而避免因偶然因素出现的单帧遮挡发出的不必要报警或错误报警，提升报警的准确率，同时通过控制在实际帧数大于第二帧数且小于第三帧数时，降低报警等级且保留未查看的报警提醒，以避免报警长时存在造成的不必要干扰。
为加深理解，本公开还结合一个具体应用场景，给出了一种如图5所示的摄像头遮挡检测方法：
步骤501：将前N帧图像缩放并转化为灰度图，建立背景模型M；
步骤502：对当前帧和前一帧图像，进行特征点匹配和优选；
步骤503：计算匹配特征点发生移动的比例P；
步骤504：判断P是否小于阈值Pt或前一帧是否发生遮挡报警；
步骤505：若P小于Pt或前一帧发生遮挡报警，确定摄像头未移动；
步骤506：若P不小于Pt且前一帧未发生遮挡报警、最大外轮廓的面积不大于S或遮挡帧数F不小于F0，将遮挡帧数F置为0，并使用重新获取到的图像更新背景模型；
步骤507：将当前帧图像输入背景模型M得到前景图像；
步骤508：对前景图像进行形态学开运算，并寻找最大外轮廓；
步骤509：判断最大外轮廓的面积是否大于阈值S；
步骤510：若大于阈值S，则确定当前帧为摄像头处在被遮挡状态下拍摄得到的一帧，并将遮挡帧数F加1；
步骤511：判断遮挡帧数F是否小于F0；
步骤512：若遮挡帧数F小于F0，进一步判断遮挡帧数F是否大于F1、小于F2；
步骤513：若遮挡帧数F大于F1、小于F2，发出遮挡报警；
步骤514：若遮挡帧数F不大于F1，不报警。
上例中，F1＜F2＜F0。
可以看出，上例中的步骤502至步骤504用于判断前后两帧图像是否发生移动，如果发生移动则认为未遮挡；步骤507至步骤509用于计算前景图像中轮廓最大的面积，避免了多个独立小物体导致的面积偏大的问题，若超过遮挡阈值则认为当前帧发生了遮挡。步骤510至步骤512用于判断是否产生遮挡报警，当遮挡帧数过大时即大于F0，则强制更新背景模型，避免长时间的持续误判，当遮挡帧数在F1至F2范围内时才产生遮挡报警。
即上例中，通过控制步骤504的判断同时针对P与Pt的关系和上一帧是否发生遮挡报警，从而解决了摄像头发生移动时会误判的问题；而通过步骤508对前景图像进行形态学开运算处理后，寻找最大的外轮廓，而不是所有轮廓，并在步骤509中控制基于最大外轮廓的面积是否大于阈值S来进行判断，从而避免了由于多个独立的小物体移动时，得到多个外轮廓并采用所有外轮廓的面积做判断会导致遮挡误判的问题；另外，通过步骤511首先判断遮挡帧数是否大于阈值F0，来判断遮挡帧数是否过大或持续过长时间，如果条件成立，则强制更新背景模型，避免因为遮挡误判导致的更长时间的持续误判问题。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种摄像头遮挡检测装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的摄像头遮挡检测装置600可以包括：背景图像确定单元601、前景图像确定单元602、目标面积确定单元603、遮挡状态确定单元604。其中，背景图像确定单元601，被配置成响应于摄像头未发生移动，确定与当前时段对应的背景图像；前景图像确定单元602，被配置成根据当前帧的实际图像和背景图像，确定当前帧的前景图像；目标面积确定单元603，被配置成确定前景图像中拥有最大外轮廓的独立物体的目标面积；遮挡状态确定单元604，被配置成根据目标面积确定摄像头在当前帧时的遮挡状态。
在本实施例中，摄像头遮挡检测装置600中：背景图像确定单元601、前景图像确定单元602、目标面积确定单元603、遮挡状态确定单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，目标面积确定单元603可以被进一步配置成：
对前景图像进行形态学开运算，得到运算后图像；
分别确定运算后图像中每个独立物体的外轮廓；
根据各外轮廓所围面积分别确定对应的独立物体的实际面积；
将数值最大的实际面积，确定为目标面积。
在本实施例的一些可选的实现方式中，背景图像确定单元601可以包括：
目标时刻确定子单元，被配置成确定摄像头在上一次终止移动的目标时刻；
样本图像集获取子单元，被配置成获取在目标时刻之后摄像头重新拍摄到的样本图像集；
目标背景图像确定子单元，被配置成基于样本图像集和预设的背景模型，确定目标背景图像；
背景图像确定子单元，被配置成将目标背景图像作为与当前时段对应的背景图像。
在本实施例的一些可选的实现方式中，目标背景图像确定子单元可以被进一步配置成：
从样本图像集中选取按时间轴排序的前预设帧的样本图像；
将各样本图像缩放至相同尺寸，并将尺寸一致的样本图像转换为灰度图，得到样本灰度图集；
利用背景模型确定与样本灰度图集对应的目标背景图像。
在本实施例的一些可选的实现方式中，遮挡状态确定单元604可以被进一步配置成：
响应于目标面积大于预设面积，确定摄像头在当前帧时处于遮挡状态；
响应于目标面积不大于预设面积，确定摄像头在当前帧时处于未遮挡状态。
在本实施例的一些可选的实现方式中，摄像头遮挡检测装置600中还可以包括：被配置成确定摄像头的移动状态的移动状态确定单元，其中，移动状态确定单元可以被进一步配置成：
将时间位于当前帧之前、摄像头处于未遮挡状态的图像帧确定为参考帧；
确定参考帧与参考帧的后一帧中位置发生移动的匹配特征点占所有匹配特征点的实际比例；
响应于实际比例小于预设比例，确定摄像头处于固定状态；
响应于实际比例不小于预设比例，确定摄像头处于移动状态。
在本实施例的一些可选的实现方式中，摄像头遮挡检测装置600中还可以包括：
被遮挡帧数统计单元，被配置成统计摄像头处于被遮挡状态的实际帧数；
被遮挡报警生成单元，被配置成响应于实际帧数大于第一帧数小于第二帧数，为摄像头生成被遮挡报警；
报警等级处理单元，被配置成响应于实际帧数大于第二帧数且小于第三帧数，降低报警等级且保留未查看的报警提醒。
本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的摄像头遮挡检测装置通过控制背景图像对应来自摄像头未发生移动的时候，以避免错误的将移动的摄像头错误判别为处于遮挡状态，同时通过根据前景图像中拥有最大外轮廓的独立物体的目标面积来确定遮挡状态，能够避免因存在多个移动小物体的面积之和超过面积阈值所造成的误判，进而提升对摄像头遮挡状态的检测准确性。
根据本公开的实施例，本公开还提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现上述任意实施例所描述的摄像头遮挡检测方法。
根据本公开的实施例，本公开还提供了一种可读存储介质，该可读存储介质存储有计算机指令，该计算机指令用于使计算机执行时能够实现上述任意实施例所描述的摄像头遮挡检测方法。
本公开实施例提供了一种计算机程序产品，该计算机程序在被处理器执行时能够实现上述任意实施例所描述的摄像头遮挡检测方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如摄像头遮挡检测方法。例如，在一些实施例中，摄像头遮挡检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的摄像头遮挡检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行摄像头遮挡检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。
根据本公开实施例的技术方案，通过控制背景图像对应来自摄像头未发生移动的时候，以避免错误的将移动的摄像头错误判别为处于遮挡状态，同时通过根据前景图像中拥有最大外轮廓的独立物体的目标面积来确定遮挡状态，能够避免因存在多个移动小物体的面积之和超过面积阈值所造成的误判，进而提升对摄像头遮挡状态的检测准确性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种摄像头遮挡检测方法，包括：
响应于摄像头未发生移动，确定与当前时段对应的背景图像；
根据当前帧的实际图像和所述背景图像，确定所述当前帧的前景图像；
确定所述前景图像中拥有最大外轮廓的独立物体的目标面积；
根据所述目标面积确定所述摄像头在所述当前帧时的遮挡状态。
2.根据权利要求1所述的方法，其中，所述确定所述前景图像中拥有最大外轮廓的独立物体的目标面积，包括：
对所述前景图像进行形态学开运算，得到运算后图像；
分别确定所述运算后图像中每个独立物体的外轮廓；
根据各所述外轮廓所围面积分别确定对应的独立物体的实际面积；
将数值最大的实际面积，确定为所述目标面积。
3.根据权利要求1所述的方法，其中，所述确定与当前时段对应的背景图像，包括：
确定所述摄像头在上一次终止移动的目标时刻；
获取在所述目标时刻之后所述摄像头重新拍摄到的样本图像集；
基于所述样本图像集和预设的背景模型，确定目标背景图像；
将所述目标背景图像作为与当前时段对应的背景图像。
4.根据权利要求3所述的方法，其中，所述基于所述样本图像集和预设的背景模型，确定目标背景图像，包括：
从所述样本图像集中选取按时间轴排序的前预设帧的样本图像；
将各所述样本图像缩放至相同尺寸，并将尺寸一致的样本图像转换为灰度图，得到样本灰度图集；
利用所述背景模型确定与所述样本灰度图集对应的目标背景图像。
5.根据权利要求1所述的方法，其中，所根据所述目标面积确定所述摄像头在所述当前帧时的遮挡状态，包括：
响应于所述目标面积大于预设面积，确定所述摄像头在所述当前帧时处于遮挡状态；
响应于所述目标面积不大于所述预设面积，确定所述摄像头在所述当前帧时处于未遮挡状态。
6.根据权利要求1所述的方法，还包括：确定摄像头的移动状态，其中，所述确定摄像头的移动状态，包括：
将时间位于所述当前帧之前、所述摄像头处于未遮挡状态的图像帧确定为参考帧；
确定所述参考帧与所述参考帧的后一帧中位置发生移动的匹配特征点占所有匹配特征点的实际比例；
响应于所述实际比例小于预设比例，确定所述摄像头处于固定状态；
响应于所述实际比例不小于所述预设比例，确定所述摄像头处于移动状态。
7.根据权利要求1-6任一项所述的方法，还包括：
统计所述摄像头处于被遮挡状态的实际帧数；
响应于所述实际帧数大于第一帧数小于第二帧数，为所述摄像头生成被遮挡报警；
响应于所述实际帧数大于所述第二帧数且小于第三帧数，降低报警等级且保留未查看的报警提醒。
8.一种摄像头遮挡检测装置，包括：
背景图像确定单元，被配置成响应于摄像头未发生移动，确定与当前时段对应的背景图像；
前景图像确定单元，被配置成根据当前帧的实际图像和所述背景图像，确定所述当前帧的前景图像；
目标面积确定单元，被配置成确定所述前景图像中拥有最大外轮廓的独立物体的目标面积；
遮挡状态确定单元，被配置成根据所述目标面积确定所述摄像头在所述当前帧时的遮挡状态。
9.根据权利要求8所述的装置，其中，所述目标面积确定单元被进一步配置成：
对所述前景图像进行形态学开运算，得到运算后图像；
分别确定所述运算后图像中每个独立物体的外轮廓；
根据各所述外轮廓所围面积分别确定对应的独立物体的实际面积；
将数值最大的实际面积，确定为所述目标面积。
10.根据权利要求8所述的装置，其中，所述背景图像确定单元包括：
目标时刻确定子单元，被配置成确定所述摄像头在上一次终止移动的目标时刻；
样本图像集获取子单元，被配置成获取在所述目标时刻之后所述摄像头重新拍摄到的样本图像集；
目标背景图像确定子单元，被配置成基于所述样本图像集和预设的背景模型，确定目标背景图像；
背景图像确定子单元，被配置成将所述目标背景图像作为与当前时段对应的背景图像。
11.根据权利要求10所述的装置，其中，所述目标背景图像确定子单元被进一步配置成：
从所述样本图像集中选取按时间轴排序的前预设帧的样本图像；
将各所述样本图像缩放至相同尺寸，并将尺寸一致的样本图像转换为灰度图，得到样本灰度图集；
利用所述背景模型确定与所述样本灰度图集对应的目标背景图像。
12.根据权利要求8所述的装置，其中，所述遮挡状态确定单元被进一步配置成：
响应于所述目标面积大于预设面积，确定所述摄像头在所述当前帧时处于遮挡状态；
响应于所述目标面积不大于所述预设面积，确定所述摄像头在所述当前帧时处于未遮挡状态。
13.根据权利要求8所述的装置，还包括：被配置成确定摄像头的移动状态的移动状态确定单元，其中，所述移动状态确定单元被进一步配置成：
将时间位于所述当前帧之前、所述摄像头处于未遮挡状态的图像帧确定为参考帧；
确定所述参考帧与所述参考帧的后一帧中位置发生移动的匹配特征点占所有匹配特征点的实际比例；
响应于所述实际比例小于预设比例，确定所述摄像头处于固定状态；
响应于所述实际比例不小于所述预设比例，确定所述摄像头处于移动状态。
14.根据权利要求8-13任一项所述的装置，还包括：
被遮挡帧数统计单元，被配置成统计所述摄像头处于被遮挡状态的实际帧数；
被遮挡报警生成单元，被配置成响应于所述实际帧数大于第一帧数小于第二帧数，为所述摄像头生成被遮挡报警；
报警等级处理单元，被配置成响应于所述实际帧数大于所述第二帧数且小于第三帧数，降低报警等级且保留未查看的报警提醒。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的摄像头遮挡检测方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的摄像头遮挡检测方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的摄像头遮挡检测方法。
CN202110934979.XA 2021-08-16 2021-08-16 摄像头遮挡检测方法、装置、设备、存储介质及程序产品 Pending CN113628236A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110934979.XA CN113628236A (zh) 2021-08-16 2021-08-16 摄像头遮挡检测方法、装置、设备、存储介质及程序产品
US17/726,450 US20220244057A1 (en) 2021-08-16 2022-04-21 Map data fusion method and apparatus, electronic device, medium and program product
JP2022076931A JP2022106926A (ja) 2021-08-16 2022-05-09 カメラ遮蔽検出方法、装置、電子機器、記憶媒体およびコンピュータプログラム
KR1020220061524A KR20220075275A (ko) 2021-08-16 2022-05-19 카메라 가림 검출 방법, 장치, 기기, 저장 매체 및 프로그램
EP22180961.9A EP4064212A3 (en) 2021-08-16 2022-06-24 Method and apparatus for detecting camera occlusion, device, storage medium and program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110934979.XA CN113628236A (zh) 2021-08-16 2021-08-16 摄像头遮挡检测方法、装置、设备、存储介质及程序产品

Publications (1)

Publication Number Publication Date
CN113628236A true CN113628236A (zh) 2021-11-09

Family

ID=78385485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110934979.XA Pending CN113628236A (zh) 2021-08-16 2021-08-16 摄像头遮挡检测方法、装置、设备、存储介质及程序产品

Country Status (5)

Country Link
US (1) US20220244057A1 (zh)
EP (1) EP4064212A3 (zh)
JP (1) JP2022106926A (zh)
KR (1) KR20220075275A (zh)
CN (1) CN113628236A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311217A (zh) * 2022-07-26 2022-11-08 珠海视熙科技有限公司 相机镜头遮挡的监测方法、装置、系统及介质
CN116647662A (zh) * 2022-02-24 2023-08-25 豪威科技股份有限公司 具有芯片上遮挡物检测的图像传感器及其方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115236690B (zh) * 2022-09-20 2023-02-10 图达通智能科技(武汉)有限公司 用于激光雷达系统的数据融合方法、装置及可读存储介质
CN115564672B (zh) * 2022-09-22 2023-04-18 中国测绘科学研究院 一种带状面要素数据实体修复方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765025A (zh) * 2008-12-23 2010-06-30 北京中星微电子有限公司 一种监控摄像设备异常检测的系统及方法
CN102118561A (zh) * 2010-05-27 2011-07-06 周渝斌 监控系统中相机移动检测系统及方法
CN103096121A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种摄像头移动检测方法及装置
CN111462188A (zh) * 2020-04-10 2020-07-28 三一重工股份有限公司 摄像头移动检测方法和系统
CN111723644A (zh) * 2020-04-20 2020-09-29 北京邮电大学 一种监控视频遮挡检测方法及系统
CN111784614A (zh) * 2020-07-17 2020-10-16 Oppo广东移动通信有限公司 图像去噪方法及装置、存储介质和电子设备
CN111860120A (zh) * 2020-06-03 2020-10-30 江西江铃集团新能源汽车有限公司 车载相机自动遮挡检测方法和装置
CN111932596A (zh) * 2020-09-27 2020-11-13 深圳佑驾创新科技有限公司 摄像头遮挡区域的检测方法、装置、设备和存储介质
WO2020258720A1 (zh) * 2019-06-28 2020-12-30 深圳市商汤科技有限公司 图像采集设备遮挡状态检测方法、装置、设备和存储介质
CN112927262A (zh) * 2021-03-22 2021-06-08 瓴盛科技有限公司 一种基于视频的相机镜头遮挡检测方法及系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04220885A (ja) * 1990-12-21 1992-08-11 Nippon Telegr & Teleph Corp <Ntt> 背景除去方法及びその実施装置
US9467660B1 (en) * 2014-03-31 2016-10-11 Amazon Technologies, Inc. Map generation using map features from user captured images
US10895467B2 (en) * 2017-07-14 2021-01-19 Allstate Insurance Company Distributed data processing systems for processing remotely captured sensor data
KR102107177B1 (ko) * 2018-09-11 2020-05-06 에스케이 텔레콤주식회사 영상의 장면전환 검출 방법 및 장치
CN109886277B (zh) * 2018-12-28 2020-09-15 浙江理工大学 一种基于轮廓分析的茶鲜叶识别方法
JP7096175B2 (ja) * 2019-01-23 2022-07-05 Kddi株式会社 オブジェクト抽出方法および装置
CN112116551A (zh) * 2019-06-20 2020-12-22 腾讯科技（深圳）有限公司 一种摄像头遮挡检测方法、装置、电子设备和存储介质
CN110986969B (zh) * 2019-11-27 2021-12-28 Oppo广东移动通信有限公司 地图融合方法及装置、设备、存储介质
CN111242221B (zh) * 2020-01-14 2023-06-20 西交利物浦大学 基于图匹配的图像匹配方法、系统及存储介质
CN112102404B (zh) * 2020-08-14 2024-04-30 青岛小鸟看看科技有限公司 物体检测追踪方法、装置及头戴显示设备
CN112804519A (zh) * 2020-12-28 2021-05-14 深圳市捷顺科技实业股份有限公司 摄像头遮挡检测方法、装置、电子设备及通道闸
CN113506368B (zh) * 2021-07-13 2023-03-24 阿波罗智能技术(北京)有限公司 地图数据融合方法、装置、电子设备、介质和程序产品

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765025A (zh) * 2008-12-23 2010-06-30 北京中星微电子有限公司 一种监控摄像设备异常检测的系统及方法
CN102118561A (zh) * 2010-05-27 2011-07-06 周渝斌 监控系统中相机移动检测系统及方法
CN103096121A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种摄像头移动检测方法及装置
WO2020258720A1 (zh) * 2019-06-28 2020-12-30 深圳市商汤科技有限公司 图像采集设备遮挡状态检测方法、装置、设备和存储介质
CN111462188A (zh) * 2020-04-10 2020-07-28 三一重工股份有限公司 摄像头移动检测方法和系统
CN111723644A (zh) * 2020-04-20 2020-09-29 北京邮电大学 一种监控视频遮挡检测方法及系统
CN111860120A (zh) * 2020-06-03 2020-10-30 江西江铃集团新能源汽车有限公司 车载相机自动遮挡检测方法和装置
CN111784614A (zh) * 2020-07-17 2020-10-16 Oppo广东移动通信有限公司 图像去噪方法及装置、存储介质和电子设备
CN111932596A (zh) * 2020-09-27 2020-11-13 深圳佑驾创新科技有限公司 摄像头遮挡区域的检测方法、装置、设备和存储介质
CN112927262A (zh) * 2021-03-22 2021-06-08 瓴盛科技有限公司 一种基于视频的相机镜头遮挡检测方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647662A (zh) * 2022-02-24 2023-08-25 豪威科技股份有限公司 具有芯片上遮挡物检测的图像传感器及其方法
CN115311217A (zh) * 2022-07-26 2022-11-08 珠海视熙科技有限公司 相机镜头遮挡的监测方法、装置、系统及介质
CN115311217B (zh) * 2022-07-26 2023-10-31 珠海视熙科技有限公司 相机镜头遮挡的监测方法、装置、系统及介质

Also Published As

Publication number Publication date
US20220244057A1 (en) 2022-08-04
KR20220075275A (ko) 2022-06-08
EP4064212A3 (en) 2022-12-28
JP2022106926A (ja) 2022-07-20
EP4064212A2 (en) 2022-09-28

Similar Documents

Publication Publication Date Title
CN113628236A (zh) 摄像头遮挡检测方法、装置、设备、存储介质及程序产品
EP4145844A1 (en) Method and apparatus for detecting jitter in video, electronic device, and storage medium
CN110705461A (zh) 一种图像处理方法及装置
CN112528927B (zh) 基于轨迹分析的置信度确定方法、路侧设备及云控平台
CN111476814B (zh) 目标跟踪方法、装置、设备及存储介质
CN110647818A (zh) 一种遮挡目标物体的识别方法及装置
CN112597895A (zh) 基于偏移量检测的置信度确定方法、路侧设备及云控平台
CN116245865A (zh) 一种图像质量的检测方法、装置、电子设备及存储介质
CN112927178B (zh) 遮挡检测方法、装置、电子设备以及存储介质
CN111640134B (zh) 人脸跟踪方法、装置、计算机设备及其存储装置
CN108961293B (zh) 一种背景减除的方法、装置、设备及存储介质
CN116668843A (zh) 一种拍摄状态的切换方法、装置、电子设备以及存储介质
CN115116130A (zh) 一种通话动作识别方法、装置、设备以及存储介质
CN113807209A (zh) 车位检测方法、装置、电子设备及存储介质
CN115131315A (zh) 一种图像的变化检测方法、装置、设备及存储介质
CN114973081A (zh) 一种高空抛物检测方法、装置、电子设备及存储介质
CN112560726A (zh) 目标检测置信度确定方法、路侧设备及云控平台
CN112507957A (zh) 一种车辆关联方法、装置、路侧设备及云控平台
CN116301361B (zh) 基于智能眼镜的目标选择方法、装置和电子设备
CN116189028B (zh) 图像识别方法、装置、电子设备以及存储介质
CN112700657B (zh) 用于生成检测信息的方法、装置、路侧设备和云控平台
CN115294559A (zh) 车牌状态检测方法、装置及电子设备
CN114580631B (zh) 模型的训练方法、烟火检测方法、装置、电子设备及介质
WO2022195837A1 (ja) 画像解析装置、画像解析システム及び画像解析方法
CN115900731A (zh) 一种航迹数据集的管理方法、装置、设备及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211109