【技术实现步骤摘要】
本申请涉及图像处理，尤其是涉及一种摄像头异常检测方法、系统、存储介质及电子设备。
技术介绍
1、商场的客流量变化决定了商场的运营状况，也关乎着商场的未来发展。目前很多商场的重要出入口安装了客流统计摄像头，实时的统计分析不同时间段进出商场的客流量数据，为商场后续决策提供重要数据支撑。但是，客流统计摄像头在实际使用中会出现以下几种异常情况：情况一、由于设备故障或网络传输问题等原因，导致采集的图像出现过/欠曝光、散光、黑屏、花屏、偏色等现象；情况二、镜头被恶意涂黑、粘贴胶带、口香糖、塑料袋等遮挡监控画面的情况。针对上述情况，若仅仅利用人工的方式每天监控摄像头，将会大大增加人工成本，且工作效率低下。因此，很有必要研究一种摄像头异常检测算法，采用图像处理的方式自动检测图像画面是否正常。
2、针对上述问题，目前的方法主要检测摄像头被遮挡的情况，并未涉及由于设备故障或网络传输问题等原因，造成的散光、黑屏、花屏、偏色等异常问题。且目前的方法主要针对的是单一摄像头下的遮挡检测，且需要提供每个摄像头采集的视频数据，当前端中安装了大量摄像头时，上传所有摄像头的视频数据会大大增加带宽压力和用户传输成本，进而对摄像头逐一进行遮挡检测和判断，计算量大且效率低。
技术实现思路
1、本申请的目的在于提供一种摄像头异常检测方法、系统、存储介质及电子设备，用于解决现有技术中需要上传视频数据且不能同时对多个摄像头进行异常检测的技术问题。
2、第一方面，本申请提供一种摄像头异常检测方法，所述摄像头
3、在第一方面的一种实现方式中，所述对所述待检测图像进行特征提取，以获取与所述待检测图像对应的特征向量包括：获取裁剪后的预训练模型；基于所述预训练模型获取与所述待检测图像对应的特征向量。
4、在第一方面的一种实现方式中，所述基于无监督异常检测算法对所述特征向量进行检测，获取异常特征向量包括：构建与所述特征向量集合对应的直方图；根据所述直方图分别对每个所述特征向量进行异常分数计算，获取与所述特征向量对应的异常分数；根据所述异常分数，得到异常特征向量。
5、在第一方面的一种实现方式中，所述根据所述特征向量集合构建对应的直方图，包括：对所述特征向量集合中的所述特征向量进行归一化处理；将归一化后的所述特征向量按照预设等宽区间构建直方图，并获取各个区间内的所述特征向量的数量。
6、在第一方面的一种实现方式中，所述异常分数的计算公式为：
7、hbos(x)＝1/(n*sum(min(dist(x,b))/dist(x,b)))
8、其中，x表示特征向量，n表示直方图中的区间数量，b表示直方图中的一个区间索引，dist(x,b)表示特征向量x与直方图中的区间b的距离，min(dist(x,b))表示特征向量x与所有区间的距离中的最小值，hbos(x)表示特征向量x的异常分数。
9、在第一方面的一种实现方式中，所述根据所述异常分数，得到异常特征特征向量包括：判断各个所述特征向量的异常分数是否大于预设异常分数值，若是，则所述特征向量为异常特征向量。
10、在第一方面的一种实现方式中，至少获取两个摄像头对应的待检测图像，任一摄像头至少获取一张所述待检测图像。
11、第二方面，本申请提供一种摄像头异常检测系统，所述摄像头异常检测系统包括：采集模块，用于获取与各摄像头对应的待检测图像；特征提取模块，用于对所述待检测图像进行特征提取，以获取与所述待检测图像对应的特征向量，结合不同的所述待检测图像对应的特征向量，以获取特征向量集合；异常检测模块，用于基于无监督异常检测算法对所述特征向量集合进行检测，获取异常特征向量，输出模块，用于根据所述异常特征向量获取异常摄像头。
12、第三方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被电子设备执行时实现本申请第一方面任一项所述的摄像头异常检测方法。
13、第四方面，本身请提供一种电子设备，包括：处理器和存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行本申请第一方面任一项所述的摄像头异常检测方法。
14、如上所述，本申请所述的摄像头异常检测方法、系统、存储介质及电子设备，具有以下
15、有益效果：
16、第一，本申请基于无监督异常检测算法可同时对多个摄像头进行异常检测，可大大提升摄像头异常检测的运行速度。
17、第二，本申请中，只需获取每个摄像头采集的一张照片即可实现摄像头异常检测，降低了带宽压力和用户传输成本。
18、第三，本申请不仅可以对摄像头遮挡进行检测，而且对由于设备故障或网络传输问题等原因造成的异常情况同样适用。
本文档来自技高网...【技术保护点】
1.一种摄像头异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的摄像头异常检测方法，其特征在于，所述对所述待检测图像进行特征提取，以获取与所述待检测图像对应的特征向量包括：
3.根据权利要求1所述的摄像头异常检测方法，其特征在于，所述基于无监督异常检测算法对所述特征向量集合进行检测，获取异常特征向量包括：
4.根据权利要求3所述的摄像头异常检测方法，其特征在于，所述根据所述特征向量集合构建对应的直方图，包括：
5.根据权利要求4所述的摄像头异常检测方法，其特征在于，所述异常分数的计算公式为：
6.根据权利要求3所述的摄像头异常检测方法，其特征在于，根据所述异常分数，得到异常特征向量包括：判断各个所述特征向量的异常分数是否大于预设异常分数值；
7.根据权利要求1所述的摄像头异常检测方法，其特征在于，至少获取两个摄像头对应的待检测图像，任一摄像头至少获取一张所述待检测图像。
8.一种摄像头异常检测系统，其特征在于，所述系统包括：
9.一种计算机可读存储介质，其上存储有计算机
10.一种电子设备，其特征在于，包括处理器及存储器；
...【技术特征摘要】
1.一种摄像头异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的摄像头异常检测方法，其特征在于，所述对所述待检测图像进行特征提取，以获取与所述待检测图像对应的特征向量包括：
3.根据权利要求1所述的摄像头异常检测方法，其特征在于，所述基于无监督异常检测算法对所述特征向量集合进行检测，获取异常特征向量包括：
4.根据权利要求3所述的摄像头异常检测方法，其特征在于，所述根据所述特征向量集合构建对应的直方图，包括：
5.根据权利要求4所述的摄像头异常检测方法，其特征在于，所述异常分数的计算公式为：
6...
【专利技术属性】
技术研发人员：袁德胜，崔龙，张晓东，韩雪云，马卫民，汤少希，
申请(专利权)人：广州汇纳数智科技有限公司，
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。