一种判定摄像头异常移动和场景内异物入侵的检测方法技术

本发明专利技术公开了一种判定摄像头异常移动和场景内异物入侵的检测方法，包括以下步骤：步骤1：获取枪式摄像头的一系列图像序列；步骤2：利用图像序列获得边缘分布累计概率模型；步骤3：比较当前图像与前一张图像的边缘分布，判定该摄像头是否发生异常移动；步骤4：当摄像头没有发生移动时，将当前图像的边缘分布与边缘分布累计概率模型进行比较来判断是否存在异物入侵。本发明专利技术的方法简单易行，大大降低了算法的时间复杂度，且能够有效地实现摄像头异常移动、场景内异物入侵等自动检测功能。

A Detection Method for Determining Abnormal Camera Movement and Intrusion of Foreign Objects in Scene

The invention discloses a detection method for judging abnormal movement of camera and foreign body intrusion in scene, which includes the following steps: step 1: acquiring a series of image sequences of gun camera; step 2: acquiring cumulative probability model of edge distribution by image sequence; step 3: comparing the edge distribution of current image with that of previous image to determine whether the camera has abnormal movement; Step 4: When the camera does not move, the current image edge distribution is compared with the cumulative probability model of edge distribution to determine whether there is foreign body intrusion. The method of the invention is simple and feasible, greatly reduces the time complexity of the algorithm, and can effectively realize the automatic detection functions of camera abnormal movement, foreign body intrusion in scene, etc.

【技术实现步骤摘要】
一种判定摄像头异常移动和场景内异物入侵的检测方法
本专利技术涉及一种判定摄像头异常移动和场景内异物入侵的检测方法，属于计算机视觉和安全监控

技术介绍
目前市场中有大量的枪式摄像头，这类摄像头焦距固定，能够实现对其周边环境的监控。由于供电困难，边境线、油田等地的监控摄像头需要单独配备电池进行工作。为了节约用电从而避免电池频繁更换，这些摄像头通常采用抓拍的方式对周边环境进行监控，最终得到的是有一定时间间隔的图像序列。对于边境线、油田等地而言，附近的人、车辆及火灾等都属于异物入侵。目前检测异物入侵的常见方法是差分法，例如以下文献：兰州交通大学金炳瑞的基于图像处理的铁路轨道异物入侵的自动识别研究，电子科技大学邹单红的基于差分图像的机场跑道异物检测算法的应用研究，陈璋雯、达飞鹏和陆可在《东南大学学报(自然科学版),2012,42(S1):51-54》发表的基于视频分析的实时跟踪及入侵警报系统，段其昌、赵钦波和杨源飞在《计算机应用,2012,32(S1):126-133》发表的一种基于特征匹配的目标入侵检测方法，浙江大学刘明宇的视频图像处理关键算法与智能视频监控系统研究，北京交通大学葛本文档来自技高网...

【技术保护点】
1.一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，包括以下步骤：步骤1：获取枪式摄像头的一系列图像序列；步骤2：利用图像序列获得边缘分布累计概率模型；步骤3：比较当前图像与前一张图像的边缘分布，判定该摄像头是否发生异常移动；步骤4：当摄像头没有发生移动时，将当前图像的边缘分布与边缘分布累计概率模型进行比较来判断是否存在异物入侵。

【技术特征摘要】
1.一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，包括以下步骤：步骤1：获取枪式摄像头的一系列图像序列；步骤2：利用图像序列获得边缘分布累计概率模型；步骤3：比较当前图像与前一张图像的边缘分布，判定该摄像头是否发生异常移动；步骤4：当摄像头没有发生移动时，将当前图像的边缘分布与边缘分布累计概率模型进行比较来判断是否存在异物入侵。2.根据权利要求1所述的一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，在步骤1中，对于同一个枪式摄像头，按照一定时间间隔获取其一系列图像序列。3.根据权利要求1所述的一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，所述步骤2具体包括以下步骤：步骤21：采用图像大小归一化或图像灰度化进行图像预处理；步骤22：对灰度化后的图像进行边缘检测；步骤23：计算同一个枪式摄像头对应的天空掩膜；步骤24：计算图像的边缘分布，对边缘检测结果进行二值化，并用天空掩膜进一步得到天空区域的边缘分布。4.根据权利要求3所述的一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，在步骤21中，采用双线性插值进行图像预处理。5.根据权利要求4所述的一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，所述双线性插值的计算公式如下：P表示待插值点，坐标为(x，y)，f()表示对应点的灰度值；x1，y1分别为坐标x，y的向下取整，x2，y2分别为x，y的向上取整；如图3所示，Q11为P的左下角点，坐标为(x1，y1)，Q21为P的右下角点，坐标为(x2，y1)，Q12为P的左上角点，坐标为(x1，y2)，Q22为P的右上角点，坐标为(x2，y2)，R1坐标为(x，y1)，R2坐标为(x，y2)。6.根据权利要求3所述的一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，在步骤22中，采用Sobel边缘检测算子、Prewitt边缘检测算子、Roberts边缘检测算子或Laplace边缘检测算子对灰度化后的图像进行边缘检测。7.根据权利要求6所述的一种判定摄像头异常移动和场景内异物入侵的检测方法，其特征是，所述Sobel边缘检测算子为：Gx＝Z1+2*Z2+Z3-Z7-2*Z8-Z9Gy＝Z3+2*Z6+Z9-Z1-2*Z4-Z7其中，Gx为x方向的梯度，Gy为y方向的...

【专利技术属性】
技术研发人员：李金屏，于向茹，丁健配，窦一民，林振锴，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东,37