一种摄像头遮挡异常的检测方法及电子设备技术

本发明专利技术公开了一种摄像头遮挡异常的检测方法及电子设备，本发明专利技术将图片均匀分成三行三列的九块，提取图像块的纹理特征、直方图特征和均值特征，结合图像块的位置关系对提取的纹理特征、直方图特征和均值特征设计合理的判断逻辑，分别做出摄像头正常、被遮挡以及异常的判断。本发明专利技术能基于视频单帧图像实时检测摄像头情况，具有低延迟、高精度的性能；充分利用图片位置信息、纹理信息、亮度信息以及像素值分布信息，具有灵活性强，精准度高的特点；能分别识别出摄像头正常和被遮挡之外的异常情况。本发明专利技术所定义的异常指摄像头受信号扰动、光线等原因造成的摄像头画面模糊不清晰的情况。原因造成的摄像头画面模糊不清晰的情况。原因造成的摄像头画面模糊不清晰的情况。

【技术实现步骤摘要】
一种摄像头遮挡异常的检测方法及电子设备


[0001]本专利技术涉及图像识别领域，特别是涉及一种摄像头遮挡异常的检测方法及电子设备。

技术介绍

[0002]安全问题一直以来是非常受到人们关注的问题，特别是一些重要的公共场所，为了保证大家的安全，往往会安装监控摄像头。一个清晰的监控设备，可以帮助我们预防一些事情的发生，还可以为其他事情的追溯提供现场第一画面。
[0003]比如，公共汽车上安装监控摄像头有利于及时了解司机乘客情况便于安全管理。管理人员可以及时、直观的通过监控摄像头了解车内司乘的情况，便于分析、管理工作的实施。同时摄像头提供的视频画面也是做驾驶员行为分析的主要数据。上述情景均需要摄像头在正常的条件下进行工作，才能很好地起到辅助效果，摄像头一旦被遮挡或者出现异常，则无法通过摄像头观察监控对象，虽然现在已经有一些用于检测摄像头是否被遮挡的方法。如专利技术专利申请CN106326917A公开了一种摄像头遮挡智能检测方法，该方法具体工艺包括图像降采样、Gabor滤波处理、PCA降维处理、数据训练和遮挡判断等步骤;通过将图像的uniformLBP特征作为学习分类的特征对支撑向量机进行训练，用训练后的参数判断新的图像判断摄像头是否存在遮挡;通过对采集的样本图像进行Gabor滤波增加样本图像的uniformLBP特征的稳定性和精确度;通过对uniformLBP特征进行PCA降维降低了支撑向量机的训练数据量;其原理可靠，判断速度快，判断准确率高，实施成本低，应用环境友好。专利技术专利CN104240235B公开了一种检测摄像头被遮挡的方法及系统，主要包括选择摄像头在未遮挡时的一帧图像作为参考帧;比较当前帧与参考帧的灰度直方图的分布相似性,若相似性小于第一阈值,依次比较当前帧之后连续多帧与参考帧的灰度直方图的分布相似性,若相似性均小于第一阈值,则将所述连续多帧的下一帧作为第一当前帧;比较第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的相似性,若第一当前帧及其之后连续多帧之间每相邻两帧图像的灰度直方图的分布相似性大于第二阈值,则确定摄像头的状态为遮挡。专利技术专利申请CN111275658A公开了一种摄像头遮挡检测的方法和系统包括:获取图像各像素单元的颜色信息;根据所述图像各像素单元的颜色信息,统计所述图像的颜色种类数量;若所述图像的颜色种类数量小于遮挡临界阈值,则判定拍摄所述图像的摄像头被遮挡,若所述图像的颜色种类数量大于或等于遮挡临界阈值,则判定拍摄所述图像的摄像头不被遮挡，本申请根据单帧图像信息即可检测拍摄该图像的摄像头是否被遮挡,对检测系统的配置要求较低,检测速度较快。
[0004]但是上述方法还存在一些问题，比如，无法在背景较复杂的场景工作、无法识别亮度不均匀的遮挡物、无法识别光污染异常等，导致误报率和漏报率极高。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种摄像头遮挡异常的检测方法及电子设
备。本专利技术的目的通过以下技术方案实现：一种摄像头遮挡异常的检测方法，包括如下步骤：S101、图片输入：读取摄像头拍摄的视频流，获取图像帧；S102、转灰度图：将图像帧转为灰度图；S103、分块：将灰度图均匀分割成N*N个图像块；N为每排以及每列的图像块数量，N≥3；S104、获得图像块特征：分别计算得到各个图像块特征，各个图像块特征包括直方图特征、均值特征和纹理特征；S105、获得图像特征：将各个图像块特征进行拼接，得到整个图像特征；S106：获得图像块特征集：将图像块特征与整个图像特征集合形成图像块特征集；S107：设置特征选取与判断规则，确定摄像头的情况，摄像头的情况包括正常且未遮挡、正常且遮挡、异常。
[0006]进一步的改进，N=3。
[0007]进一步的改进，步骤S107中的特征选取与判断规则如下：S1071、判断中间区域图像块的纹理特征是否大于或等于第一预设阈值，是则有足够的纹理，否则没有足够的纹理；若中间区域图像块没有足够纹理，说明摄像头正常且遮挡或摄像头异常，则进入步骤S1072；否则进入步骤S1073；S1072、基于均值特征判断整张图像的图像亮度，若图像亮度大于或等于第二阈值，则摄像头正常且遮挡，否则进入步骤S1074；S1073、判断图像纹理是否小于第三阈值，小于第三阈值则图像纹理不丰富，否则图像纹理丰富；若图像纹理不丰富则判断为摄像头异常，否则转步骤S1075；S1074、若第二排的图像块的纹理特征均小于或等于0则判断为摄像头正常且遮挡，否则判断为摄像头异常；S1075、对如下两个条件进行判断：条件一、对所有的图像块直方图特征从大到小进行排序，并得到前面两个最大值之和，判断前面两个最大值之和是否大于或等于0.9；条件二、判断每列三个图像块的标准差是否小于225*y/3；若条件一和条件二有一个成立则为摄像头异常，否则为摄像头正常且未遮挡。
[0008]进一步的改进，步骤S1071中，第一预设阈值为y/2，y的取值范围为0.005
‑
0.05。
[0009]进一步的改进，S1073中，第三阈值为y，y的取值范围为0.005
‑
0.05；将第二排三个图像块中最大的纹理特征作为图像纹理。
[0010]进一步的改进，y=0.01进一步的改进，步骤S1072中，图像亮度的计算方法如下：对所有图像块的均值特征fm的值进行排序，取最大的四个值求平均得到图像亮度；第二阈值为225/2。
[0011]进一步的改进，所述步骤S104中，提取图像块的直方图特征时，从0
‑
255等距离分成10组，得到每组像素灰度值分布的概率值，作为直方图特征。
[0012]进一步的改进，步骤S103中，将灰度图按照九宫格的形式均匀分割成九块并按照自上向下、左向右的顺序依次排序编号。
[0013]一种电子设备，包括：存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述方法的步骤。
[0014]本专利技术的有益效果在于：第一：本专利技术能基于视频单帧图像实时检测摄像头情况，具有低延迟、高精度的性能。
[0015]第二：本专利技术充分利用图片位置信息、纹理信息、亮度信息以及像素值分布信息，具有灵活性强，精准度高的特点。
[0016]第三：本专利技术能分别识别出摄像头正常和被遮挡之外的异常情况。本文所定义的异常指摄像头受信号扰动、光线等原因造成的摄像头画面模糊不清晰的情况。
附图说明
[0017]利用附图对本专利技术做进一步说明，但附图中的内容不构成对本专利技术的任何限制。
[0018]图1为图像分块的示意图；图2为本专利技术的总体流程示意图；图3为步骤S107中设置特征选取与判断规则的流程示意图；图4
‑
1为遮挡类型检出图一；图4
‑
2为遮挡类型检出图二；图4
‑
3为遮挡类型检出图三；图4
‑
4为遮挡类型检出图四；图4
‑
5为遮挡类型检出图五；图4
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摄像头遮挡异常的检测方法，其特征在于：包括如下步骤：S101、图片输入：读取摄像头拍摄的视频流，获取图像帧；S102、转灰度图：将图像帧转为灰度图；S103、分块：将灰度图均匀分割成N*N个图像块；N为每排及每列的图像块数量，N≥3；S104、获得图像块特征：分别计算得到各个图像块特征，各个图像块特征包括直方图特征、均值特征和纹理特征；S105、获得图像特征：将各个图像块特征进行拼接，得到整个图像特征；S106：获得图像块特征集：将图像块特征与整个图像特征集合形成图像块特征集；S107：设置特征选取与判断规则，确定摄像头的情况，摄像头的情况包括正常且未遮挡、正常且遮挡、异常。2.如权利要求1所述的摄像头遮挡异常的检测方法，其特征在于，N=3。3.如权利要求2所述的摄像头遮挡异常的检测方法，其特征在于，步骤S107中的特征选取与判断规则如下：S1071、判断中间区域图像块的纹理特征是否大于或等于第一预设阈值，是则有足够的纹理，否则没有足够的纹理；若中间区域图像块没有足够纹理，说明摄像头正常且遮挡或摄像头异常，则进入步骤S1072；否则进入步骤S1073；S1072、基于均值特征判断整张图像的图像亮度，若图像亮度大于或等于第二阈值，则摄像头正常且遮挡，否则进入步骤S1074；S1073、判断图像纹理是否小于第三阈值，小于第三阈值则图像纹理不丰富，否则图像纹理丰富；若图像纹理不丰富则判断为摄像头异常，否则转步骤S1075；S1074、若第二排的图像块的纹理特征均小于或等于0则判断为摄像头正常且遮挡，否则判断为摄像头异常；S1075、对如下两个条件进行判断：条件一、对所有的图像块直方图特征从大到小进行排序，并得到前面两个最大值之和，...

【专利技术属性】
技术研发人员：谢旗旺，闾凡兵，吴婷，谭芳芳，
申请(专利权)人：长沙海信智能系统研究院有限公司，
类型：发明
国别省市：