摄像头遮挡检测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供一种摄像头遮挡检测方法、装置、电子设备及可读存储介质，涉及图像识别领域，该方法包括：获取目标摄像头采集的目标图像，并计算所述目标图像的光照强度；基于所述目标图像的光照强度与预设光照强度的比较结果，使用目标模型对所述目标图像进行分析，并生成分析结果；其中，所述预设光照强度为对摄像头是否被遮挡判断错误的图像的光照强度平均值；所述分析结果用于指示所述目标摄像头是否被遮挡。本申请提供的摄像头遮挡检测方法、装置、电子设备及可读存储介质，用于根据摄像头实时采集的图像帧，在任何光照条件下都能够及时地判断出摄像头是否被遮挡，提高了遮挡检测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
摄像头遮挡检测方法、装置、电子设备及可读存储介质


[0001]本申请涉及图像识别领域，尤其涉及一种摄像头遮挡检测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]随着粮库管理制度和电子监控技术的完善，每个粮库都会安装许多监控摄像头。但由于人为或自然条件因素的影响，监控摄像头可能会出现被遮挡的情况，从而影响视频监控的正常使用。
[0003]在相关技术中，可以通过人工巡查的方式检查监控摄像头是否被遮挡，或者，通过机器学习方法对摄像头采集的图像进行图像识别，判断摄像头是否被遮挡。
[0004]然而，人工巡查的方式在摄像头被遮挡时难以及时发现，机器学习方法的场景适应性差，对粮库内安装的摄像头的判断正确率较低，因此，急需一种适用于粮库内监控摄像头是否被遮挡的检测方法。

技术实现思路

[0005]本申请的目的是提供一种摄像头遮挡检测方法、装置、电子设备及可读存储介质，用于根据摄像头实时采集的图像帧，在任何光照条件下都能够及时地判断出摄像头是否被遮挡，提高了遮挡检测的准确性。
[0006]本申请提供一种摄像头本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摄像头遮挡检测方法，其特征在于，包括：获取目标摄像头采集的目标图像，并计算所述目标图像的光照强度；基于所述目标图像的光照强度与预设光照强度的比较结果，使用目标模型对所述目标图像进行分析，并生成分析结果；其中，所述预设光照强度为对摄像头是否被遮挡判断错误的图像的光照强度平均值；所述分析结果用于指示所述目标摄像头是否被遮挡。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标图像的光照强度与预设光照强度的比较结果，使用目标模型对所述目标图像进行分析，并生成分析结果，包括：在所述目标图像的光照强度小于或者等于所述预设光照强度的情况下，使用所述目标模型的第一处理单元对所述目标图像进行分析，并生成分析结果；或者，在所述目标图像的光照强度大于所述预设光照强度的情况下，使用所述目标模型的第二处理单元对所述目标图像进行分析，并生成分析结果；其中，所述第一处理单元用于通过边缘检测算法通过所述目标图像判断所述目标摄像头是否被遮挡；所述第二处理单元包括：图像识别模型；所述图像识别模型为改进后的AlexNet模型经过训练后得到的；所述改进后的AlexNet模型由七个卷积层和三个全连接层串联而成；所述改进后的AlexNet模型的前五个卷积层中每两个卷积层之间、以及所述改进后的AlexNet模型的第七个卷积层之后均包括：批量标准化层和Dropout层。3.根据权利要求2所述的方法，其特征在于，所述改进后的AlexNet模型的每个卷积层的卷积核的大小均为第一预设尺寸、激活函数为ReLu、且填充方式为Same padding；所述改进后的AlexNet模型的第一个卷积层与第二个卷积层之间的Dropout层、以及第二个卷积层与第三个卷积层之间的Dropout层的参数均为第一参数；所述改进后的AlexNet模型的第三个卷积层与第四个卷积层之间的Dropout层的参数为第二参数；所述改进后的AlexNet模型的第四个卷积层与第五个卷积层之间的Dropout层以及第七个卷积层之后的Dropout层的参数为第三参数；所述第一参数的值小于所述第二参数的值；所述第二参数的值小于所述第三参数的值。4.根据权利要求2所述的方法，其特征在于，所述改进后的AlexNet模型的池化层均为第二预设尺寸的最大池化层。5.根据权利要求2至4中任一项所述的方法，其特征在于，所述图像识别模型为基于以下步骤对所述改进后的AlexNet模型进行训练后得到的：获取摄像头采集的多个图像帧作为样本图像，并通过预设处理方法对所述样本图像进行数据增强处理，得到目标样本集；所述目标样本集包括：训练集和验证集；使用所述目标...

【专利技术属性】
技术研发人员：李建强，邸远航，赵琳娜，程文秀，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：