一种分析图像高频稳定点的相机移位判别方法及系统技术方案

本发明专利技术提供了一种分析图像高频稳定点的相机移位判别方法及系统，该方法依次包括实时视频图像获取步骤、图像预处理步骤、高频稳定特征点统计步骤、当前帧特征点分析步骤和相机移位判断步骤，通过实时视频图像获取步骤获取实时视频图像，再由图像预处理步骤基于视频图像中的特征点所属目标的特性采用掩膜技术去除无效特征点，然后通过统计特征点的出现频率，得出高频稳定特征点坐标，进行统计、分析、判断，准确得出相机移位状态，为需要用到相机移位检测的情况提供了准确高效地判别，提升视频检测算法正确率。频检测算法正确率。频检测算法正确率。

【技术实现步骤摘要】
一种分析图像高频稳定点的相机移位判别方法及系统


[0001]本专利技术涉及智能交通
，具体涉及一种分析图像高频稳定点的相机移位判别方法及系统。

技术介绍

[0002]在交通领域，视频交通事件检测器的应用已经非常普及，随着深度学习算法对于图像的处理的成熟，将深度学习技术运用于公路视频监控领域，使得视频交通事件检测器成为更准确、智能、高效的视频分析系统。
[0003]视频交通事件检测器包含了检测公路停车、逆行、抛落物、行人、拥堵等等事件。但是现在交通领域为了更加方便的进行监控，使用的相机绝大多数为云台相机或者球机，这就造成了视频交通事件检测器在运行时由于相机移位导致检测错误，产生误报警，于是就有了对相机移位检测算法的需求。
[0004]传统的基于视频图像的相机移位检测算法，通过直接对比前后两张图片的特征点进行移位判断，受到画面实时光线、天气、能见度，尤其是视频中移动目标的干扰影响，导致检测结果偏差较大。它的偏差会导致后续的各种事件等检测的较大误差产生，所以无法在实际项目中应用。
[0005]另外就是通过深度学习算法判断相机移位。深度识别算法可以去识别公路上的固定目标，而公路上基本都会存在的固定目标就是车道线。那么使用深度学习算法识别车道线也是一种用于判别相机移位的算法，比如实例分割(mask rcnn)。但是此算法的缺点在于识别算法复杂度较高，每秒钟2
‑
3帧的处理能力，相对于yolov5的30帧左右的处理能力而言，硬件成本较高。
[0006]但是，深度学习的出现使得计算机能够像人类一样较精准的识别车辆、行人等物体，完全排除了光线、抖动等干扰。深度学习技术识别出的目标可以精准的减少移动目标对相机移位检测算法的干扰，在此基础上，基于图像识别的特征点检测就有了发挥余地。

技术实现思路

[0007]本专利技术针对现有的相机移位检测算法检测偏差大导致智能交通视频事件检测误报警的问题，本专利技术提供了一种分析图像高频稳定点的相机移位判别方法，通过统计特征点的出现频率，得出高频稳定特征点坐标，进行统计、分析、判断，准确得出相机移位状态，提高了检测效率。本专利技术还涉及一种分析图像高频稳定点的相机移位判别系统。
[0008]本专利技术的技术方案如下：
[0009]一种分析图像高频稳定点的相机移位判别方法，其特征在于，依次包括实时视频图像获取步骤、图像预处理步骤、高频稳定特征点统计步骤、当前帧特征点分析步骤和相机移位判断步骤，
[0010]通过实时视频图像获取步骤获取实时视频图像，再由图像预处理步骤基于视频图像中的特征点所属目标的特性采用掩膜技术去除无效特征点；
[0011]高频稳定特征点统计步骤，采用角点检测算法对预处理后的图像进行特征点检测，计算出单帧图像的多个最强特征点并记录各单帧最强特征点坐标，然后在一定周期内对所述多个最强特征点坐标统计其出现频率，统计出现频率最高的若干最强特征点作为高频稳定特征点并记录各高频稳定特征点坐标；
[0012]当前帧特征点分析步骤，将记录的多个当前帧最强特征点坐标和若干高频稳定特征点坐标进行对比，计算当前帧最强特征点击中高频稳定特征点的比例；
[0013]相机移位判断步骤，在当前帧最强特征点击中高频稳定特征点的比例小于比例阈值且达到一定次数时则判断当前帧为移位状态，并结合相机历史状态是否移位来判断是否恢复相机移位状态。
[0014]优选地，所述图像预处理步骤针对视频图像中的移动目标利用特征点所属目标的变化特性，以人工智能技术为核心，采用Yolov5深度学习算法进行移动目标的打标、训练，借助经过训练的目标识别模型识别刚体或非刚体移动目标，对所有移动目标的特征点坐标设置图像掩膜，去除无效特征点；针对视频图像中的固定目标利用特征点所属目标的稳定特性，对稳定目标的特征点坐标设置图像掩膜，去除无效特征点。
[0015]优选地，所述高频稳定特征点统计步骤计算出单帧图像的多个最强特征点，还进行各最强特征点的像素间距判断，保留像素间距大于像素间距阈值的各最强特征点并记录相应坐标。
[0016]优选地，所述相机移位判断步骤在当前帧最强特征点击中高频稳定特征点的比例大于比例阈值且达到一定次数时则判断当前帧为未移位状态，并结合相机历史状态是否移位来判断是否恢复相机移位状态。
[0017]优选地，所述相机移位判断步骤在当前帧最强特征点击中高频稳定特征点的比例小于比例阈值且未达到一定次数时，以及在当前帧最强特征点击中高频稳定特征点的比例大于比例阈值且未达到一定次数时，均判断为干扰，结束当前帧处理。
[0018]优选地，所述相机移位判断步骤判断当前帧为移位状态时，再判断相机历史状态是否移位，当相机历史状态未移位时，更新相机历史状态为移位，当相机历史状态为移位时，当前帧处理结束；
[0019]判断当前帧为未移位状态时，再判断相机历史状态是否移位，当相机历史状态移位时，更新相机历史状态为未移位，当相机历史状态为未移位时，当前帧处理结束。
[0020]一种分析图像高频稳定点的相机移位判别系统，其特征在于，包括依次连接的实时视频图像获取模块、图像预处理模块、高频稳定特征点统计模块、当前帧特征点分析模块和相机移位判断模块，
[0021]通过实时视频图像获取模块获取实时视频图像，再由图像预处理模块基于视频图像中的特征点所属目标的特性采用掩膜技术去除无效特征点；
[0022]高频稳定特征点统计模块，采用角点检测算法对预处理后的图像进行特征点检测，计算出单帧图像的多个最强特征点并记录各单帧最强特征点坐标，然后在一定周期内对所述多个最强特征点坐标统计其出现频率，统计出现频率最高的若干最强特征点作为高频稳定特征点并记录各高频稳定特征点坐标；
[0023]当前帧特征点分析模块，将记录的多个当前帧最强特征点坐标和若干高频稳定特征点坐标进行对比，计算当前帧最强特征点击中高频稳定特征点的比例；
[0024]相机移位判断模块，在当前帧最强特征点击中高频稳定特征点的比例小于比例阈值且达到一定次数时则判断当前帧为移位状态，并结合相机历史状态是否移位来判断是否恢复相机移位状态。
[0025]优选地，所述图像预处理模块针对视频图像中的移动目标利用特征点所属目标的变化特性，以人工智能技术为核心，采用Yolov5深度学习算法进行移动目标的打标、训练，借助经过训练的目标识别模型识别刚体或非刚体移动目标，对所有移动目标的特征点坐标设置图像掩膜，去除无效特征点；针对视频图像中的固定目标利用特征点所属目标的稳定特性，对稳定目标的特征点坐标设置图像掩膜，去除无效特征点。
[0026]优选地，所述相机移位判断模块判断当前帧为移位状态时，再判断相机历史状态是否移位，当相机历史状态未移位时，更新相机历史状态为移位，当相机历史状态为移位时，当前帧处理结束；
[0027]所述相机移位判断模块在当前帧最强特征点击中高频稳定特征点的比例大于比例阈值且达到一定次数时则判断当前帧为未移位状态，再判断相机历史状态是否移位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分析图像高频稳定点的相机移位判别方法，其特征在于，依次包括实时视频图像获取步骤、图像预处理步骤、高频稳定特征点统计步骤、当前帧特征点分析步骤和相机移位判断步骤，通过实时视频图像获取步骤获取实时视频图像，再由图像预处理步骤基于视频图像中的特征点所属目标的特性采用掩膜技术去除无效特征点；高频稳定特征点统计步骤，采用角点检测算法对预处理后的图像进行特征点检测，计算出单帧图像的多个最强特征点并记录各单帧最强特征点坐标，然后在一定周期内对所述多个最强特征点坐标统计其出现频率，统计出现频率最高的若干最强特征点作为高频稳定特征点并记录各高频稳定特征点坐标；当前帧特征点分析步骤，将记录的多个当前帧最强特征点坐标和若干高频稳定特征点坐标进行对比，计算当前帧最强特征点击中高频稳定特征点的比例；相机移位判断步骤，在当前帧最强特征点击中高频稳定特征点的比例小于比例阈值且达到一定次数时则判断当前帧为移位状态，并结合相机历史状态是否移位来判断是否恢复相机移位状态。2.根据权利要求1所述的分析图像高频稳定点的相机移位判别方法，其特征在于，所述图像预处理步骤针对视频图像中的移动目标利用特征点所属目标的变化特性，以人工智能技术为核心，采用Yolov5深度学习算法进行移动目标的打标、训练，借助经过训练的目标识别模型识别刚体或非刚体移动目标，对所有移动目标的特征点坐标设置图像掩膜，去除无效特征点；针对视频图像中的固定目标利用特征点所属目标的稳定特性，对稳定目标的特征点坐标设置图像掩膜，去除无效特征点。3.根据权利要求1所述的分析图像高频稳定点的相机移位判别方法，其特征在于，所述高频稳定特征点统计步骤计算出单帧图像的多个最强特征点，还进行各最强特征点的像素间距判断，保留像素间距大于像素间距阈值的各最强特征点并记录相应坐标。4.根据权利要求1所述的分析图像高频稳定点的相机移位判别方法，其特征在于，所述相机移位判断步骤在当前帧最强特征点击中高频稳定特征点的比例大于比例阈值且达到一定次数时则判断当前帧为未移位状态，并结合相机历史状态是否移位来判断是否恢复相机移位状态。5.根据权利要求4所述的分析图像高频稳定点的相机移位判别方法，其特征在于，所述相机移位判断步骤在当前帧最强特征点击中高频稳定特征点的比例小于比例阈值且未达到一定次数时，以及在当前帧最强特征点击中高频稳定特征点的比例大于比例阈值且未达到一定次数时，均判断为干扰，结束当前帧处理。6.根据权利要求4所述的分析图像高频稳定点的相机移位判别方法，其特征在于，所述相机移位判断步骤判断当前帧为移位状态时，再判断相机历史状态是否移位，当相机历史状态未移位时，更新相机历史状态为移位，当相机历史状态...

【专利技术属性】
技术研发人员：于艳玲，张文风，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：