TWI616086B - 攝影裝置畫面異常種類之檢測方法 - Google Patents

攝影裝置畫面異常種類之檢測方法 Download PDF

Info

Publication number
TWI616086B
TWI616086B TW105133928A TW105133928A TWI616086B TW I616086 B TWI616086 B TW I616086B TW 105133928 A TW105133928 A TW 105133928A TW 105133928 A TW105133928 A TW 105133928A TW I616086 B TWI616086 B TW I616086B
Authority
TW
Taiwan
Prior art keywords
image
block
test
degree
blur
Prior art date
Application number
TW105133928A
Other languages
English (en)
Other versions
TW201817226A (zh
Inventor
qu-fei Zhang
Ning-Xuan Zhu
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 filed Critical
Priority to TW105133928A priority Critical patent/TWI616086B/zh
Priority to US15/370,157 priority patent/US10223594B2/en
Application granted granted Critical
Publication of TWI616086B publication Critical patent/TWI616086B/zh
Publication of TW201817226A publication Critical patent/TW201817226A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/48—Matching video sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • 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
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Studio Devices (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Description

攝影裝置畫面異常種類之檢測方法
本創作係關於一種攝影裝置之檢測方法，尤指一種攝影裝置畫面異常種類之檢測方法。
基於交通道路監控、商場店家管理、金融機構監視…等等攸關安全與生命財產防範備受重視，影像監控設備的應用需求也越趨多元與強烈。監視攝影機(surveillance camera)係常見地裝設於交通要道、商場店家與金融機構內部或其門口，以達到上述之安全監控管理。
由於監視攝影機易受因老化、異常或遭受蓄意破壞等問題，導致監視攝影機所拍攝到的畫面無法完整地呈現真實影像。以監視攝影機遭受蓄意破壞為例，常見蓄意破壞包含阻擋、噴霧、失焦或轉向。一旦監視攝影機受到上述行為所蓄意破壞，造成監視攝影機所拍攝到的畫面無法完整地呈現真實影像時，將無法實現完善地安全監控管理。
再者，以現有技術而言，監視攝影機的操作者或管理者通常以人眼方式，根據監視攝影機所拍攝出來的影片或影像，判斷監視攝影機的畫面良劣狀況。因此，僅能粗略地判斷監視攝影機的良劣狀況，無法準確地判斷監視攝影機的畫面異常所造成的原因，導致延宕維修監視攝影機的時程與影響維修監視攝影機的品質。
本創作之一目的在於提供一種攝影裝置畫面異常種類之檢測方法，用以解決無法準確地判斷監視攝影裝置的畫面異常所造成的原因，導致延宕維修監視攝影裝置的時程與影響維修監視攝影裝置的品質的問題。
為達成前揭目的，本創作所提出之該攝影裝置畫面異常種類之檢測方法，其包含開始一攝影裝置之畫面檢測；啟動該攝影裝置拍攝一測試影片；載入一參考影像；由該測試影片中擷取複數(N)個測試影像；將所述N個測試影像分別與該參考影像進行比對，產生具有N個異常影像特徵之一影像測試序列；以及根據該影像測試序列判斷該攝影裝置之畫面異常種類。
本創作該攝影裝置畫面異常種類之檢測方法，其透過判斷具有複數個異常影像特徵之該影像測試序列，以準確地判斷該攝影裝置的畫面異常所造成的原因，藉此縮短維修監視攝影裝置的時程與提高維修監視攝影裝置的品質。
本創作之另一目的在於提供一種攝影裝置畫面異常種類之檢測方法，用以解決無法準確地判斷監視攝影裝置的畫面異常所造成的原因，導致延宕維修監視攝影裝置的時程與影響維修監視攝影裝置的品質的問題。
為達成前揭目的，本創作所提出之該攝影裝置畫面異常種類之檢測方法，其包含開始一攝影裝置之畫面檢測；啟動該攝影裝置拍攝一測試影片；載入一參考影像；由該測試影片中擷取複數(N)個測試影像；將所述N個測試影像分別與該參考影像進行比對，產生具有N個異常影像特徵之一影像測試序列，其中所述異常影像特徵係為一阻擋影像特徵、一轉向影像特徵、一噴霧影像特徵或一失焦影像特徵；以及根據該影像測試序列判斷該攝影裝置之畫面異常種類，其中所述畫面異常種類係為一阻擋異常畫面、一轉向異常畫面、一噴霧異常畫面或一失焦異常畫面。
本創作該攝影裝置畫面異常種類之檢測方法，其透過判斷具有複數個異常影像特徵之該影像測試序列，以準確地判斷該攝影裝置的畫面異常所造成的原因，藉此縮短維修監視攝影裝置的時程與提高維修監視攝影裝置的品質。
為了能更進一步瞭解本創作為達成預定目的所採取之技術、手段及功效，請參閱以下有關本創作之詳細說明與圖式，相信本創作之目的、特徵與特點，當可由此得一深入且具體之瞭解，然而所附圖式僅提供參考與說明用，並非用來對本創作加以限制者。
圖1：為本創作一攝影裝置畫面異常種類之檢測方法之流程圖。
圖2：為本創作該檢測方法的步驟S40之詳細流程圖。
圖3：為本創作該檢測方法的步驟S50之詳細流程圖。
圖4：為本創作該檢測方法的步驟S52之詳細流程圖。
圖5：為本創作該檢測方法的步驟S524之第一實施例之詳細流程圖。
圖6：為本創作該檢測方法的步驟S524之第二實施例之詳細流程圖。
圖7：為本創作該檢測方法的步驟S93之詳細流程圖。
圖8：為本創作該檢測方法的步驟S94之詳細流程圖。
圖9：為本創作該檢測方法的步驟S95之詳細流程圖。
圖10A：為本創作一參考影像之示意圖。
圖10B：為本創作一測試影像具有第一異常特徵之示意圖。
圖10C：為本創作該測試影像具有第二異常特徵之示意圖。
圖10D：為本創作該測試影像具有第三異常特徵之示意圖。
茲有關本創作之技術內容及詳細說明，配合圖式說明如下。
請參見圖1所示，所述攝影裝置畫面異常種類之檢測方法包含步驟如下。開始一攝影裝置的畫面檢測(S10)。其中，該攝影裝置可為一攝影機，具體而言，在本創作中，該攝影裝置係為一戶外型監視攝影機(outdoor surveillance camera)。舉例來說，該攝影裝置可裝設於交通要道、商場店家與金融機構內部或其門口，然而不以上述該等應用領域為限制。再者，所述畫面檢測係指透過檢測該攝影裝置所拍攝的畫面，可判斷該攝影裝置為正常操作，或為異常操作。再者，當檢測該攝影裝置為異常操作時，則可進一步地判斷該攝影裝置的畫面異常種類，其中所述畫面異常種類可為一阻擋異常畫面、一轉向異常畫面、一噴霧異常畫面或一失焦異常畫面，詳細說明如下。
開始該攝影裝置的畫面檢測後，啟動該攝影裝置開始拍攝一測試影片(S20)。換句話說，原本該攝影裝置執行監視操作，一旦該攝影裝置接收到畫面檢測通知時，該攝影裝置則受控啟動，開始拍攝該測試影片。其中該測試影片的長度可為分鐘等級的時間長度，例如1分鐘或2分鐘的影片長度。
然後，載入一參考影像(reference image)(S30)。其中，該參考影像可依時間，例如早晚，或依季節，例如夏季或冬季被選定，然不以上述方式選定該參考影像。具體而言，該參考影像可由多張(幀)產生的參考影像中選定一張或複數張所設定。其中該參考影像係提供畫面比對的參考資訊，容後詳述。
然後，由該測試影片中擷取複數(N)個測試影像(S40)。在步驟S40中，係將動態的測試影片資料擷取出N個(或以幀為單位)靜態的測試影像資料。配合參見圖2，所述步驟S40包含步驟S41~步驟S43。在步驟S41中，係為設 定一擷取時間間隔，其中，該擷取時間間隔可設定為1/30秒，換言之，係以每秒擷取30幀測試影像的擷取頻率由該測試影片中擷取N個測試影像，然不以所述秒數為限制。
然後，在步驟S42中，係為由該測試影片起始，每隔該擷取時間間隔擷取一個測試影像。舉例來說，若以時間長度為1分鐘的該測試影片為例，以每隔1/30秒(該擷取時間間隔)擷取一個測試影像，則會產生複數(N=1,800)個測試影像(S43)。再舉例說明，若以時間長度為1分鐘的該測試影片為例，以每隔1/20秒擷取一個測試影像，則會產生1,200個測試影像。依此類推，可根據該測試影片的時間長度以及該擷取時間間隔的時間，決定出測試影像的幀數(即N值)。
復請參見圖1，在步驟S40之後，則將所述N個測試影像分別與該參考影像進行比對，產生具有N個異常影像特徵之一影像測試序列(S50)。換言之，透過將所述N個測試影像分別與該參考影像進行比對，可產生該影像測試序列，其中該影像測試序列係由所述N個異常影像特徵為元素所組成的序列，容後詳述。
配合參見圖3，所述步驟S50包含步驟S51~步驟S55。在步驟S51中，係由第一個(N=1)測試影像開始進行比對。然後，在步驟S52中，係將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵。換言之，將第一個(N=1)測試影像與該參考影像進行比對，產生第一個異常影像特徵、將第二個(N=2)測試影像與該參考影像進行比對，產生第二個異常影像特徵…依此類推，以達成將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵。
然後，在步驟S53中，係判斷是否完成所有(N個)測試影像與該參考影像的比對。以上述複數(N=1,800)個測試影像為例，若未完成所有1,800 個測試影像與該參考影像的比對，則執行步驟S54，亦即進行第N個的次一個，即第(N+1)個測試影像與該參考影像的比對。直到完成所有(N個)測試影像與該參考影像的比對，亦即完成1,800個測試影像與該參考影像的比對，則執行步驟S55，亦即產生具有N個異常影像特徵之該影像測試序列。以上述複數(N=1,800)個測試影像為例，該影像測試序列係由所述1,800個異常影像特徵為元素所組成的序列，亦即，該影像測試序列={異常影像特徵1，異常影像特徵2，異常影像特徵3,…，異常影像特徵N-1，異常影像特徵N}。其中該影像測試序列更具體的說明容後詳述。
復請參見圖1，在步驟S50之後，則根據該影像測試序列判斷該攝影裝置之畫面異常種類(S60)。在本創作中，該攝影裝置之畫面異常種類係分為四種型態，即轉向(redirect,RD)異常畫面、失焦(defocus,DF)異常畫面、噴霧(spray,SR)異常畫面以及阻擋(blockage,BK)異常畫面。其中轉向(RD)係指該攝影裝置受外力且非因正常調整所導致其鏡頭轉向，使其監視的角度非為設定之範圍。失焦(DF)係指因焦距不準確，使該攝影裝置所拍攝到之影像模糊不清。噴霧(SR)係指該攝影裝置的鏡頭遭受噴漆或其他方式噴塗於其上，使該攝影裝置所拍攝到之影像嚴重異常。阻擋(BK)係指該攝影裝置的鏡頭遭受外部物件阻隔其拍攝的範圍與角度。
以上述複數(N=1,800)個測試影像所產生對應的該等1,800個異常影像特徵為例，透過比對各該測試影像，將各該異常影像特徵分類為轉向影像特徵、失焦影像特徵、噴霧影像特徵和/或阻擋影像特徵，因此，根據該等1,800個異常(轉向、失焦、噴霧和/或阻擋)影像特徵，進一步判斷該攝影裝置之畫面異常種類，容後詳述。
在上述內容說明中，係以一幀完整的測試影像為比對基礎(單位)與該參考影像進行比對，亦即透過各該測試影像其完整的資訊，例如像素 (pixel)、亮度、邊緣特性、預設位置或角度…等，與該參考影像對應的影像資訊進行比對，以獲得對應的該異常影像特徵。惟在本創作中，可不僅以單一幀完整的測試影像為比對基礎為限制，換言之，可將各該單一完整的測試影像分割(segmentation)為複數個區塊測試影像或稱子測試影像，並且將所述區塊測試影像與該參考影像的區塊參考影像對應比對，而達到各該測試影像的比對，以產生具有所述N個異常影像特徵之該影像測試序列，具體說明如下。
請參見圖4所示，具體地揭示步驟S52包含步驟S521~步驟S528，亦即，將各該測試影像分割為具有多個區塊測試影像，並且對該等區塊測試影像進行比對，具體說明如下。
在步驟S521，係將第N個測試影像分割為複數(M)個區塊測試影像。其中若將該第N個測試影像以n列、m行的矩陣(n×m)形式分割，則該第N個測試影像則分割為M個所述區塊測試影像，即M=n×m，其中n、m分別為正整數。此外，該第N個測試影像亦可分割為n×n個區塊測試影像。舉例來說，該第N個測試影像可分割為4×4個(M=16)區塊測試影像或5×4個(M=20)區塊測試影像。然上述僅為舉例說明之用，非用以限制本創作。
為將該等M個區塊測試影像與該參考影像對應比對，因此在步驟S522中，係將該參考影像對應分割為M個區塊參考影像，亦即，該等M個區塊參考影像的數量與位置係對應該等M個區塊測試影像。舉例來說，當該測試影像分割為4×4個(M=16)區塊測試影像時，該參考影像係對應地分割為4×4個區塊參考影像。在本創作中，若已確認所設定分割為M個區塊測試影像與對應的M個區塊參考影像的數量與位置，則所述步驟S521與所述步驟S522不以上述順序為限制，亦即，所述步驟S522可早於所述步驟S521先執行。
然後在步驟S523中，係由該第N個測試影像的第一個區塊測試影像(M=1)開始進行比對。然後，在步驟S524中，係將第M個區塊測試影像與 對應之第M個區塊參考影像進行比對，產生第M個異常區塊影像特徵。換言之，將第一個區塊測試影像(M=1)與對應之第一個區塊參考影像進行比對，產生第一個異常區塊影像特徵、將第二個區塊測試影像(M=2)與對應之第二個區塊參考影像進行比對，產生第二個異常區塊影像特徵…依此類推，以達成將第M個區塊測試影像與對應之第M個區塊參考影像進行比對，產生第M個異常區塊影像特徵。其中所述異常區塊影像特徵的比對，將於後文配合圖式為例進一步具體說明。
然後，在步驟S525中，係判斷是否完成該第N個測試影像的所有(M個)區塊測試影像與對應該等區塊參考影像的比對。以上述複數(M=16)個區塊測試影像為例，若未完成16個區塊測試影像與對應該等區塊參考影像的比對，則執行步驟S526，亦即進行第M個的次一個，即第(M+1)個區塊測試影像與對應該區塊參考影像的比對。直到完成所有(M個)區塊測試影像與對應該等區塊參考影像的比對，亦即完成16個區塊測試影像與對應該等區塊參考影像的比對，則執行步驟S527，亦即產生具有M個異常區塊影像特徵之一區塊影像測試序列。以上述複數(M=16)個區塊測試影像為例，該區塊影像測試序列係由所述16個異常區塊影像特徵為元素所組成的序列，亦即，該區塊影像測試序列={異常區塊影像特徵1，異常區塊影像特徵2，異常區塊影像特徵3,…，異常區塊影像特徵M-1，異常區塊影像特徵M}。其中該區塊影像測試序列更具體的說明容後詳述。
然後，在步驟S528中，則根據該區塊影像測試序列產生該第N個異常影像特徵。如此，經由完整地執行步驟S521~步驟S528，則完成步驟S52(配合參見圖3)，然後執行接續的步驟S53，在此不再贅述。
請參見圖5與圖6所示，進一步地揭示步驟S524包含步驟S91~步驟S95。如前所述，在步驟S523或步驟S526之後，係執行步驟S524。其中，步 驟S91用以判斷第M個區塊測試影像之模糊程度，並且步驟S92用以修正第M個區塊測試影像的亮度，以配合最合適之該參考影像進行比對，藉此，以提供接續之步驟S93、步驟S94或步驟S95進行比對，達到更準確之比對結果。
如圖5所示，揭示步驟S524包含步驟S91~步驟S95，其中步驟S92包含步驟S921與步驟S922。此外，如圖6所示，揭示步驟S524包含步驟S91、步驟S93~步驟S95。以下，以圖5為例，先針對步驟S91與步驟S92加以說明，之後再針對步驟S93~步驟95各別加以說明。
在本創作中，為進一步對該等M個區塊測試影像進行比對，係先判斷第M個區塊測試影像之模糊程度(S91)。在步驟S91中，所述模糊程度係區分為第一模糊程度、第二模糊程度以及第三模糊程度，其中，第一模糊程度可視為該第M個區塊測試影像為相對地清晰；同理，第三模糊程度則視為該第M個區塊測試影像相當模糊；而第二模糊程度則介於清晰與相當模糊之間。
然後，在步驟S92中，則進一步地偵測與判斷該M個區塊測試影像的亮度變化程度(S921)，必要時，則修正該第M個區塊測試影像的亮度(S922)，以配合最合適之該參考影像進行比對，藉此達到更準確之比對結果。在完成步驟S91與步驟S92之後，則進一步地執行後續步驟S93、步驟S94或步驟S95。
此外，如圖6所示，當判斷第M個區塊測試影像的亮度是合適的，以配合該參考影像時，則可省略步驟S92(即包含步驟S921與步驟S922)的執行。在步驟S92(非必要時可省略)之後，根據在步驟S91中判斷該第M個區塊測試影像為第一模糊程度、第二模糊程度或第三模糊程度之不同模糊程度，分別對應執行步驟S93、步驟S94或步驟S95。
請參見圖7所示，首先，根據模糊程度判斷第M個區塊測試影像為第一模糊程度(S931)，亦即，可視為第M個區塊測試影像為相對清晰的影 像。當判斷出第M個區塊測試影像為第一模糊程度的影像時，則進一步將第M個區塊測試影像與對應的第M個區塊參考影像進行比對，以判斷第M個區塊測試影像是否有物件進入(S932)。當判斷第M個區塊測試影像因有物件進入該攝影裝置的拍攝範圍所造成其產生異常特徵，則判斷出第M個區塊測試影像為阻擋區塊影像特徵(S933)，亦即第M個區塊測試影像的阻擋區塊影像特徵係因物件進入該攝影裝置的拍攝範圍，而阻擋到相對於第M個區塊測試影像的畫面位置，所產生的異常區塊影像特徵。完成步驟S933後，則執行步驟S525(配合參見圖4)。
在步驟S932中，若判斷第M個區塊測試影像沒有物件進入時，則將第M個區塊測試影像與對應的第M個區塊參考影像進行比對，以判斷第M個區塊測試影像是否有位移(S934)。當判斷第M個區塊測試影像因該攝影裝置的拍攝範圍受到轉向，則判斷出第M個區塊測試影像為轉向區塊影像特徵(S935)，亦即第M個區塊測試影像的轉向區塊影像特徵係因該攝影裝置受到外力且非因正常調整所導致其鏡頭轉向，使其拍攝的角度非為設定之範圍，亦即非為擷取該參考影像相對應的角度，而使得相對於第M個區塊測試影像的畫面位置轉向，所產生的異常區塊影像特徵。完成步驟S935後，則執行步驟S525。
在步驟S934中，若判斷第M個區塊測試影像沒有位移時，則判斷出第M個區塊測試影像為正常區塊影像(S936)。完成步驟S936後，則執行步驟S525。
綜上所述，(1)、當第M個區塊測試影像為第一模糊程度，並且有物件進入，則判斷出第M個區塊測試影像為阻擋區塊影像特徵；(2)、當第M個區塊測試影像為第一模糊程度，並且沒有物件進入，然而有發生位移，則判斷出第M個區塊測試影像為轉向區塊影像特徵；(3)、當第M個區塊測試影像為第一模糊程度，並且沒有物件進入，亦沒有發生位移，則判斷出第M個區塊測 試影像為正常區塊影像。在本創作中，當第M個區塊測試影像為正常區塊影像則可不列入統計，或採以較低的權重，以能夠真實地反應出對應之第N個異常影像特徵的異常程度與異常種類，然而不以上述兩種方式為限制。
請參見圖8所示，首先，根據模糊程度判斷第M個區塊測試影像為第二模糊程度(S941)。當判斷出第M個區塊測試影像為第二模糊程度的影像時，則進一步將第M個區塊測試影像與對應的第M個區塊參考影像進行比對，以判斷第M個區塊測試影像是否有物件進入(S942)。當判斷第M個區塊測試影像因有物件進入該攝影裝置的拍攝範圍所造成其產生異常特徵，則此判斷出第M個區塊測試影像為阻擋區塊影像特徵(S943)，亦即第M個區塊測試影像的阻擋區塊影像特徵係因物件進入該攝影裝置的拍攝範圍，而阻擋到相對於第M個區塊測試影像的畫面位置，所產生的異常區塊影像特徵。完成步驟S943後，則執行步驟S525(配合參見圖4)。
在步驟S942中，若判斷第M個區塊測試影像沒有物件進入時，則將第M個區塊測試影像與對應的第M個區塊參考影像進行比對，以判斷第M個區塊測試影像是否有顏色變化(S944)。當判斷第M個區塊測試影像因有顏色變化所造成其產生異常特徵，因此判斷出第M個區塊測試影像為噴霧區塊影像特徵(S945)，亦即第M個區塊測試影像的噴霧區塊影像特徵係因該攝影裝置的拍攝範圍，遭受噴漆或其他方式噴塗於其上，使得第M個區塊測試影像偵測出產生異常區塊影像特徵。完成步驟S945後，則執行步驟S525。
在步驟S944中，若判斷第M個區塊測試影像沒有顏色變化時，則判斷出第M個區塊測試影像為失焦區塊影像特徵(S946)。完成步驟S946後，則執行步驟S525。
綜上所述，(1)、當第M個區塊測試影像為第二模糊程度，並且有物件進入，則判斷出第M個區塊測試影像為阻擋區塊影像特徵；(2)、當第M 個區塊測試影像為第二模糊程度，並且沒有物件進入，然而有發生顏色變化，則判斷出第M個區塊測試影像為噴霧區塊影像特徵；(3)、當第M個區塊測試影像為第二模糊程度，並且沒有物件進入，亦沒有發生顏色變化，則判斷出第M個區塊測試影像為失焦區塊影像特徵。在本創作中，當第M個區塊測試影像為正常區塊影像則可不列入統計，或採以較低的權重，以能夠真實地反應出對應之第N個異常影像特徵的異常程度與異常種類，然而不以上述兩種方式為限制。
請參見圖9所示，首先，根據模糊程度判斷第M個區塊測試影像為第三模糊程度(S951)，亦即，可視為第M個區塊測試影像為相對模糊的影像。當判斷出第M個區塊測試影像為第三模糊程度的影像時，則進一步將第M個區塊測試影像與對應的第M個區塊參考影像進行比對，以判斷第M個區塊測試影像是否有物件進入(S952)。當判斷第M個區塊測試影像因有物件進入該攝影裝置的拍攝範圍所造成其產生異常特徵，則判斷出第M個區塊測試影像為阻擋區塊影像特徵(S953)，亦即第M個區塊測試影像的阻擋區塊影像特徵係因物件進入該攝影裝置的拍攝範圍，而阻擋到相對於第M個區塊測試影像的畫面位置，所產生的異常區塊影像特徵。完成步驟S953後，則執行步驟S525(配合參見圖4)。
在步驟S952中，若判斷第M個區塊測試影像沒有物件進入時，則將第M個區塊測試影像與對應的第M個區塊參考影像進行比對，以判斷第M個區塊測試影像是否為自然失焦模糊(S954)。當判斷第M個區塊測試影像因自然失焦而模糊所造成其產生異常特徵，因此判斷出第M個區塊測試影像為失焦區塊影像特徵(S955)，亦即第M個區塊測試影像的失焦區塊影像特徵係因係因焦距不準確，使該攝影裝置所拍攝到之影像模糊不清，所產生的異常區塊影像特徵。完成步驟S955後，則執行步驟S525。
在步驟S954中，若判斷第M個區塊測試影像非為自然失焦模糊時，則判斷出第M個區塊測試影像為阻擋區塊影像特徵(S953)。完成步驟S953後，則執行步驟S525。
綜上所述，(1)、當第M個區塊測試影像為第三模糊程度，並且有物件進入，則判斷出第M個區塊測試影像為阻擋區塊影像特徵；(2)、當第M個區塊測試影像為第三模糊程度，並且沒有物件進入，亦非為自然失焦模糊，則判斷出第M個區塊測試影像為阻擋區塊影像特徵；(3)、當第M個區塊測試影像為第三模糊程度，並且沒有物件進入，然而為自然失焦模糊，則判斷出第M個區塊測試影像為失焦區塊影像特徵。在本創作中，當第M個區塊測試影像為正常區塊影像則可不列入統計，或採以較低的權重，以能夠真實地反應出對應之第N個異常影像特徵的異常程度與異常種類，然而不以上述兩種方式為限制。
以下，將配合圖式以一噴霧異常影像為例，說明本創作攝影裝置畫面異常種類之檢測方法的具體操作。
請參見圖10A~圖10D所示，其中圖10A所示為所述參考影像。以前述1分鐘長度的測試影片總共擷取的1,800幀測試影像為例，假設圖10B所示影像為該攝影裝置所拍攝該測試影片其中所擷取的第700幀(N=700)測試影像，圖10C所示為擷取的第760幀(N=760)測試影像，以及圖10D所示為擷取的第820幀(N=820)測試影像。再者，圖10B~圖10D所示的測試影像係分割為4×4(M=16)個區塊測試影像(步驟S521)，同時，圖10A所示之該參考影像係對應分割為4×4(M=16)個區塊參考影像(步驟S522)。然後，從第一個區塊測試影像(M=1)開始(步驟S523)，逐一對第N個測試影像的該等16個區塊測試影像對應該參考影像的該等16個區塊參考影像進行比對(步驟S524~步驟S526)。以圖10B~圖10D為 例，係對第700幀測試影像、對第760幀測試影像以及對第820幀測試影像的該等16個區塊測試影像逐一比對，詳細說明如後。
為方便且清楚說明，因此定義第一個區塊測試影像為左上角該區塊測試影像，以由左而右，由上而下的順序定義其他區塊測試影像，故此，右上角該區塊測試影像為第4個區塊測試影像，左下角該區塊測試影像為第13個區塊測試影像，以及右下角該區塊測試影像為第16個區塊測試影像。
以下，以列表的方式呈現第700幀測試影像(配合參見表1)所述16個區塊測試影像的比對步驟流程。
Figure TWI616086BD00001
Figure TWI616086BD00002
 其中，表1比對結果欄位所記載之BK係指阻擋區塊影像特徵、SR係指噴霧區塊影像特徵、NM係指正常區塊影像。
如圖10B所示之第700幀(N=700)測試影像，經過16個區塊測試影像的比對後，對應步驟S527所產生該區塊影像測試序列={BK,BK,NM,NM,BK,SR,NM,NM,NM,NM,NM,NM,NM,NM,NM,NM}，可判斷出阻擋區塊影像特徵(BK)為3個、噴霧區塊影像特徵(SR)為1個以及正常區塊影像(NM)為12個，因此，在本創作唯有當所有的區塊測試影像皆為正常區塊影像，才會判斷認定所對應的測試影像為正常測試影像，換言之，只要有至少一個區塊測試影像為異常區塊影像特徵，則判斷認定所對應的測試影像為異常測試影像。故此，對所述第700幀(N=700)測試影像而言，由於阻擋區塊影像特徵(BK)的次數大於噴霧區塊影像特徵(SR)的次數，因此，對應步驟S528，根據該區塊影像測試序列則產生第700個異常影像特徵為阻擋影像特徵。
此外須加以說明的，若有最大數量相同的異常區塊影像特徵時，則以連續數量最長的異常區塊影像特徵為認定該測試影像的異常影像特徵。舉例來說，若該區塊影像測試序列={BK,BK,NM,NM,BK,SR,NM,NM,SR,NM,NM,NM,SR,NM,NM,NM}，其中阻擋區塊影像特徵(BK)出現的數量與噴霧區塊影像特徵(SR)出現的數量相同，且皆為最大數量(3次)，然而，由於BK連續數量(2次)比SR連續數量(1次)較長，因此，認定該測試影像的異常影像特徵為阻擋(BK)影像特徵。再舉另一例說明，若該區塊影像測試序列={NM,SR,BK,BK,SR,SR,SR,SR,BK,BK,NM,NM,BK,BK,SR,NM}，其中阻擋區塊影像特徵(BK)出現的數量與噴霧區塊影像特徵(SR)出現的數量相同，且皆為 最大數量(6次)，然而，由於SR連續數量(4次)比BK連續數量(2次)較長，因此，認定該測試影像的異常影像特徵為噴霧(SR)影像特徵。
以下，以列表的方式呈現第760幀測試影像(配合參見表2)所述16個區塊測試影像的比對步驟流程。
Figure TWI616086BD00003
 其中，表2比對結果欄位所記載之BK係指阻擋區塊影像特徵、SR係指噴霧區塊影像特徵、NM係指正常區塊影像。
如圖10C所示之第760幀(N=760)測試影像，經過16個區塊測試影像的比對後，對應步驟S527所產生該區塊影像測試序列={BK,BK,SR,SR,BK,SR,SR,NM,SR,SR,NM,NM,SR,NM,NM,NM}，可判斷出阻擋區塊影像特徵(BK)為3個、噴霧區塊影像特徵(SR)為7個以及正常區塊影像(NM)為6個，因此，對所述第760幀(N=760)測試影像而言，由於噴霧區塊影像特徵(SR)的次數大於阻擋區塊影像特徵(BK)的次數，因此，對應步驟S528，根據該區塊影像測試序列則產生第760個異常影像特徵為噴霧影像特徵。
以下，以列表的方式呈現第820幀測試影像(配合參見表3)所述16個區塊測試影像的比對步驟流程。
Figure TWI616086BD00004
Figure TWI616086BD00005
 其中，表3比對結果欄位所記載之BK係指阻擋區塊影像特徵、SR係指噴霧區塊影像特徵、NM係指正常區塊影像。
如圖10D所示之第820幀(N=820)測試影像，經過16個區塊測試影像的比對後，對應步驟S527所產生該區塊影像測試序列={BK,BK,SR,SR,BK,SR,SR,SR,SR,SR,SR,SR,SR,SR,NM,NM}，可判斷出阻擋區塊影像特徵(BK)為3個、噴霧區塊影像特徵(SR)為11個以及正常區塊影像(NM)為2個，因此，對所述第820幀(N=820)測試影像而言，由於噴霧區塊影像特徵(SR)的次數大於阻擋區塊影像特徵(BK)的次數，因此，對應步驟S528，根據該區塊影像測試序列則產生第820個異常影像特徵為噴霧影像特徵。
根據上述三個測試影像(N=700,N=760,N=820)為例說明，對時間長度為1分鐘的測試影片，以每隔1/30秒擷取一個測試影像，所產生1,800個測試影像(N=1,800)分別與該參考影像進行比對後，可產生1,800個異常影像特徵為元素所組成的該影像測試序列。假設1,800個測試影像比對後所產生的1,800個異常影像特徵包含642幀正常影像、26幀阻擋影像特徵以及1,132幀噴霧影像特徵，因此，在本創作中，判斷為正常影像的測試影像可不列入統計，或採以較低的權重，以能夠真實地反應出對應之第N個異常影像特徵的異常程度與異常種類。以上述為例，由於在1,800個測試影像中，1,132幀噴霧影像特徵 最多或其所佔比例(不含正常影像)為62.89%最高，因此，根據時間長度為1分鐘的該測試影片比對結果，判斷出該攝影裝置之畫面異常種類為「噴霧異常」。
此外須加以說明的，若有最大數量相同的異常影像特徵時，則以連續數量最長的異常影像特徵為認定該測試影像的異常影像特徵。舉例來說，若該測試影像比對後，阻擋影像特徵出現的數量與噴霧影像特徵出現的數量相同，且皆為最大數量(824幀)，假設阻擋影像特徵連續數量(714幀)比噴霧影像特徵連續數量(325幀)較長，因此，認定該測試影像的異常影像特徵為阻擋影像特徵。
綜上所述，本創作係具有以下之特徵與優點：
1、透過判斷具有複數個異常影像特徵之該影像測試序列，以準確地判斷該攝影裝置的畫面異常所造成的原因，例如判斷為阻擋異常畫面、轉向異常畫面、噴霧異常畫面或失焦異常畫面，藉此縮短維修監視攝影裝置的時程與提高維修監視攝影裝置的品質。
2、本創作所述攝影裝置畫面異常種類之檢測方法，能夠容易地、彈性地以及適應性地移植所對應的演算法至其他不同的攝影裝置系統。
惟，以上所述，僅為本創作較佳具體實施例之詳細說明與圖式，惟本創作之特徵並不侷限於此，並非用以限制本創作，本創作之所有範圍應以下述之申請專利範圍為準，凡合於本創作申請專利範圍之精神與其類似變化之實施例，皆應包含於本創作之範疇中，任何熟悉該項技藝者在本創作之領域內，可輕易思及之變化或修飾皆可涵蓋在以下本案之專利範圍。

Claims (18)

  1. 一種攝影裝置畫面異常種類之檢測方法，包含：開始一攝影裝置之畫面檢測；啟動該攝影裝置拍攝一測試影片；載入一參考影像；由該測試影片中擷取複數(N)個測試影像並分割為多個區塊測試影像；判斷多個區塊測試影像之模糊程度後，將所述多個區塊測試影像依權重分別與該參考影像進行比對，產生具有N個異常影像特徵之一影像測試序列；及根據該影像測試序列判斷該攝影裝置之畫面異常種類。
  2. 如請求項1所述之攝影裝置畫面異常種類之檢測方法，其中由該測試影片中擷取複數(N)個測試影像的步驟包含：設定一擷取時間間隔；由該測試影片起始，每隔該擷取時間間隔擷取一個測試影像；及產生所述N個測試影像。
  3. 如請求項1所述之攝影裝置畫面異常種類之檢測方法，其中將所述N個測試影像分別與該參考影像進行比對，產生具有N個異常影像特徵之該影像測試序列的步驟包含：設定N=1；將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵；判斷是否完成所有測試影像與該參考影像的比對；若未完成所有測試影像與該參考影像的比對，係設定N=N+1，並且回復執行將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵，以及判斷是否完成所有測試影像與該參考影像的比對的步驟；及 若完成所有測試影像與該參考影像的比對，係產生具有N個異常影像特徵之該影像測試序列。
  4. 如請求項3所述之攝影裝置畫面異常種類之檢測方法，其中將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵的步驟包含：將第N個測試影像分割為複數(M)個區塊測試影像；將該參考影像對應分割為M個區塊參考影像；設定M=1；將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵；判斷是否完成所有區塊測試影像與對應之區塊參考影像的比對；若未完成所有區塊測試影像與對應之區塊參考影像的比對，係設定M=M+1，並且回復執行將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵，以及判斷是否完成所有區塊測試影像與對應之區塊參考影像的比對的步驟；若完成所有區塊測試影像與對應之區塊參考影像的比對，係產生具有M個異常區塊影像特徵之一區塊影像測試序列；及根據該區塊影像測試序列產生第N個異常影像特徵。
  5. 如請求項4所述之攝影裝置畫面異常種類之檢測方法，其中將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵的步驟包含：判斷第M個區塊測試影像之模糊程度，其中所述模糊程度包含一第一模糊程度程度、一第二模糊程度程度以及一第三模糊程度程度；該測試影像之模糊程度依清晰度分為第一模糊程度大於第二模糊程度，第二模糊程度大於第三模糊程度； 判斷第M個區塊測試影像之亮度變化程度；修正第M個區塊測試影像之亮度；及判斷第M個區塊測試影像為一正常區塊影像、一阻擋區塊影像特徵、一轉向區塊影像特徵、一噴霧區塊影像特徵或一失焦區塊影像特徵；該阻擋區塊影像特徵是依據測試影像有無物件進入而判斷；該轉向區塊影像特徵是依據測試影像有無位移而判斷；該噴霧區塊影像特徵是依據測試影像有無顏色變化而判斷；該失焦區塊影像特徵是依據測試影像有無自然失焦模糊而判斷。
  6. 如請求項4所述之攝影裝置畫面異常種類之檢測方法，其中將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵的步驟包含：判斷第M個區塊測試影像之模糊程度，其中所述模糊程度包含一第一模糊程度、一第二模糊程度以及一第三模糊程度；該測試影像之模糊程度依清晰度分為第一模糊程度大於第二模糊程度，第二模糊程度大於第三模糊程度；及判斷第M個區塊測試影像為一正常區塊影像、一阻擋區塊影像特徵、一轉向區塊影像特徵、一噴霧區塊影像特徵或一失焦區塊影像特徵；該阻擋區塊影像特徵是依據測試影像有無物件進入而判斷；該轉向區塊影像特徵是依據測試影像有無位移而判斷；該噴霧區塊影像特徵是依據測試影像有無顏色變化而判斷；該失焦區塊影像特徵是依據測試影像有無自然失焦模糊而判斷。
  7. 如請求項5或請求項6所述之攝影裝置畫面異常種類之檢測方法，其中在判斷第M個區塊測試影像之模糊程度的步驟之後包含：根據模糊程度判斷第M個區塊測試影像為第一模糊程度；判斷第M個區塊測試影像是否有物件進入； 若第M個區塊測試影像有物件進入，係判斷第M個區塊測試影像為阻擋區塊影像特徵；若第M個區塊測試影像沒有物件進入，係判斷第M個區塊測試影像是否有位移；若第M個區塊測試影像有位移，係判斷第M個區塊測試影像為轉向區塊影像特徵；及若第M個區塊測試影像沒有位移，係判斷第M個區塊測試影像為正常區塊影像。
  8. 如請求項5或請求項6所述之攝影裝置畫面異常種類之檢測方法，其中在判斷第M個區塊測試影像之模糊程度的步驟之後包含：根據模糊程度判斷第M個區塊測試影像為第二模糊程度；判斷第M個區塊測試影像是否有物件進入；若第M個區塊測試影像有物件進入，係判斷第M個區塊測試影像為阻擋區塊影像特徵；若第M個區塊測試影像沒有物件進入，係判斷第M個區塊測試影像是否有顏色變化；若第M個區塊測試影像有顏色變化，係判斷第M個區塊測試影像為噴霧區塊影像特徵；及若第M個區塊測試影像沒有顏色變化，係判斷第M個區塊測試影像為失焦區塊影像特徵。
  9. 如請求項5或請求項6所述之攝影裝置畫面異常種類之檢測方法，其中在判斷第M個區塊測試影像之模糊程度的步驟之後包含：根據模糊程度判斷第M個區塊測試影像為第三模糊程度；判斷第M個區塊測試影像是否有物件進入； 若第M個區塊測試影像有物件進入，係判斷第M個區塊測試影像為阻擋區塊影像特徵；若第M個區塊測試影像沒有物件進入，係判斷第M個區塊測試影像是否為自然失焦模糊；若第M個區塊測試影像為自然失焦模糊，係判斷第M個區塊測試影像為失焦區塊影像特徵；及若第M個區塊測試影像非為自然失焦模糊，係判斷第M個區塊測試影像為阻擋區塊影像特徵。
  10. 一種攝影裝置畫面異常種類之檢測方法，包含：開始一攝影裝置之畫面檢測；啟動該攝影裝置拍攝一測試影片；載入一參考影像；由該測試影片中擷取複數(N)個測試影像並分割為多個區塊測試影像；判斷多個區塊測試影像之模糊程度後，將所述多個區塊測試影像依權重分別與該參考影像進行比對，產生具有N個異常影像特徵之一影像測試序列，其中所述異常影像特徵係為一阻擋影像特徵、一轉向影像特徵、一噴霧影像特徵或一失焦影像特徵；根據該影像測試序列判斷該攝影裝置之畫面異常種類，其中所述畫面異常種類係為一阻擋異常畫面、一轉向異常畫面、一噴霧異常畫面或一失焦異常畫面；及該阻擋影像特徵是依據測試影像有無物件進入而判斷；該轉向影像特徵是依據測試影像有無位移而判斷；該噴霧影像特徵是依據測試影像有無顏色變化而判斷；該失焦影像特徵是依據測試影像有無自然失焦模糊而判斷。
  11. 如請求項10所述之攝影裝置畫面異常種類之檢測方法，其中由該測試影片中擷取複數(N)個測試影像的步驟包含：設定一擷取時間間隔；由該測試影片起始，每隔該擷取時間間隔擷取一個測試影像；及產生所述N個測試影像。
  12. 如請求項10所述之攝影裝置畫面異常種類之檢測方法，其中將所述N個測試影像分別與該參考影像進行比對，產生具有N個異常影像特徵之該影像測試序列的步驟包含：設定N=1；將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵；判斷是否完成所有測試影像與該參考影像的比對；若未完成所有測試影像與該參考影像的比對，係設定N=N+1，並且回復執行將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵，以及判斷是否完成所有測試影像與該參考影像的比對的步驟；及若完成所有測試影像與該參考影像的比對，係產生具有N個異常影像特徵之該影像測試序列。
  13. 如請求項12所述之攝影裝置畫面異常種類之檢測方法，其中將第N個測試影像與該參考影像進行比對，產生第N個異常影像特徵的步驟包含：將第N個測試影像分割為複數(M)個區塊測試影像；將該參考影像對應分割為M個區塊參考影像；設定M=1；將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵； 判斷是否完成所有區塊測試影像與對應之區塊參考影像的比對；若未完成所有區塊測試影像與對應之區塊參考影像的比對，係設定M=M+1，並且回復執行將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵，以及判斷是否完成所有區塊測試影像與對應之區塊參考影像的比對的步驟；若完成所有區塊測試影像與對應之區塊參考影像的比對，係產生具有M個異常區塊影像特徵之一區塊影像測試序列；及根據該區塊影像測試序列產生第N個異常影像特徵。
  14. 如請求項13所述之攝影裝置畫面異常種類之檢測方法，其中將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵的步驟包含：判斷第M個區塊測試影像之模糊程度，其中所述模糊程度包含一第一模糊程度、一第二模糊程度以及一第三模糊程度；該測試影像之模糊程度依清晰度分為第一模糊程度大於第二模糊程度，第二模糊程度大於第三模糊程度；判斷第M個區塊測試影像之亮度變化程度；修正第M個區塊測試影像之亮度；及判斷第M個區塊測試影像為一正常區塊影像、一阻擋區塊影像特徵、一轉向區塊影像特徵、一噴霧區塊影像特徵或一失焦區塊影像特徵；該阻擋區塊影像特徵是依據測試影像有無物件進入而判斷；該轉向區塊影像特徵是依據測試影像有無位移而判斷；該噴霧區塊影像特徵是依據測試影像有無顏色變化而判斷；該失焦區塊影像特徵是依據測試影像有無自然失焦模糊而判斷。
  15. 如請求項13所述之攝影裝置畫面異常種類之檢測方法，其中將第M個區塊測試影像與對應之第M個區塊參考影像比對，產生第M個異常區塊影像特徵的步驟包含：判斷第M個區塊測試影像之模糊程度，其中所述模糊程度包含一第一模糊程度、一第二模糊程度以及一第三模糊程度；該測試影像之模糊程度依清晰度分為第一模糊程度大於第二模糊程度，第二模糊程度大於第三模糊程度；及判斷第M個區塊測試影像為一正常區塊影像、一阻擋區塊影像特徵、一轉向區塊影像特徵、一噴霧區塊影像特徵或一失焦區塊影像特徵；該阻擋區塊影像特徵是依據測試影像有無物件進入而判斷；該轉向區塊影像特徵是依據測試影像有無位移而判斷；該噴霧區塊影像特徵是依據測試影像有無顏色變化而判斷；該失焦區塊影像特徵是依據測試影像有無自然失焦模糊而判斷。
  16. 如請求項14或請求項15所述之攝影裝置畫面異常種類之檢測方法，其中在判斷第M個區塊測試影像之模糊程度的步驟之後包含：根據模糊程度判斷第M個區塊測試影像為第一模糊程度；判斷第M個區塊測試影像是否有物件進入；若第M個區塊測試影像有物件進入，係判斷第M個區塊測試影像為阻擋區塊影像特徵；若第M個區塊測試影像沒有物件進入，係判斷第M個區塊測試影像是否有位移；若第M個區塊測試影像有位移，係判斷第M個區塊測試影像為轉向區塊影像特徵；及 若第M個區塊測試影像沒有位移，係判斷第M個區塊測試影像為正常區塊影像。
  17. 如請求項14或請求項15所述之攝影裝置畫面異常種類之檢測方法，其中在判斷第M個區塊測試影像之模糊程度的步驟之後包含：根據模糊程度判斷第M個區塊測試影像為第二模糊程度；判斷第M個區塊測試影像是否有物件進入；若第M個區塊測試影像有物件進入，係判斷第M個區塊測試影像為阻擋區塊影像特徵；若第M個區塊測試影像沒有物件進入，係判斷第M個區塊測試影像是否有顏色變化；若第M個區塊測試影像有顏色變化，係判斷第M個區塊測試影像為噴霧區塊影像特徵；及若第M個區塊測試影像沒有顏色變化，係判斷第M個區塊測試影像為失焦區塊影像特徵。
  18. 如請求項14或請求項15所述之攝影裝置畫面異常種類之檢測方法，其中在判斷第M個區塊測試影像之模糊程度的步驟之後包含：根據模糊程度判斷第M個區塊測試影像為第三模糊程度；判斷第M個區塊測試影像是否有物件進入；若第M個區塊測試影像有物件進入，係判斷第M個區塊測試影像為阻擋區塊影像特徵；若第M個區塊測試影像沒有物件進入，係判斷第M個區塊測試影像是否為自然失焦模糊；若第M個區塊測試影像為自然失焦模糊，係判斷第M個區塊測試影像為失焦區塊影像特徵；及 若第M個區塊測試影像非為自然失焦模糊，係判斷第M個區塊測試影像為阻擋區塊影像特徵。
TW105133928A 2016-10-20 2016-10-20 攝影裝置畫面異常種類之檢測方法 TWI616086B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW105133928A TWI616086B (zh) 2016-10-20 2016-10-20 攝影裝置畫面異常種類之檢測方法
US15/370,157 US10223594B2 (en) 2016-10-20 2016-12-06 Method of detecting whether surveillance camera is normal or abnormal with one of a plurality of abnormal properties

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105133928A TWI616086B (zh) 2016-10-20 2016-10-20 攝影裝置畫面異常種類之檢測方法

Publications (2)

Publication Number Publication Date
TWI616086B true TWI616086B (zh) 2018-02-21
TW201817226A TW201817226A (zh) 2018-05-01

Family

ID=61970984

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105133928A TWI616086B (zh) 2016-10-20 2016-10-20 攝影裝置畫面異常種類之檢測方法

Country Status (2)

Country Link
US (1) US10223594B2 (zh)
TW (1) TWI616086B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6028626A (en) * 1995-01-03 2000-02-22 Arc Incorporated Abnormality detection and surveillance system
US20120163670A1 (en) * 2007-02-08 2012-06-28 Behavioral Recognition Systems, Inc. Behavioral recognition system
TW201415381A (zh) * 2012-10-09 2014-04-16 Taiwan Secom Co Ltd 攝影機的異常偵測方法
TW201524188A (zh) * 2013-12-10 2015-06-16 Univ Nat Kaohsiung Applied Sci 攝影機畫面異常之檢測方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006049350A1 (en) * 2004-11-01 2006-05-11 Samsung Electronics Co., Ltd. Frame inspection apparatus of moving picture data and method thereof
JP5241782B2 (ja) * 2010-07-30 2013-07-17 株式会社日立製作所 カメラ異常検出装置を有する監視カメラシステム
JP2013041400A (ja) * 2011-08-15 2013-02-28 Sony Corp 画像処理装置、画像処理方法、およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6028626A (en) * 1995-01-03 2000-02-22 Arc Incorporated Abnormality detection and surveillance system
US20120163670A1 (en) * 2007-02-08 2012-06-28 Behavioral Recognition Systems, Inc. Behavioral recognition system
TW201415381A (zh) * 2012-10-09 2014-04-16 Taiwan Secom Co Ltd 攝影機的異常偵測方法
TW201524188A (zh) * 2013-12-10 2015-06-16 Univ Nat Kaohsiung Applied Sci 攝影機畫面異常之檢測方法

Also Published As

Publication number Publication date
US10223594B2 (en) 2019-03-05
US20180114070A1 (en) 2018-04-26
TW201817226A (zh) 2018-05-01

Similar Documents

Publication Publication Date Title
US11102417B2 (en) Target object capturing method and device, and video monitoring device
US10304169B2 (en) Method and device for correction restoration and analysis alarming of distorted image
KR102428127B1 (ko) 움직임 영역 검출 장치 및 방법
US20090294666A1 (en) IR Camera and Method for Presenting IR Information
US9971933B1 (en) Facial image screening method and face recognition system thereof
US20170032199A1 (en) Video data analyzing method and apparatus and parking lot monitoring system
US7982774B2 (en) Image processing apparatus and image processing method
US20130044951A1 (en) Moving object detection method using image contrast enhancement
CN110769246A (zh) 一种检测监控设备故障的方法、装置
US9230166B2 (en) Apparatus and method for detecting camera tampering using edge image
KR102006763B1 (ko) Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템
US20180220113A1 (en) Projection display system, information processing apparatus, information processing method, and storage medium therefor
CN104504707A (zh) 一种监控相机视频画面的异物遮挡检测方法
WO2014042514A2 (en) A surveillance system and a method for tampering detection and correction
US9900533B2 (en) Image processing apparatus and method, and image capturing apparatus
US20150110418A1 (en) Seam carving based anonymization
US20120092501A1 (en) Computing device and method for adjusting resolutions of internet protocol cameras
US8547430B2 (en) System and method for marking discrepancies in image of object
TWI616086B (zh) 攝影裝置畫面異常種類之檢測方法
CN107979753B (zh) 摄影装置画面异常种类的检测方法
CN113723272A (zh) 基于多画面实时拼接的物体检测方法、系统、设备和介质
KR102133017B1 (ko) 프로젝터 및 프로젝터의 캘리브레이션 방법
US20160100160A1 (en) Blurry image detecting method and related camera and image processing system
JP2013206431A (ja) 画像処理装置、画像処理方法および画像処理プログラム
CN111325073A (zh) 基于运动信息聚类的监控视频异常行为检测方法