本发明专利技术提供了一种用于检测摄像头移动的检测方法及装置，方法包括：定期获取视频流的当前帧图像作为第一待检测帧图像；确定第一检测帧图像的特征向量；利用当前配置的短期参考库中的图像的特征向量的集合与第一待检测帧图像进行比对，以确认第一待检测帧图像所对应的时刻，摄像头是否发生移动；获取视频流的当前帧图像作为第二待检测帧图像；基于第二待检测帧图像的类别以及预先配置的长期参考库，确定第二待检测帧图像所对应的时刻，摄像头是否发生移动。本发明专利技术通过使用短期对比模式以及长期对比模式，可以实时的监测摄像头的移动，同时通过和长期摄像头参照库对比，提高了判断的准确性和可靠性。准确性和可靠性。准确性和可靠性。
【技术实现步骤摘要】
一种用于检测摄像头移动的检测方法及装置
[0001]本专利技术涉及视频监控
，尤其涉及一种用于检测摄像头移动的检测方法及装置。
技术介绍
[0002]如今视频监控作为安保最主要的手段之一，已被广泛运用于各个领域和地区。其中监控摄像头作为获取实时数据的主力，大量的被安置在大街小巷。监控摄像头在安装时，其镜头涵盖的位置一般都是设计固定好的，这样才可以监视到目标位置。摄像头的移动或损坏会直接造成无法捕捉所需的实时场景或数据缺失，埋下巨大的安全隐患。
[0003]摄像头移动可分为事故性移动和人为移动，其中事故性移动包含摄像头故障或因外界自然因素导致摄像头的位置发生变动或遮挡。人为移动顾名思义为人恶意移动或遮挡摄像头导致其无法正常捕捉画面。由于摄像头数量庞大，若是单纯靠人工看监视屏来检测设备是否正常运作，将会损耗巨大的人力也无法做到每天照顾数以万计的摄像头。使得设备故障无法被追溯或者无法及时处理，从而丢失有用数据。
[0004]判断摄像头移动的主要方式就是进行帧与帧之间的对比。若对比的两帧之间的区别大于规定阈值，可基本判定为摄像头移动。其难点在于不能简单地通过两帧之间的像素点差异来定义两帧之间的区别，其原因在于摄像头拍摄的内容不断变化，像素点的差异很大并不能表示摄像头的移动，所以常用的方法需要区分拍摄内容的前景和背景部分，而只有背景发生变化才会被认为是摄像头移动。通常采用检测视频流中连续的两帧图像。首先标注图像中纹理块并且将对应位置灰度图相减得到帧差值来判断摄像头是否移动。
[0005]首先由于摄像头所处环境可能非常复杂，例如天气突然变换，这样以来虽然画面并没有移动，但由于外界因素(雨，雪)影响导致纹理块进行变化，从而使得现有检测方法出现误判情况。
[0006]在安防场景下，移动检测的目的只是判断摄像头是否移动，一旦发生移动则会派遣施工团队对摄像头进行维护，因此对实时性要求并不高。而现有检测方法需检测连续的两帧，检测频率频繁，复杂度高。而且摄像头数量之庞大，若想在每个摄像头上实现现有检测方法，将会产生很高的计算成本，增加硬件资源的投入以及能源的消耗。
[0007]更甚，因现有检测方法只是基于连续的两帧，一旦遗漏镜头移动的时间点，并不能够再次发现潜在的问题。
技术实现思路
[0008]本专利技术要解决的技术问题是，现有的检测技术中，通常需要对前景和背景进行判断，准确度低；或是需要检测连续帧的状态来判断摄像头的移动情况，计算量较大。有鉴于此，本专利技术提供一种用于检测摄像头移动的检测方法及装置。
[0009]本专利技术采用的技术方案是，所述用于检测摄像头移动的检测方法，包括：
[0010]步骤1，定期获取视频流的当前帧图像作为第一待检测帧图像；
[0011]步骤2，确定所述第一检测帧图像的特征向量；
[0012]步骤3，利用当前配置的短期参考库中的图像的特征向量的集合与所述第一待检测帧图像进行比对，以确认所述第一待检测帧图像所对应的时刻，摄像头是否发生移动；
[0013]步骤4，重复所述步骤1至步骤3至预设的周期次数；
[0014]步骤5，获取视频流的当前帧图像作为第二待检测帧图像；
[0015]步骤6，基于预设的分类模型，对所述第二待检测帧图像做分类处理；
[0016]步骤7，基于所述第二待检测帧图像的类别以及预先配置的长期参考库，确定所述第二待检测帧图像所对应的时刻，摄像头是否发生移动。
[0017]在一个实施方式中，所述步骤3进一步包括：
[0018]所述短期参考库预先配置有N个短期参考帧图像，当获取到所述第一检测帧图像的特征向量时，通过卷积神经网络来判断N+1帧当前图像的特征向量两两之间的第一距离，并利用聚类算法，确定所述第一距离的类别数目，当出现不同类别时，则判定当前所述第一检测帧图像所对应的时刻，摄像头发生了移动。
[0019]在一个实施方式中，所述步骤3进一步包括：
[0020]当判定所述第一检测帧图像所对应的时刻，摄像头发生了移动时，不对所述短期参考库进行更新；
[0021]当未判定所述第一检测帧图像所对应的时刻，摄像头发生了移动时，将所述第一待检测帧图像的特征向量，加入至所述短期参考库，并且删除所述短期参考库中的，时间距当前时刻最长的短期参考帧图像所对应的特征向量。
[0022]在一个实施方式中，所述步骤7进一步包括：
[0023]确定所述长期参考库中，是否存在与所述第二待检测帧图像处于同一类别的长期参考帧图像，若不存在，将当前所述第二待检测帧图像及其对应类别，配置于所述长期参考库中；
[0024]确定所述长期参考库中，是否存在与所述第二待检测帧图像亮度一致的长期参考帧，若不存在，停止对当前所述第二待检测帧图像的检测处理；
[0025]利用卷积神经网络，确定所述长期参考库中，亮度以及类别均与所述第二待检测帧图像相同的长期参考帧图像的特征向量，与所述第二待检测帧图像的特征向量之间的第二距离；
[0026]当所述第二距离大于预先配置的长期参考阈值时，判定所述第二待检测帧图像对应的时刻，摄像头发生了移动。
[0027]在一个实施方式中，步骤7进一步包括：
[0028]响应于用户对判定摄像头发生移动的确认信息，重置所述长期参考库；
[0029]响应于用户对判定摄像头发生移动的否认信息，确认是否将当前所述第二待检测帧图像加入所述长期参考库。
[0030]在一个实施方式中，所述卷积神经网络包括：连体神经网络，采用三元损失函数的卷积神经网络。
[0031]本专利技术的另一方面还提供了一种用于检测摄像头移动的检测装置，包括：
[0032]第一获取模块，被配置为定期获取视频流的当前帧图像作为第一待检测帧图像；
[0033]计算模块，被配置为确定所述第一检测帧图像的特征向量；
[0034]短期检测模块，被配置为利用当前配置的短期参考库中的图像的特征向量的集合与所述第一待检测帧图像进行比对，以确认所述第一待检测帧图像所对应的时刻，摄像头是否发生移动；
[0035]迭代模块，被配置为重复所述第一获取模块，所述计算模块，所述短期检测模块的处理至预设的周期次数；
[0036]第二获取模块，被配置为获取视频流的当前帧图像作为第二待检测帧图像；
[0037]分类模块，被配置为基于预设的分类模型，对所述第二待检测帧图像做分类处理；
[0038]长期检测模块，被配置为基于所述第二待检测帧图像的类别以及预先配置的长期参考库，确定所述第二待检测帧图像所对应的时刻，摄像头是否发生移动。
[0039]本专利技术的另一方面还提供了一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上任一项所述的用于检测摄像头移动的检测方法的步骤。
[0040]本专利技术的另一方面还提供了一种计算机存储介质，所述计算机存储介质上存储有计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于检测摄像头移动的检测方法，其特征在于，包括：步骤1，定期获取视频流的当前帧图像作为第一待检测帧图像；步骤2，确定所述第一检测帧图像的特征向量；步骤3，利用当前配置的短期参考库中的图像的特征向量的集合与所述第一待检测帧图像进行比对，以确认所述第一待检测帧图像所对应的时刻，摄像头是否发生移动；步骤4，重复所述步骤1至步骤3至预设的周期次数；步骤5，获取视频流的当前帧图像作为第二待检测帧图像；步骤6，基于预设的分类模型，对所述第二待检测帧图像做分类处理；步骤7，基于所述第二待检测帧图像的类别以及预先配置的长期参考库，确定所述第二待检测帧图像所对应的时刻，摄像头是否发生移动。2.根据权利要求1所述的用于检测摄像头移动的检测方法，其特征在于，所述步骤3进一步包括：所述短期参考库预先配置有N个短期参考帧图像，当获取到所述第一检测帧图像的特征向量时，通过卷积神经网络来判断N+1帧当前图像的特征向量两两之间的第一距离，并利用聚类算法，确定所述第一距离的类别数目，当出现不同类别时，则判定当前所述第一检测帧图像所对应的时刻，摄像头发生了移动。3.根据权利要求2所述的用于检测摄像头移动的检测方法，其特征在于，所述步骤3进一步包括：当判定所述第一检测帧图像所对应的时刻，摄像头发生了移动时，不对所述短期参考库进行更新；当未判定所述第一检测帧图像所对应的时刻，摄像头发生了移动时，将所述第一待检测帧图像的特征向量，加入至所述短期参考库，并且删除所述短期参考库中的，时间距当前时刻最长的短期参考帧图像所对应的特征向量。4.根据权利要求1所述的用于检测摄像头移动的检测方法，其特征在于，所述步骤7进一步包括：确定所述长期参考库中，是否存在与所述第二待检测帧图像处于同一类别的长期参考帧图像，若不存在，将当前所述第二待检测帧图像及其对应类别，配置于所述长期参考库中；确定所述长期参考库中，是否存在与所述第二待检测帧图像亮度一致的长期参考帧，若不存在，停止对当前所述第二待检测帧图像的检测处理；利用卷积神经网络，确定所述长期参...
【专利技术属性】
技术研发人员：徐林，邱丰，
申请(专利权)人：镕铭微电子济南有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。