CN103780899A - 一种检测摄像机是否被干扰的方法、装置及视频监控*** - Google Patents
一种检测摄像机是否被干扰的方法、装置及视频监控*** Download PDFInfo
- Publication number
- CN103780899A CN103780899A CN201210413115.4A CN201210413115A CN103780899A CN 103780899 A CN103780899 A CN 103780899A CN 201210413115 A CN201210413115 A CN 201210413115A CN 103780899 A CN103780899 A CN 103780899A
- Authority
- CN
- China
- Prior art keywords
- image
- video camera
- reference picture
- disturbed
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/02—Monitoring continuously signalling or alarm systems
- G08B29/04—Monitoring of the detection circuits
- G08B29/046—Monitoring of the detection circuits prevention of tampering with detection circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种检测摄像机是否被干扰的方法、装置及视频监控***,涉及摄像机检测技术领域,用于通过摄像机在任一时刻采集的一帧第一图像的锐度和信息熵,检测摄像机是否被干扰。所述方法包括:获取摄像机在第一时刻所采集的一帧第一图像;将所述第一图像灰度化;根据所述第一图像的锐度和/或所述第一图像的信息熵,判断所述摄像机在所述第一时刻是否被干扰。本发明无需实时更新图像,适用于对摄像机进行轮询检测的情况。
Description
技术领域
本发明涉及摄像机检测技术领域,尤其涉及一种检测摄像机是否被干扰的方法、装置及视频监控***。
背景技术
视频监控***被广泛应用于平安城市、交通、园区监控等领域。摄像机是视频监控最主要的前端采集设备,它为视频监控***提供基础的图像采集功能。现实生活中,摄像机可能被犯罪分子有意遮挡或移位或破坏(统称为对摄像机的干扰),也可能由于某些意外事件致使摄像机被移动或是遮挡,这样视频监控***就失去了作用。在大型的监控***中,摄像机的数量几千甚至上万台,人工检测的方法造成人力的浪费,也非常艰难。因此通过监控***自动检测摄像机是否被干扰具有重大的实际意义。
现有技术中对视频摄像头是否发生干扰的检测主要采用直方图匹配法,具体为:首先图像的颜色级假设为k,k=1,2...N。然后统计在整幅图像中每个颜色级的颜色数H(k)。
假设两帧图像Ii和Ij的直方图为Hi和Hj,则颜色直方图匹配的计算公式如下:
通过d与设定的阈值比较,可以判断摄像机是否发生遮挡或移动。
利用上述方法的优点是计算简单速度快。但是其缺点是,通过计算两帧图像的变化程度检测摄像机是否被干扰,需要不断实时更新图像,因此只能进行实时检测而无法适用轮询检测的情况。而实时检测对宽带和处理能力要求非常高,不适用于大型监控***。
发明内容
本发明提供一种检测摄像机是否被干扰的方法、装置及视频监控***,通过摄像机在任一时刻采集的一帧第一图像的锐度和信息熵,检测摄像机是否被干扰,适用于轮询检测的情况。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,本发明实施例提供了一种检测摄像机是否被干扰的方法,包括:获取摄像机在第一时刻所采集的一帧第一图像;
将所述第一图像灰度化;
根据灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
结合第一方面,在第一种可能的实施方式中,根据灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰,包括:
计算所述第一图像的锐度和/或所述第一图像的信息熵;
将所述第一图像的锐度与第一阈值进行比较得到第一比较结果,和/或,将所述第一图像的信息熵与第二阈值进行比较得到第二比较结果;
根据所述第一比较结果和/或第二比较结果判断所述摄像机是否被干扰。
结合第一方面,在第二种可能的实施方式中,在检测所述摄像机在所述第一时刻是否被干扰之前,所述方法还包括:
滤除所述第一图像的噪点。
结合第一方面,在第三种可能的实施方式中,若所述摄像机在所述第一时刻未被干扰,所述方法还包括:
获取所述摄像机在第二时刻采集的一帧第二图像;所述第二时刻为所述第一时刻后的任一时刻;
至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰;所述参考图像为所述摄像机未被干扰时的一帧图像。
结合第一方面的第三种可能实现的方式,在第四种可能的实施方式中,所述至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰包括:
根据所述第二图像与参考图像相似的程度,以及所述第二图像与所述参考图像的锐度值之差,检测所述摄像机在所述第二时刻是否被干扰。
结合第一方面的第三种或第四种可能的实施方式,在第五种可能的实施方式中,所述至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰包括:
计算所述第二图像与参考图像的相似度或者不相似度;
根据所述第二图像与参考图像的相似度或不相似度判断所述摄像机在所述第二时刻是否被干扰;
或者,包括:
计算所述第二图像与参考图像的相似度或者不相似度,以及所述第二图像与所述参考图像的锐度值之差;
根据所述第二图像与参考图像的相似度或不相似度,以及所述第二图像与所述参考图像的锐度值之差,判断所述摄像机在所述第二时刻是否被干扰。
结合第一方面的第五种可能的实施方式,在第六种可能的实施方式中,所述计算所述第二图像与参考图像的相似度或者不相似度,包括:
将所述第二图像分割为预定个数的图像块;
计算所述第二图像的各个图像块的哈希指纹;
根据所述第二图像的各个图像块的哈希指纹、以及所述参考图像的对应图像块的哈希指纹,计算所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离;
至少根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。
结合第一方面的第六种可能的实施方式,在第七种可能的实施方式中,所述至少根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度包括:
根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块;
至少计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和;
根据所述所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,得到所述第二图像与参考图像的相似度或不相似度。
第二方面,本发明实施例提供了一种检测摄像机是否被干扰的装置,包括:
第一获取单元,用于获取摄像机在第一时刻所采集的一帧第一图像;
第一处理单元,用于将所述第一图像灰度化;
第一检测单元,用于根据第一处理单元灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
结合第二方面,在第一种可能的实施方式中,所述装置,还包括:第二处理单元,用于滤除第一获取单元获取的第一图像的噪点。
结合第二方面,在第二种可能的实施方式中,所述装置,还包括:
第二获取单元,用于获取所述摄像机在第二时刻采集的一帧第二图像;所述第二时刻为所述第一时刻后的任一时刻;
第二检测单元,用于至少根据第二获取单元获取的第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰;所述参考图像为所述摄像机未被干扰时的一帧图像。
第三方面,本发明实施例提供了一种视频监控***,包括:摄像机以及第二方面所述的检测摄像机是否被干扰的装置。
本发明提供的一种检测摄像机是否被干扰的方法、装置及视频监控***,通过摄像机在任一时刻采集的一帧第一图像的锐度和/或所述第一图像的信息熵,检测摄像机是否被干扰,这样就无需与参考图像作对比,只需要一帧第一图像就可以完成检测,因此无需实时更新图像,适用于轮询检测的情况。
附图说明
图1为本发明实施例提供的一种检测摄像机是否被干扰的方法流程示意图;
图2为本发明实施例提供的一种检测摄像机是否被干扰的流程示意图;
图3为本发明实施例提供的另一种检测摄像机是否被干扰的流程示意图;
图4为本发明实施例提供的另一种检测摄像机是否被干扰的流程示意图;
图5为本发明实施例提供的另一种检测摄像机是否被干扰的流程示意图;
图6为本发明实施例提供的另一种检测摄像机是否被干扰的方法流程示意图;
图7为本发明实施例提供的一种检测摄像机是否被干扰的流程示意图;
图8为本发明实施例提供的一种得到图像的相似度或不相似度的流程示意图;
图9为本发明实施例提供的另一种检测摄像机是否被干扰的流程示意图;
图10为本发明实施例提供的一种检测摄像机是否被干扰的装置示意图;
图11为本发明实施例提供的另一种检测摄像机是否被干扰的装置示意图;
图12为本发明实施例提供的一种第二检测单元示意图;
图13为本发明实施例提供的另一种第二检测单元示意图;
图14为本发明实施例提供的一种第一计算子单元示意图;
图15为本发明实施例提供的一种第二计算子单元示意图;
图16为本发明实施例提供的一种第三计算模块示意图;
图17为本发明实施例提供的另一种第三计算模块示意图;
图18为本发明实施例提供的一种检测摄像机是否被干扰的装置示意图;
图19为本发明实施例提供的图像分块及对应权重分布示意图;
图20为本发明实施例提供的图像块比较结果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1,本发明实施例提供了一种检测摄像机是否被干扰的方法,该方法包括:
S101、获取摄像机在第一时刻所采集的一帧第一图像。
本发明中的第一时刻是指任一时刻,摄像机在第一时刻所采集的一帧图像称为第一图像。
S102、将所述第一图像灰度化。
灰度化是将彩色多通道的图像转换到单一的灰度通道,即图像的所有颜色用不同的灰度表示。
S103、根据灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
第一图像的锐度是指图像边缘锐利程度,是反映图像平面清晰度的一个指标。可以认为锐度越小,则摄像机越可能被干扰;锐度越大,则摄像机越可能未被干扰。
第一图像的信息熵是指图像包含的信息量,反映图像颜色的丰富程度,且图像越单调图像信息熵越低。可以认为信息熵越小,则摄像机越可能被干扰;信息熵越大,则摄像机越可能未被干扰。
干扰可以是遮挡、移位、喷涂、破坏等影响摄像机监控的不良因素。
进一步的,步骤S103具体包括:计算所述第一图像的锐度和/或所述第一图像的信息熵,将所述第一图像的锐度与第一阈值进行比较得到第一比较结果,和/或,将所述第一图像的信息熵与第二阈值进行比较得到第二比较结果,根据所述第一比较结果和/或第二比较结果判断所述摄像机是否被干扰。
其中,第一阈值是指用锐度来表征摄像机被干扰和未被干扰的临界值,第二阈值是指用信息熵来表征摄像机被干扰和未被干扰的临界值。
具体如何根据第一图像的锐度与第一阈值和/或第一图像的信息熵与第二阈值,判断所述摄像机是否被干扰,可以由以下实施例的方式实现:
方式一、参照图2,此步骤可以包括:
S1031、计算所述第一图像的锐度。
示例的,图像的锐度的计算方法可以采用EAV算法,其计算公式为:
其中,E为图像的锐度,f(x)为图像边缘x点的灰度函数,df/dx为图像边缘法向的灰度变化率,f(b)-f(a)为该方向总体灰度变化,取最大的锐度为图像的锐度。
S1032、判断第一图像的锐度是否小于第一阈值。
若第一图像的锐度小于第一阈值,则表示摄像机在第一时刻已经被干扰,此时,结束此次检测过程。
否则,即第一图像的锐度大于或等于第一阈值,则表示摄像机在第一时刻未被干扰,此时,结束此次检测过程。
方式二、参照图3,此步骤可以包括:
S1033、计算所述第一图像的信息熵。
示例的,图像的信息熵的计算方法可以为,先将图像分成256阶,即256个灰度等级,计算每个灰度级出现的概率p(xi);
其中,H(X)为图像的信息熵,I(xi)是指出现第i个灰度级这一事件,E[I(xi)]是指出现事件I(xi)的期望,n在此例中是指256。
S1034、判断第一图像的信息熵是否小于第二阈值。
若第一图像的信息熵小于第二阈值,则表示摄像机在第一时刻已经被干扰,此时,结束此次检测过程。
否则,即第一图像的信息熵大于或等于第一阈值,则表示摄像机在第一时刻未被干扰,此时,结束此次检测过程。
方式三、参照图4,此步骤可以包括:
S1035、计算所述第一图像的锐度。
具体的计算所述第一图像的锐度的方法可以参照步骤S1031。
S1036、判断第一图像的锐度是否小于第一阈值。
若第一图像的锐度小于第一阈值,则表示摄像机在第一时刻可能被干扰,此时,还需进行步骤S1037。
否则,即第一图像的锐度大于或等于第一阈值,则表示摄像机在第一时刻未被干扰,此时,结束此次检测过程。
S1037、计算所述第一图像的信息熵。
具体的计算所述第一图像的信息熵的方法可以参照步骤S1033。
S1038、判断第一图像的信息熵是否小于第二阈值。
若第一图像的信息熵小于第二阈值,则表示摄像机在第一时刻已经被干扰,此时,结束此次检测过程。
否则,即第一图像的信息熵大于或等于第一阈值,则表示摄像机在第一时刻未被干扰,此时,结束此次检测过程。
方式四、参照图5,步骤S103可以包括:
S1039、计算所述第一图像的信息熵。
具体的计算所述第一图像的信息熵的方法可以参照步骤S1033。
S10310、判断第一图像的信息熵是否小于第二阈值。
若第一图像的信息熵小于第二阈值,则表示摄像机在第一时刻可能被干扰,此时,还需进行步骤S10311。
否则,即第一图像的信息熵大于或等于第一阈值,则表示摄像机在第一时刻未被干扰,此时,结束此次检测过程。
S10311、计算所述第一图像的锐度。
具体的计算所述第一图像的锐度的方法可以参照步骤S1031。
S10312、判断第一图像的锐度是否小于第一阈值。
若第一图像的锐度小于第一阈值,则表示摄像机在第一时刻已经被干扰,此时,结束此次检测过程。
否则,即第一图像的锐度大于或等于第一阈值,则表示摄像机在第一时刻未被干扰,此时,结束此次检测过程。
当然,判断所述摄像机在所述第一时刻是否被干扰,也不局限于上述提供的方式。例如上述第一阈值、第二阈值根据取值的标准不同,等于第一阈值的情况下,和/或等于第二阈值的情况下也可以表示摄像机在所述第一时刻可能或已经被干扰。
本发明提供的一种检测摄像机是否被干扰的方法,通过摄像机在任一时刻采集的一帧第一图像的锐度和/或所述第一图像的信息熵,检测摄像机是否被干扰,这样就无需与参考图像作对比,只需要一帧第一图像就可以完成检测,因此无需实时更新图像,适用于轮询检测的情况。
优选的,上述方法在步骤S102和步骤S103之间还可以包括:滤除所述第一图像的噪点。滤除图像的噪点可以减小图像噪点对图像锐度及图像信息熵计算的影响。
上述实施例提供的方法可以适用于任一时刻的检测,也可以适用于第一时刻的检测,后续时刻的检测可以参考以下实施例提供的方案。
参考图6、本发明实施例提供了一种检测摄像机是否被干扰的方法,在上述的检测结果为所述摄像机在所述第一时刻未被干扰,所述方法还包括:
S104、获取摄像机在第二时刻所采集的一帧第二图像。
本发明中的第二时刻为所述第一时刻后的任一时刻,摄像机在第二时刻所采集的一帧图像称为第二图像。
S105、至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰。
所述参考图像为所述摄像机未被干扰时的一帧第一图像或第二图像。优选的,参考图像可以为所述摄像机未被干扰时的一帧第一图像,且该参考图像的哈希指纹不断进行更新。
所述第二图像与参考图像相似的程度可以用相似度或不相似度来表示。
此步骤可选为,仅根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰。此步骤具体包括:计算所述第二图像与参考图像的相似度或者不相似度;并根据所述第二图像与参考图像的相似度或不相似度判断所述摄像机在所述第二时刻是否被干扰。
由于参考图像为摄像机未被干扰时的图像,可以认为所述第二图像与参考图像的相似程度越大,即所述第二图像与参考图像的相似度越大或者不相似度越小,则摄像机越可能未被干扰;所述第二图像与参考图像的相似程度越小,即所述第二图像与参考图像的相似度越小或者不相似度越大,则摄像机越可能被干扰。
为了得到更加准确的检测结果,此步骤优选为,根据所述第二图像与参考图像相似的程度,以及所述第二图像与所述参考图像的锐度值之差,检测所述摄像机在所述第二时刻是否被干扰。此步骤具体可以包括:计算所述第二图像与参考图像的相似度或者不相似度,以及所述第二图像与所述参考图像的锐度值之差;根据所述第二图像与参考图像的相似度或不相似度,以及所述第二图像与所述参考图像的锐度值之差,判断所述摄像机在所述第二时刻是否被干扰。
由于参考图像为摄像机未被干扰时的图像,可以认为所述第二图像与所述参考图像的锐度值之差越大,则摄像机越可能被干扰;所述第二图像与所述参考图像的锐度值之差越小,则摄像机越可能未被干扰。
上述两种方案中,均需要计算所述第二图像与参考图像的相似度或者不相似度这一步骤,下面对这一步骤进行详述。
参照图7,计算所述第二图像与参考图像的相似度或者不相似度的步骤可以包括:
S1051、将所述第二图像分割为预定个数的图像块。
示例的,可以将第二图像分割成36块,即每个图像块的高等于第二图像高的六分之一,每个图像块的宽等于第二图像宽的六分之一。以利于后面对每个图像块进行计算和比较。
S1052、计算所述第二图像的各个图像块的哈希指纹。
哈希指纹是用来标识图像的一串字符。
示例的,第一步,缩小尺寸,将第二图像在步骤S1051中分割的每个图像块缩小到8*8个像素的尺寸,即总共包含64个像素,此时,第二图像由36个图像块组成,且每一图像块包含64个像素。
第二步,简化色彩,将每个图像块转为64阶,即64个灰度等级,也就是说,所有像素总共只有64种灰度,其中每一个像素对应64种灰度中的一种灰度。
第三步,计算平均值,计算所有64个像素的灰度的平均值。
第四步,比较像素的灰度,将每个像素的灰度与平均值进行比较,大于或等于平均值的像素将其对应位置标记为1,小于平均值的像素将其对应位置标记为0。
第五步,计算哈希指纹,将第四步中的每个像素标记的结果组合在一起,就构成了一个64位的整数,即为S1051中分割的每个图像块的哈希指纹。
S1053、根据所述第二图像的各个图像块的哈希指纹、以及所述参考图像的对应图像块的哈希指纹,计算所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离。
参考图像的对应图像块的哈希指纹,可以是摄像机在第一时刻未被干扰时的一帧第一图像的对应图像块的哈希指纹,也可以是摄像机在所述第二时刻未被干扰时的一帧第二图像的对应图像块哈希指纹。优选的,所述参考图像的哈希指纹可以为摄像机在所述第一时刻未被干扰时的一帧第一图像经更新后的哈希指纹。
汉明距离是对两个图像对应的每个图像块的哈希指纹一一比较,得到的两串等长字符对应位置的不同字符的个数。
示例的,以每个哈希指纹为8位的整数为例,如果所述第二图像的哈希指纹为10101101,所述参考图像的哈希指纹为00101100,则这两个图像的汉明距离为2。
S1054、至少根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。
步骤S1054可选为,仅根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。可以认为,所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离越大,则所述第二图像与参考图像的不相似度越大或相似度越小,所述摄像机在所述第二时刻越可能被干扰;所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离越小,则所述第二图像与参考图像的不相似度越小或相似度越大,所述摄像机在所述第二时刻越可能未被干扰。
步骤S1054优选为,根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块,以及根据所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,计算得到所述第二图像与参考图像的相似度或不相似度。可以认为,所述第二图像与所述参考图像的不相似度越小或相似度越大,则所述摄像机在所述第二时刻越可能未被干扰;所述第二图像与所述参考图像的不相似度越大或相似度越小,则所述摄像机在所述第二时刻越可能被干扰。
为实现上述步骤S1054的优选方案示例的,参照图8,步骤S1054可以包括:
S10541、根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块(可称为三类图像块)。
示例的,参照图20,当所述汉明距离小于所述相似阈值则该图像块为相似图像块,将参考图像该位置的哈希指纹更新为所述第二图像的哈希指纹,并将参考图像或所述第二图像对应该图像块的位置标识为0;当所述汉明距离大于所述不相似阈值则该图像块为不相似图像块,保留参考图像该位置原有的哈希指纹,并将参考图像或所述第二图像对应该图像块的位置标识为1;当所述汉明距离位于所述相似阈值与不相似阈值之间,则该图像块为正常变化图像块,表示该图像块不参与后续的相似度计算,保留参考图像该位置原有的哈希指纹,并将参考图像或所述第二图像对应该图像块的位置标识为-1。
更新参考图像标识为0的图像块的哈希指纹是因为该参考图像可以作为下一帧图像的参考图像,而该图像块区域为未被干扰区域,为了实时适应环境的变化,将参考图像该位置的哈希指纹更新为所述第二图像的哈希指纹;保留参考图像标识为1的图像块的哈希指纹是因为该参考图像可以作为下一帧图像的参考图像,而该图像块区域为被干扰区域,保留未发生干扰时的指纹,为后续干扰恢复以及继续判断摄像机是否被干扰作为依据;保留参考图像标识为-1的图像块的哈希指纹是因为该参考图像可以作为下一帧图像的参考图像,而该图像块区域为可能被干扰但干扰未发生区域,保留未发生干扰时的指纹,如果干扰继续发生,那么最终会导致该区域被确定为被干扰区域,为继续判断摄像机是否被干扰作为依据。
S10542、至少计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和。
结合图19所示的各个图像块的权重分布,以及图20所示的三类图像块的分布,对此步骤S10542进行详述。其中,图19和图20可以对应参考图像也可以对应第二图像,则计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和可以是参考图像也可以是第二图像。图19中的,W0、W1、W2、W3和W4表示根据图像块所在位置对整个画面的重要性,预先设置的各个图像块的权重,示例的,W0、W1、W2、W3和W4可依次增大。由于在步骤S10541中对参考图像或第二图像的三类图像块分别用0、1、-1标识(参照图20),故而所述所有所述不相似图像块对应的权重之和,即图像块相应位置标识为1的所有权重的累加;所述所有所述相似图像块对应的权重之和,即图像块相应位置标识为0的所有权重的累加。
另外,为了清楚描述,本实施例中将所有所述不相似图像块(用1标识的图像块)对应的权重之和用CW标识,将所有所述相似图像块(用0标识的图像块)对应的权重之和用EW标识。另外,还将所有正常变化图像块(用-1标识的图像块)对应的权重之和用NW标识。
示例的,图20所示的所有不相似图像块对应的权重之和,即图像块相应位置标识为1的所有权重的累加,CW=W0+W3+W0+W1+W3+W3+W1+W0。
此步骤S10542可选为,仅计算所有所述不相似图像块对应的权重之和(CW)、和/或所有所述相似图像块对应的权重之和(EW)。
当然还可以进一步的,计算所有正常变化图像块对应的权重之和(NW)。
S10543、根据所述所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,得到所述第二图像与参考图像的相似度或不相似度。
其中,所述所有图像块对应的权重之和,即将图19所示的所有图像块对应的权重累加,在本实施例中用WEIGHT_SUM标识,这一数值可以是预先存储的,无需计算。
示例的,所述第二图像与所述参考图像的不相似度R1计算可以为:
又示例的,所述第二图像与所述参考图像的不相似度R1计算可以为:
示例的,也可以计算所述第二图像与参考图像的相似度R2,其计算方法可以为:
又示例的,所述第二图像与参考图像的相似度R2,其计算方法可以为:
由S1054计算得到第二图像与参考图像的相似度或不相似度之后,可以根据第二图像与参考图像的相似度或不相似度与阈值的比较,得到检测结果。本发明实施例中以利用不相似度与阈值做比较,得到检测结果为例进行详述。
S1055、判断所述第二图像与参考图像的不相似度是否大于第三阈值。
其中,第三阈值是指用所述第二图像与参考图像的不相似度来表征摄像机被干扰和未被干扰的临界值。
若所述第二图像与所述参考图像的不相似度大于第三阈值,则所述摄像机在所述第二时刻可能已经被干扰,此时,可以结束此次检测过程也可以进行步骤S1056-S1057进一步确定摄像机是否被干扰;
否则,所述第二图像与所述参考图像的不相似度小于或等于第三阈值,则所述摄像机在所述第二时刻未被干扰,此时,结束此次检测过程。
当然,判断所述摄像机在所述第二时刻是否被干扰,也不局限于上述提供的方式。例如上述第三阈值根据取值的标准不同,等于第三阈值的情况下,也可以表示摄像机在所述第二时刻已经被干扰。
为了实现上述步骤S105的优选方案,参照图9,步骤S105可以包括:
S1056、计算所述第二图像与所述参考图像的锐度值之差。
其中,计算所述第二图像与所述参考图像的锐度的计算方法可以参照上述步骤S1031计算所述第一图像的锐度的计算方法,在此不加赘述。
S1057、判断所述第二图像与所述参考图像的锐度值之差是否大于第四阈值。
其中,第四阈值是指用所述第二图像与所述参考图像的锐度值之差来表征摄像机被干扰和未被干扰的临界值。
若所述第二图像与所述参考图像的锐度值之差大于第四阈值,则确定所述摄像机在所述第二时刻已经被干扰,此时,结束此次检测过程。
若所述第一图像的锐度小于或等于第四阈值,则所述摄像机在所述第二时刻未被干扰,此时,结束此次检测过程。
当然,判断所述摄像机在所述第二时刻是否被干扰,也不局限于上述提供的方式。例如上述第四阈值根据取值的标准不同,等于第四阈值的情况下,也可以表示摄像机在所述第二时刻已经被干扰。
通过所述第二图像与所述参考图像的锐度值之差,进一步判断所述摄像机在所述第二时刻是否被干扰,减少检测结果的误报率。
本发明实施例提供的一种检测摄像机是否被干扰的方法,在所述摄像机在第一时刻未被干扰的情况下,通过第二图像与参考图像相似的程度,检测摄像机在第二时刻是否被干扰,所述参考图像为所述摄像机未被干扰时的一帧第一图像或第二图像,适用于实时检测的情况。同时,还可以根据所述第二图像与所述参考图像的锐度值之差,进一步检测摄像机在所述第二时刻是否被干扰。这样,多次检测,降低检测结果的误报率。
下面,本发明实施例提供了与上述检测摄像机是否被干扰的方法相对应的装置,需要说明的是,以下装置所包含的各个功能单元可以参考上述方法中的相应步骤,故在下面的实施例中对装置的各个功能单元不做详细描述。
参考图10,本发明提供了一种检测摄像机是否被干扰的装置8,包括:
第一获取单元81,用于获取摄像机在第一时刻所采集的一帧第一图像。
本发明中的第一时刻是指任一时刻,摄像机在第一时刻所采集的一帧图像称为第一图像。
第一处理单元82,用于将所述第一图像灰度化。
第一检测单元83,用于根据第一处理单元82灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
第一图像的锐度是指图像边缘锐利程度,是反映图像平面清晰度的一个指标。可以认为锐度越小,则摄像机越可能被干扰;锐度越大,则摄像机越可能未被干扰。
第一图像的信息熵是指图像包含的信息量,反映图像颜色的丰富程度,且图像越单调图像信息熵越低。可以认为信息熵越小,则摄像机越可能被干扰;信息熵越大,则摄像机越可能未被干扰。
干扰可以是遮挡、移位、喷涂、破坏等影响摄像机监控的不良因素。
进一步的,第一检测单元83具体用于,计算所述第一图像的锐度和/或所述第一图像的信息熵,将所述第一图像的锐度与第一阈值进行比较得到第一比较结果,和/或,将所述第一图像的信息熵与第二阈值进行比较得到第二比较结果,根据所述第一比较结果和/或第二比较结果判断所述摄像机是否被干扰。
其中,第一阈值是指用锐度来表征摄像机被干扰和未被干扰的临界值,第二阈值是指用信息熵来表征摄像机被干扰和未被干扰的临界值。
本发明提供的一种检测摄像机是否被干扰的装置,第一获取单元获取摄像机在任一时刻采集的一帧第一图像,第一检测单元通过所述第一图像的锐度和/或所述第一图像的信息熵,检测摄像机是否被干扰,这样就无需与参考图像作对比,只需要一帧第一图像就可以完成检测,因此无需实时更新图像,适用于轮询检测的情况。
优选的,上述装置在第一处理单元82和第一检测单元83之间还可以包括:
第二处理单元:用于滤除所述第一图像的噪点。
滤除图像的噪点可以减小图像噪点对图像锐度及图像信息熵计算的影响。
参考图11,本发明实施例提供了一种检测摄像机是否被干扰的装置8,在上述的检测结果为所述摄像机在所述第一时间未被干扰,所述装置8还包括:
第二获取单元84:用于获取摄像机在第二时刻所采集的一帧第二图像。
本发明中的第二时刻为所述第一时刻后的任一时刻,摄像机在第二时刻所采集的一帧图像称为第二图像。
第二检测单元85:用于至少根据第二获取单元84获取的第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰。
所述参考图像为所述摄像机未被干扰时的一帧第一图像或第二图像。优选的,参考图像可以为所述摄像机未被干扰时的一帧第一图像,且该参考图像的哈希指纹不断进行更新。
所述第二图像与参考图像相似的程度可以用相似度或不相似度来表示。
可选的,第二检测单元85用于仅根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰。参照图12,此单元具体包括:
第一计算子单元851:用于计算所述第二图像与参考图像的相似度或者不相似度;
第一判断子单元852:用于根据第一计算子单元851得到的所述第二图像与参考图像的相似度或不相似度判断所述摄像机在所述第二时刻是否被干扰。
由于参考图像为摄像机未被干扰时的图像,可以认为所述第二图像与参考图像的相似程度越大,即所述第二图像与参考图像的相似度越大或者不相似度越小,则摄像机越可能未被干扰;所述第二图像与参考图像的相似程度越小,即所述第二图像与参考图像的相似度越小或者不相似度越大,则摄像机越可能被干扰。
为了得到更加准确的检测结果,优选的,第二检测单元85用于根据所述第二图像与参考图像相似的程度,以及所述第二图像与所述参考图像的锐度值之差,检测所述摄像机在所述第二时刻是否被干扰。参照图13,此单元具体可以包括:
第二计算子单元853:用于计算所述第二图像与参考图像的相似度或者不相似度,以及所述第二图像与所述参考图像的锐度值之差;
第二判断子单元854:用于根据第二计算子单元853得到的所述第二图像与参考图像的相似度或不相似度,以及所述第二图像与所述参考图像的锐度值之差,判断所述摄像机在所述第二时刻是否被干扰。
由于参考图像为摄像机未被干扰时的图像,可以认为所述第二图像与所述参考图像的锐度值之差越大,则摄像机越可能被干扰;所述第二图像与所述参考图像的锐度值之差越小,则摄像机越可能未被干扰。
上述两种方案中,第一计算子单元851和第二计算子单元853均用于计算所述第二图像与参考图像的相似度或者不相似度,下面对这部分进行详述。
第一计算子单元851参照图14或第二计算子单元853参照图15具体可以包括:
处理模块8511,用于将所述第二获取单元获取的第二图像分割为预定个数的图像块。
第一计算模块8512,用于计算处理模块8511得到的各个图像块的哈希指纹。
哈希指纹是用来标识图像的一串字符。
第二计算模块8513,用于根据第一计算模块8512的得到的各个图像块的哈希指纹、以及所述参考图像的对应图像块的哈希指纹,计算所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离。
参考图像的对应图像块的哈希指纹,可以是摄像机在第一时刻未被干扰时的一帧第一图像的对应图像块的哈希指纹,也可以是摄像机在所述第二时刻未被干扰时的一帧第二图像的对应图像块哈希指纹。优选的,所述参考图像的哈希指纹可以为摄像机在所述第一时刻未被干扰时的一帧第一图像经更新后的哈希指纹。
汉明距离是对两个图像对应的每个图像块的哈希指纹一一比较,得到的两串等长字符对应位置的不同字符的个数。
第三计算模块8514,用于至少根据第二计算模块8513得到的第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。
可选的,第三计算模块8514用于仅根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。可以认为,所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离越大,则所述第二图像与参考图像的不相似度越大或相似度越小,所述摄像机在所述第二时刻越可能被干扰;所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离越小,则所述第二图像与参考图像的不相似度越小或相似度越大,所述摄像机在所述第二时刻越可能未被干扰。
优选的,第三计算模块8514用于根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块,以及根据所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,计算得到所述第二图像与参考图像的相似度或不相似度。可以认为,所述第二图像与所述参考图像的不相似度越小或相似度越大,则所述摄像机在所述第二时刻越可能未被干扰;所述第二图像与所述参考图像的不相似度越大或相似度越小,则所述摄像机在所述第二时刻越可能被干扰。
为实现上述第三计算模块8514的优选方案,示例的,参照图16,第三计算模块8514可以包括:
处理子模块85141,用于根据第二计算模块8513得到的第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块。
第一计算子模块85142,用于根据处理子模块85141得到的相似图像块、不相似图像块以及正常变化图像块,至少计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和。
可选的,此模块用于仅计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和。
当然进一步的,此模块还可以用于计算所有正常变化图像块对应的权重之和(NW)。
第二计算子模块85143,用于根据第一计算子模块85142得到的所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,得到所述第二图像与参考图像的相似度或不相似度。
由第二计算子模块85143得到第二图像与参考图像的相似度或不相似度之后,可以根据第二图像与参考图像的相似度或不相似度与阈值的比较,得到检测结果。本发明实施例中以利用不相似度与阈值做比较,得到检测结果为例进行详述。
第一判断子模块85144:用于根据第二计算子模块85143得到的所述第二图像与参考图像的不相似度,判断所述第二图像与参考图像的不相似度是否大于第三阈值。
其中,第三阈值是指用所述第二图像与参考图像的不相似度来表征摄像机被干扰和未被干扰的临界值。
为了实现上述第二检测单元85的优选方案,参照图17,第二计算子单元853中的第三计算模块8514,在上述第一判断子模块85144的判断结果为摄像机在所述第二时刻可能被干扰时,所述第三计算模块8514还可以包括:
第三计算子模块85145:用于计算所述第二图像与所述参考图像的锐度值之差。
第二判断子模块85146:用于根据第三计算子模块85145得到的所述第二图像与所述参考图像的锐度值之差,判断所述第二图像与所述参考图像的锐度值之差是否大于第四阈值。
其中,第四阈值是指用所述第二图像与所述参考图像的锐度值之差来表征摄像机被干扰和未被干扰的临界值。
通过所述第二图像与所述参考图像的锐度值之差,进一步判断所述摄像机在所述第二时刻是否被干扰,减少检测结果的误报率。
本发明实施例提供的一种检测摄像机是否被干扰的装置,在所述摄像机在第一时刻未被干扰的情况下,第二获取单元获取摄像机在第二时刻采集的一帧第二图像,第二检测单元通过第二图像与参考图像相似的程度,检测摄像机在第二时刻是否被干扰,所述参考图像为所述摄像机未被干扰时的一帧第一图像或第二图像,适用于实时检测的情况。同时,第还可以根据所述第二图像与所述参考图像的锐度值之差,进一步检测摄像机在所述第二时刻是否被干扰。这样,多次检测,降低检测结果的误报率。
下面本发明实施例还提供了与上述方法相对应的装置。
如图18所示,本发明提供了一种检测摄像机是否被干扰的装置1,包括:输入接口11和与所述输入接口相连的处理器12;
其中,所述输入接口11与摄像机的输出接口相连,且用于获取摄像机在第一时刻所采集的一帧第一图像。
所述处理器12用于将所述输入接口所获取的第一图像灰度化。
所述处理器12用于根据灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
进一步的,所述处理器12具体用于计算所述第一图像的锐度和/或所述第一图像的信息熵,将所述第一图像的锐度与第一阈值进行比较得到第一比较结果,和/或,将所述第一图像的信息熵与第二阈值进行比较得到第二比较结果,根据所述第一比较结果和/或第二比较结果判断所述摄像机是否被干扰。
其中,第一阈值是指用锐度来表征摄像机被干扰和未被干扰的临界值,第二阈值是指用信息熵来表征摄像机被干扰和未被干扰的临界值。
可选的,所述处理器12还用于滤除所述第一图像的噪点。
进一步的,所述输入接口11还用于在所述摄像机在所述第一时刻未被干扰的情况下,获取所述摄像机在第二时刻采集的一帧第二图像;所述第二时刻为所述第一时刻后的任一时刻。
所述处理器12还用于至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰;所述参考图像为所述摄像机未被干扰时的一帧图像。
所述处理器12具体用于仅根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰;或者,具体用于根据所述第二图像与参考图像相似的程度,以及所述第二图像与所述参考图像的锐度值之差,检测所述摄像机在所述第二时刻是否被干扰。
所述处理器12具体用于计算所述第二图像与参考图像的相似度或者不相似度;根据所述第二图像与参考图像的相似度或不相似度判断所述摄像机在所述第二时刻是否被干扰;或者,具体用于计算所述第二图像与参考图像的相似度或者不相似度,以及所述第二图像与所述参考图像的锐度值之差;根据所述第二图像与参考图像的相似度或不相似度,以及所述第二图像与所述参考图像的锐度值之差,判断所述摄像机在所述第二时刻是否被干扰。
可选的,所述处理器12用于将所述第二图像分割为预定个数的图像块;计算所述第二图像的各个图像块的哈希指纹;根据所述第二图像的各个图像块的哈希指纹、以及所述参考图像的对应图像块的哈希指纹,计算所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离;至少根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。
可选的,所述处理器12用于根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块;至少计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和;根据所述所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,得到所述第二图像与参考图像的相似度或不相似度。
本发明实施例提供的一种检测摄像机是否被干扰的装置,通过输入接口获取摄像机在任一时刻采集的一帧第一图像,处理器通过第一图像的锐度和/或所述第一图像的信息熵,检测摄像机是否被干扰,这样就无需与参考图像作对比,只需要一帧第一图像就可以完成检测,因此无需实时更新图像,适用于轮询检测的情况。在所述摄像机在第一时刻未被干扰的情况下,再通过输入接口获取通过第二图像,处理器通过第二图像与参考图像相似的程度,检测摄像机在第二时刻是否被干扰,所述参考图像为所述摄像机未被干扰时的一帧第一图像或第二图像,适用于实时检测的情况。同时,处理器还可以根据所述第二图像与所述参考图像的锐度值之差,进一步检测摄像机在所述第二时刻是否被干扰。这样,多次检测,降低检测结果的误报率。
本发明实施例提供了一种视频监控***,包括:摄像机以及本发明实施例提供的任一种检测摄像机是否被干扰的装置。
本发明实施例提供的一种视频监控***,所述摄像机用于在任一时刻采集一帧第一图像,所述的检测摄像机是否被干扰的装置用于获取摄像机在任一时刻采集的一帧第一图像,通过第一图像的锐度和/或所述第一图像的信息熵,检测摄像机是否被干扰,这样就无需与参考图像作对比,只需要一帧第一图像就可以完成检测,因此无需实时更新图像,适用于轮询检测的情况。在所述摄像机在第一时刻未被干扰的情况下,所述的检测摄像机是否被干扰的装置获取摄像机采集的第二图像,通过第二图像与参考图像相似的程度,检测摄像机在第二时刻是否被干扰,所述参考图像为所述摄像机未被干扰时的一帧第一图像或第二图像,适用于实时检测的情况。同时,所述的检测摄像机是否被干扰的装置还可以根据所述第二图像与所述参考图像的锐度值之差,进一步检测摄像机在所述第二时刻是否被干扰。这样,多次检测,降低检测结果的误报率。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种检测摄像机是否被干扰的方法,其特征在于,包括:
获取摄像机在第一时刻所采集的一帧第一图像;
将所述第一图像灰度化;
根据灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
2.根据权利要求1所述的方法,其特征在于,根据灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰,包括:
计算所述第一图像的锐度和/或所述第一图像的信息熵;
将所述第一图像的锐度与第一阈值进行比较得到第一比较结果,和/或,将所述第一图像的信息熵与第二阈值进行比较得到第二比较结果;
根据所述第一比较结果和/或第二比较结果判断所述摄像机是否被干扰。
3.根据权利要求1所述的方法,其特征在于,在检测所述摄像机在所述第一时刻是否被干扰之前,所述方法还包括:
滤除所述第一图像的噪点。
4.根据权利要求1所述的方法,其特征在于,若所述摄像机在所述第一时刻未被干扰,所述方法还包括:
获取所述摄像机在第二时刻采集的一帧第二图像;所述第二时刻为所述第一时刻后的任一时刻;
至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰;所述参考图像为所述摄像机未被干扰时的一帧图像。
5.根据权利要求4所述的方法,其特征在于,所述至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰包括:
根据所述第二图像与参考图像相似的程度,以及所述第二图像与所述参考图像的锐度值之差,检测所述摄像机在所述第二时刻是否被干扰。
6.根据权利要求4或5所述的方法,其特征在于,所述至少根据所述第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰包括:
计算所述第二图像与参考图像的相似度或者不相似度;
根据所述第二图像与参考图像的相似度或不相似度判断所述摄像机在所述第二时刻是否被干扰;
或者,包括:
计算所述第二图像与参考图像的相似度或者不相似度,以及所述第二图像与所述参考图像的锐度值之差;
根据所述第二图像与参考图像的相似度或不相似度,以及所述第二图像与所述参考图像的锐度值之差,判断所述摄像机在所述第二时刻是否被干扰。
7.根据权利要求6所述的方法,其特征在于,所述计算所述第二图像与参考图像的相似度或者不相似度,包括:
将所述第二图像分割为预定个数的图像块;
计算所述第二图像的各个图像块的哈希指纹;
根据所述第二图像的各个图像块的哈希指纹、以及所述参考图像的对应图像块的哈希指纹,计算所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离;
至少根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度。
8.根据权利要求7所述的方法,其特征在于,所述至少根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离,得到所述第二图像与参考图像的相似度或不相似度包括:
根据所述第二图像的各个图像块与所述参考图像的对应图像块的汉明距离、相似阈值以及不相似阈值将所述参考图像或第二图像的各个图像块分为相似图像块、不相似图像块以及正常变化图像块;
至少计算所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和;
根据所述所有所述不相似图像块对应的权重之和、和/或所有所述相似图像块对应的权重之和,以及所述所有图像块对应的权重之和,得到所述第二图像与参考图像的相似度或不相似度。
9.一种检测摄像机是否被干扰的装置,其特征在于,包括:
第一获取单元,用于获取摄像机在第一时刻所采集的一帧第一图像;
第一处理单元,用于将所述第一图像灰度化;
第一检测单元,用于根据第一处理单元灰度化后的第一图像的锐度和/或所述第一图像的信息熵,检测所述摄像机在所述第一时刻是否被干扰。
10.根据权利要求9所述的装置,其特征在于,还包括:第二处理单元,用于滤除第一获取单元获取的第一图像的噪点。
11.根据权利要求9所述的装置,其特征在于,还包括:
第二获取单元,用于获取所述摄像机在第二时刻采集的一帧第二图像;所述第二时刻为所述第一时刻后的任一时刻;
第二检测单元,用于至少根据第二获取单元获取的第二图像与参考图像相似的程度,检测所述摄像机在所述第二时刻是否被干扰;所述参考图像为所述摄像机未被干扰时的一帧图像。
12.一种视频监控***,其特征在于,包括:摄像机以及权利要求8-11任一项所述的检测摄像机是否被干扰的装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210413115.4A CN103780899B (zh) | 2012-10-25 | 2012-10-25 | 一种检测摄像机是否被干扰的方法、装置及视频监控*** |
EP13799478.6A EP2747431B1 (en) | 2012-10-25 | 2013-08-22 | Device and method for detecting whether camera is interfered with, and video monitoring system |
PCT/CN2013/082038 WO2014063524A1 (zh) | 2012-10-25 | 2013-08-22 | 一种检测摄像机是否被干扰的方法、装置及视频监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210413115.4A CN103780899B (zh) | 2012-10-25 | 2012-10-25 | 一种检测摄像机是否被干扰的方法、装置及视频监控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103780899A true CN103780899A (zh) | 2014-05-07 |
CN103780899B CN103780899B (zh) | 2016-08-17 |
Family
ID=50543968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210413115.4A Active CN103780899B (zh) | 2012-10-25 | 2012-10-25 | 一种检测摄像机是否被干扰的方法、装置及视频监控*** |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP2747431B1 (zh) |
CN (1) | CN103780899B (zh) |
WO (1) | WO2014063524A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113687A (zh) * | 2014-06-24 | 2014-10-22 | 中兴通讯股份有限公司 | 一种图片处理方法及电子设备 |
CN105200938A (zh) * | 2015-08-27 | 2015-12-30 | 广西交通科学研究院 | 一种基于视觉的车道闸杆防撞*** |
CN105225281A (zh) * | 2015-08-27 | 2016-01-06 | 广西交通科学研究院 | 一种车辆检测方法 |
CN105407353A (zh) * | 2014-09-11 | 2016-03-16 | 腾讯科技(深圳)有限公司 | 一种图像压缩方法,及装置 |
CN106504282A (zh) * | 2016-11-23 | 2017-03-15 | 浙江大华技术股份有限公司 | 一种视频遮挡检测方法和装置 |
CN107948465A (zh) * | 2017-12-11 | 2018-04-20 | 南京行者易智能交通科技有限公司 | 一种检测摄像头被干扰的方法和装置 |
CN108243336A (zh) * | 2016-12-26 | 2018-07-03 | 瑞萨电子株式会社 | 图像处理器以及半导体设备 |
CN109005457A (zh) * | 2018-09-19 | 2018-12-14 | 腾讯科技(北京)有限公司 | 黑屏检测方法、装置、计算机设备及存储介质 |
CN109472794A (zh) * | 2018-10-26 | 2019-03-15 | 北京中科晶上超媒体信息技术有限公司 | 一种对图像进行超像素分割的方法及*** |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780061A (zh) * | 2016-11-30 | 2017-05-31 | 华南师范大学 | 基于信息熵的社交网络用户分析方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1568619A (zh) * | 2001-11-15 | 2005-01-19 | 韩唯逻辑公司 | 使用图像信号边缘检测的保安***和警报方法 |
JP2008077517A (ja) * | 2006-09-22 | 2008-04-03 | Saxa Inc | カメラ妨害検知方式 |
CN102395043A (zh) * | 2011-11-11 | 2012-03-28 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
CN102413356A (zh) * | 2011-12-30 | 2012-04-11 | 武汉烽火众智数字技术有限责任公司 | 视频清晰度检测***及其检测方法 |
US20120154581A1 (en) * | 2010-12-16 | 2012-06-21 | Industrial Technology Research Institute | Cascadable camera tampering detection transceiver module |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006235959A (ja) * | 2005-02-24 | 2006-09-07 | Nikon Corp | 撮像画像のオリジナル性を証明する機能を備えた電子カメラと、その検証プログラム |
ATE521054T1 (de) * | 2006-12-20 | 2011-09-15 | Axis Ab | Verfahen und einrichtung zur erkennung von sabotage an einer überwachungskamera |
JP4670943B2 (ja) * | 2008-11-27 | 2011-04-13 | ソニー株式会社 | 監視装置、及び妨害検知方法 |
US8718379B2 (en) * | 2009-09-15 | 2014-05-06 | Texas Instruments Incorporated | Method and apparatus for image capturing tampering detection |
-
2012
- 2012-10-25 CN CN201210413115.4A patent/CN103780899B/zh active Active
-
2013
- 2013-08-22 EP EP13799478.6A patent/EP2747431B1/en active Active
- 2013-08-22 WO PCT/CN2013/082038 patent/WO2014063524A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1568619A (zh) * | 2001-11-15 | 2005-01-19 | 韩唯逻辑公司 | 使用图像信号边缘检测的保安***和警报方法 |
JP2008077517A (ja) * | 2006-09-22 | 2008-04-03 | Saxa Inc | カメラ妨害検知方式 |
US20120154581A1 (en) * | 2010-12-16 | 2012-06-21 | Industrial Technology Research Institute | Cascadable camera tampering detection transceiver module |
CN102395043A (zh) * | 2011-11-11 | 2012-03-28 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
CN102413356A (zh) * | 2011-12-30 | 2012-04-11 | 武汉烽火众智数字技术有限责任公司 | 视频清晰度检测***及其检测方法 |
Non-Patent Citations (1)
Title |
---|
SEBASTIEN HARASSE ECT: "Automated Camera Dysfunction Detection", 《IMAGE ANALYSIS AND INTERPRETATION》, 30 March 2004 (2004-03-30) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113687A (zh) * | 2014-06-24 | 2014-10-22 | 中兴通讯股份有限公司 | 一种图片处理方法及电子设备 |
CN105407353A (zh) * | 2014-09-11 | 2016-03-16 | 腾讯科技(深圳)有限公司 | 一种图像压缩方法,及装置 |
CN105200938A (zh) * | 2015-08-27 | 2015-12-30 | 广西交通科学研究院 | 一种基于视觉的车道闸杆防撞*** |
CN105225281A (zh) * | 2015-08-27 | 2016-01-06 | 广西交通科学研究院 | 一种车辆检测方法 |
CN105225281B (zh) * | 2015-08-27 | 2017-09-29 | 广西交通科学研究院 | 一种车辆检测方法 |
CN106504282A (zh) * | 2016-11-23 | 2017-03-15 | 浙江大华技术股份有限公司 | 一种视频遮挡检测方法和装置 |
CN108243336A (zh) * | 2016-12-26 | 2018-07-03 | 瑞萨电子株式会社 | 图像处理器以及半导体设备 |
CN107948465A (zh) * | 2017-12-11 | 2018-04-20 | 南京行者易智能交通科技有限公司 | 一种检测摄像头被干扰的方法和装置 |
CN109005457A (zh) * | 2018-09-19 | 2018-12-14 | 腾讯科技(北京)有限公司 | 黑屏检测方法、装置、计算机设备及存储介质 |
CN109005457B (zh) * | 2018-09-19 | 2021-04-02 | 腾讯科技(北京)有限公司 | 黑屏检测方法、装置、计算机设备及存储介质 |
CN109472794A (zh) * | 2018-10-26 | 2019-03-15 | 北京中科晶上超媒体信息技术有限公司 | 一种对图像进行超像素分割的方法及*** |
CN109472794B (zh) * | 2018-10-26 | 2021-03-09 | 北京中科晶上超媒体信息技术有限公司 | 一种对图像进行超像素分割的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
EP2747431A4 (en) | 2014-12-24 |
CN103780899B (zh) | 2016-08-17 |
EP2747431A1 (en) | 2014-06-25 |
WO2014063524A1 (zh) | 2014-05-01 |
EP2747431B1 (en) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103780899A (zh) | 一种检测摄像机是否被干扰的方法、装置及视频监控*** | |
CN108709633B (zh) | 基于深度学习的分布式光纤振动传感智能安全监测方法 | |
CN109670404B (zh) | 一种基于混合模型的道路积水图像检测预警方法 | |
CN103810717B (zh) | 一种人体行为检测方法及装置 | |
CN102982341B (zh) | 一种可跨摄像机的自适应人群密度估计方法 | |
CN201159903Y (zh) | 一种车牌识别装置 | |
CN108596221B (zh) | 标尺读数的图像识别方法及设备 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN109191255B (zh) | 一种基于无监督特征点检测的商品对齐方法 | |
CN106650644B (zh) | 驾驶员危险行为识别方法及*** | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
KR102485227B1 (ko) | 인공지능 기반 홍수 예측 시스템 및 이를 이용한 홍수 예측 방법 | |
CN104680554A (zh) | 基于surf的压缩跟踪方法和*** | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
CN110490150A (zh) | 一种基于车辆检索的违章图片自动审核***及方法 | |
CN114648748A (zh) | 一种基于深度学习的机动车违停智能识别方法及*** | |
CN114332781A (zh) | 一种基于深度学习的智能车牌识别方法及*** | |
CN104392201A (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
CN111291728A (zh) | 违规翻越传输带行为的检测***及检测设备、检测方法 | |
CN116311205A (zh) | 车牌识别方法、车牌识别装置、电子设备及存储介质 | |
CN114354744B (zh) | 一种电力电缆防外破监测方法、***及装置 | |
CN116246185A (zh) | 一种安全带佩戴检测方法、装置、存储介质及设备 | |
CN109544545A (zh) | 一种基于卷积神经网络的盐矿智能检测方法及*** | |
CN115331096A (zh) | 一种采矿沉陷区域识别方法、***、存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |