摄像头移动的检测方法及设备、电子设备技术

本申请公开了一种摄像头移动的检测方法及设备，所述方法包括：基于神经网络模型获取针对同一场景的历史图像的关键点和当前图像的关键点；根据所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对；基于所述关键点匹配对确定所述摄像头是否发生移动。

【技术实现步骤摘要】
摄像头移动的检测方法及设备、电子设备
本申请涉及计算机视觉
，尤其涉及一种摄像头移动的检测方法及设备、电子设备。
技术介绍
在安防领域，通常通过摄像摄像头获取视觉信息；在一些场景下，要求摄像头的位置、朝向和高度等因素保持稳定，避免图像中的场景发生移动；因此需要检测摄像头的移动性。申请内容为解决上述技术问题，本申请实施例提供了一种摄像头移动的检测方法及设备、计算机程序产品、存储介质、电子设备。本申请实施例提供的摄像头移动的检测方法，包括：基于神经网络模型获取针对同一场景的历史图像的关键点和当前图像的关键点；根据所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对；基于所述关键点匹配对确定所述摄像头是否发生移动。本申请一可选实施方式中，所述基于神经网络模型获取针对同一场景的历史图像的关键点和当前图像的关键点，包括：以所述历史图像作为所述神经网络模型的输入，将所述神经网络模型输出的第一检测矩阵中每个位置的值与第一阈值比较，确定所述值大于所述第一阈值的所述第一检测矩阵中的位置所对应的所述历史图像上的位置为所述历史图像的关键点；以所述当前图像作为所述神经网络模型的输入，将所述神经网络模型输出的第二检测矩阵中每个位置的值与所述第一阈值比较，确定所述值大于所述第一阈值的所述第二检测矩阵中的位置所对应的所述当前图像上的位置为所述当前图像的关键点。本申请一可选实施方式中，所述基于所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对包括：利用所述历史图像的关键点的位置，对所述神经网络模型输出的第一特征矩阵采样，得到所述历史图像的关键点的第一特征；利用所述当前图像的关键点的位置，对所述神经网络模型输出的第二特征矩阵采样，得到所述当前图像的关键点的第二特征；基于所述第一特征和所述第二特征，确定所述历史图像的关键点与所述当前图像的关键点的相似度；确定所述相似度满足第二阈值的所述历史图像的关键点和所述当前图像的关键点为所述关键点匹配对。本申请一可选实施方式中，所述确定所述相似度满足第二阈值的所述历史图像的关键点和所述当前图像的关键点为所述关键点匹配对，包括：若确定所述当前图像中与所述历史图像的第一关键点相似度最高的点为第二关键点，且确定所述历史图像中与所述第二关键点相似度最高的点为所述第一关键点，且所述第一关键点与所述第二关键点的相似度不小于第二阈值，则确定所述第一关键点和所述第二关键点为关键点匹配对。本申请一可选实施方式中，所述基于所述第一特征和所述第二特征，确定所述历史图像的关键点与所述当前图像的关键点的相似度包括：基于所述第一特征确定第一矩阵，基于所述第二特征确定第二矩阵；基于所述第一矩阵与所述第二矩阵的转置矩阵的乘积确定相似度矩阵，所述相似度矩阵中第i行第j列的值为所述历史图像的第i个关键点与所述当前图像的第j个关键点的相似度；其中，所述第一矩阵的行数等于所述历史图像的关键点的个数，所述第二矩阵的行数等于所述当前图像的关键点的个数，所述第一矩阵和所述第二矩阵的列数均等于特征长度。本申请一可选实施方式中，所述基于所述关键点匹配对确定所述摄像头是否发生移动，包括：获取全部关键点匹配对的欧式距离；确定所述全部关键点匹配对的欧式距离的平均值；将所述平均值与第三阈值进行比较，在所述平均值大于所述第三阈值的情况下，确定所述摄像头发生移动。本申请一可选实施方式中，所述基于所述平均值确定所述摄像头是否发生移动，包括：在所述平均值小于或等于所述第三阈值的情况下，确定所述摄像头未发生移动。本申请一可选实施方式中，所述确定关键点匹配对之前，所述方法还包括：对所述历史图像和/或所述当前图像的关键点进行过滤。本申请一可选实施方式中，所述对所述历史图像和/或所述当前图像的关键点进行过滤，包括：按照所述历史图像和/或所述当前图像对应的检测矩阵在关键点处的值降序的顺序遍历所述历史图像和/或所述当前图像的关键点，以所述历史图像和/或所述当前图像的每个关键点为中心，删除位于中心的关键点周围第一区域内的关键点；所述第一区域为大小为第一像素乘以第一像素的区域。本申请一可选实施方式中，所述对所述历史图像和/或所述当前图像的关键点进行过滤，包括：确定所述历史图像和/或所述当前图像的第二区域；删除位于所述第二区域的关键点，所述第二区域至少包括：边缘区域和/或水印区域。本申请实施例提供的摄像头移动的检测设备，包括：获取单元，用于基于神经网络模型获取针对同一场景的历史图像的关键点和当前图像的关键点；第一确定单元，用于根据所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对；第二确定单元，用于基于所述关键点匹配对确定所述摄像头是否发生移动。本申请一可选实施方式中，所述获取单元，用于以所述历史图像作为所述神经网络模型的输入，将所述神经网络模型输出的第一检测矩阵中每个位置的值与第一阈值比较，确定所述值大于所述第一阈值的所述第一检测矩阵中的位置所对应的所述历史图像上的位置为所述历史图像的关键点；以所述当前图像作为所述神经网络模型的输入，将所述神经网络模型输出的第二检测矩阵中每个位置的值与所述第一阈值比较，确定所述值大于所述第一阈值的所述第二检测矩阵中的位置所对应的所述当前图像上的位置为所述当前图像的关键点。本申请一可选实施方式中，所述第一确定单元，用于利用所述历史图像的关键点的位置，对所述神经网络模型输出的第一特征矩阵采样，得到所述历史图像的关键点的第一特征；利用所述当前图像的关键点的位置，对所述神经网络模型输出的第二特征矩阵采样，得到所述当前图像的关键点的第二特征；基于所述第一特征和所述第二特征，确定所述历史图像的关键点与所述当前图像的关键点的相似度；确定所述相似度满足第二阈值的所述历史图像的关键点和所述当前图像的关键点为所述关键点匹配对。本申请一可选实施方式中，所述第一确定单元，用于确定所述当前图像中与所述历史图像的第一关键点相似度最高的点为第二关键点；确定所述历史图像中与所述第二关键点相似度最高的点为所述第一关键点；所述第一关键点与所述第二关键点的相似度不小于第二阈值。本申请一可选实施方式中，所述第一确定单元，用于基于所述第一特征确定第一矩阵，基于所述第二特征确定第二矩阵；基于所述第一矩阵与所述第二矩阵的转置矩阵的乘积确定相似度矩阵，所述相似度矩阵中第i行第j列的值为所述历史图像的第i个关键点与所述当前图像的第j个关键点的相似度；其中，所述第一矩阵的行数等于所述历史图像的关键点的个数，所述第二矩阵的行数等于所述当前图像的关键点的个数，所述第一矩阵和所述第二矩阵的列数均等于特征长度。本申请一可选实施方式中，所述第二确定单元，用于获取全部关键点匹配对的欧式距离；确定所述全部关键点匹本文档来自技高网...

【技术保护点】
1.一种摄像头移动的检测方法，其特征在于，所述方法包括：/n基于神经网络模型获取针对同一场景的历史图像的关键点和当前图像的关键点；/n根据所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对；/n基于所述关键点匹配对确定所述摄像头是否发生移动。/n

【技术特征摘要】
1.一种摄像头移动的检测方法，其特征在于，所述方法包括：
基于神经网络模型获取针对同一场景的历史图像的关键点和当前图像的关键点；
根据所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对；
基于所述关键点匹配对确定所述摄像头是否发生移动。


2.根据权利要求1所述的方法，其特征在于，所述基于神经网络模型获取历史图像的关键点和当前图像的关键点，包括：
以所述历史图像作为所述神经网络模型的输入，将所述神经网络模型输出的第一检测矩阵中每个位置的值与第一阈值比较，确定所述值大于所述第一阈值的所述第一检测矩阵中的位置所对应的所述历史图像上的位置为所述历史图像的关键点；
以所述当前图像作为所述神经网络模型的输入，将所述神经网络模型输出的第二检测矩阵中每个位置的值与所述第一阈值比较，确定所述值大于所述第一阈值的所述第二检测矩阵中的位置所对应的所述当前图像上的位置为所述当前图像的关键点。


3.根据权利要求1所述的方法，其特征在于，所述基于所述历史图像的关键点和所述当前图像的关键点，确定关键点匹配对包括：
利用所述历史图像的关键点的位置，对所述神经网络模型输出的第一特征矩阵采样，得到所述历史图像的关键点的第一特征；
利用所述当前图像的关键点的位置，对所述神经网络模型输出的第二特征矩阵采样，得到所述当前图像的关键点的第二特征；
基于所述第一特征和所述第二特征，确定所述历史图像的关键点与所述当前图像的关键点的相似度；
确定所述相似度满足第二阈值的所述历史图像的关键点和所述当前图像的关键点为所述关键点匹配对。


4.根据权利要求3所述的方法，其特征在于，所述确定所述相似度满足第二阈值的所述历史图像的关键点和所述当前图像的关键点为所述关键点匹配对，包括：
若确定所述当前图像中与所述历史图像的第一关键点相似度最高的点为第二关键点，且确定所述历史图像中与所述第二关键点相似度最高的点为所述第一关键点，且所述第一关键点与所述第二关键点的相似度不小于第二阈值，则确定所述第一关键点和所述第二关键点为关键点匹配对。


5.根据权利要求3所述的方法，其特征在于，所述基于所述第一特征和所述第二特征，确定所述历史图像的关键点与所述当前图像的关键点的相似度包括：
基于所述第一特征确定第一矩阵，基于所述第二特征确定第二矩阵，所述第一矩阵的行数等于所述历史图像的关键点的个数，所述第二矩阵的行数等于所述当前图像的关键点的个数，所述第一矩阵和所述第二矩阵的列数均等于特征长度；
基于所述第一矩阵与所述第二矩阵的转置矩阵的乘积确定相似度矩阵，所述相似度矩阵中第i行第j列的值为...

【专利技术属性】
技术研发人员：陈航，王露，朱烽，赵瑞，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：广东;44