CN107979753A - 摄影装置画面异常种类的检测方法 - Google Patents
摄影装置画面异常种类的检测方法 Download PDFInfo
- Publication number
- CN107979753A CN107979753A CN201610935945.1A CN201610935945A CN107979753A CN 107979753 A CN107979753 A CN 107979753A CN 201610935945 A CN201610935945 A CN 201610935945A CN 107979753 A CN107979753 A CN 107979753A
- Authority
- CN
- China
- Prior art keywords
- image
- block
- testing
- testing image
- feature
- 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
Classifications
-
- 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)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
一种摄影装置画面异常种类的检测方法,其包含开始一摄影装置的画面检测;启动该摄影装置拍摄一测试影片;加载一参考影像;由该测试影片中截取X个测试影像;将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的一影像测试序列;以及根据该影像测试序列判断该摄影装置的画面异常种类;由此,缩短维修所述摄影装置的过程与提高维修所述摄影装置的质量。
Description
技术领域
本发明系关于涉及一种摄影装置之的检测方法,特别涉及一种摄影装置画面异常种类的检测方法。
背景技术
基于交通道路监控、商场店家管理、金融机构监视…等等有关安全与生命财产防范备受重视,影像监控设备的应用需求也越趋多元与强烈。监视摄影机(surveillancecamera)是常见地装设于交通要道、商场店家与金融机构内部或其门口,以达到上述的安全监控管理。
由于监视摄影机易受因老化、异常或遭受蓄意破坏等问题,导致监视摄影机所拍摄到的画面无法完整地呈现真实影像。以监视摄影机遭受蓄意破坏为例,常见蓄意破坏包含阻挡、喷雾、失焦或转向。一旦监视摄影机受到上述行为所蓄意破坏,造成监视摄影机所拍摄到的画面无法完整地呈现真实影像时,将无法实现完善地安全监控管理。
再者,以现有技术而言,监视摄影机的操作者或管理者通常以人眼方式,根据监视摄影机所拍摄出来的影片或影像,判断监视摄影机的画面状况。因此,仅能粗略地判断监视摄影机的状况,无法准确地判断监视摄影机的画面异常所造成的原因,导致拖延维修监视摄影机的过程与影响维修监视摄影机的质量。
发明内容
本发明的一目的在于提供一种摄影装置画面异常种类的检测方法,用以解决无法准确地判断监视摄影装置的画面异常所造成的原因,导致拖延维修监视摄影装置的过程与影响维修监视摄影装置的质量的问题。
为实现上述目的,本发明所提出的摄影装置画面异常种类的检测方法,其包含开始一摄影装置的画面检测;启动该摄影装置拍摄一测试影片;加载一参考影像;由该测试影片中截取X个测试影像;将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的一影像测试序列;以及根据该影像测试序列判断该摄影装置的画面异常种类。
本发明的摄影装置画面异常种类的检测方法,其通过判断具有多个异常影像特征的该影像测试序列,以准确地判断该摄影装置的画面异常所造成的原因,由此缩短维修监视摄影装置的过程与提高维修监视摄影装置的质量。
本发明的另一目的在于提供一种摄影装置画面异常种类的检测方法,用以解决无法准确地判断监视摄影装置的画面异常所造成的原因,导致拖延维修监视摄影装置的过程与影响维修监视摄影装置的质量的问题。
为实现上述目的,本发明所提出的摄影装置画面异常种类的检测方法,其包含开始一摄影装置的画面检测;启动该摄影装置拍摄一测试影片;加载一参考影像;由该测试影片中截取X个测试影像;将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的一影像测试序列,其中所述异常影像特征为一阻挡影像特征、一转向影像特征、一喷雾影像特征或一失焦影像特征;以及根据该影像测试序列判断该摄影装置的画面异常种类,其中所述画面异常种类为一阻挡异常画面、一转向异常画面、一喷雾异常画面或一失焦异常画面。
本发明的摄影装置画面异常种类的检测方法,其通过判断具有多个异常影像特征的该影像测试序列,以准确地判断该摄影装置的画面异常所造成的原因,由此缩短维修监视摄影装置的过程与提高维修监视摄影装置的质量。
为了能更进一步了解本发明实现预定目的所采取的技术、手段及功效,请参阅以下有关本发明的详细说明与附图,相信本发明的目的、特征与特点,当可由此得一深入且具体的了解,然而所附附图仅提供参考与说明之用,并非用来对本发明加以限制。
附图说明
图1为本发明一摄影装置画面异常种类的检测方法的流程图。
图2为本发明检测方法的步骤S40的详细流程图。
图3为本发明检测方法的步骤S50的详细流程图。
图4为本发明检测方法的步骤S52的详细流程图。
图5为本发明检测方法的步骤S524的第一实施例的详细流程图。
图6为本发明检测方法的步骤S524的第二实施例的详细流程图。
图7为本发明检测方法的步骤S93的详细流程图。
图8为本发明检测方法的步骤S94的详细流程图。
图9为本发明检测方法的步骤S95的详细流程图。
图10A为本发明一参考影像的示意图。
图10B为本发明测试影像具有第一异常特征的示意图。
图10C为本发明测试影像具有第二异常特征的示意图。
图10D为本发明测试影像具有第三异常特征的示意图。
具体实施方式
以下结合附图对本发明的技术内容进行详细说明。
参见图1所示,所述摄影装置画面异常种类的检测方法包含步骤如下。开始一摄影装置的画面检测(S10)。其中,该摄影装置可为一摄影机,具体而言,在本发明中,该摄影装置为一户外型监视摄影机(outdoor surveillance camera)。举例来说,该摄影装置可装设于交通要道、商场店家与金融机构内部或其门口,然而不以上述这些应用领域为限制。再者,所述画面检测是指通过检测该摄影装置所拍摄的画面,可判断该摄影装置为正常操作,或为异常操作。再者,当检测该摄影装置为异常操作时,则可进一步地判断该摄影装置的画面异常种类,其中所述画面异常种类可为一阻挡异常画面、一转向异常画面、一喷雾异常画面或一失焦异常画面,详细说明如下。
开始该摄影装置的画面检测后,启动该摄影装置开始拍摄一测试影片(S20)。换句话说,原本该摄影装置执行监视操作,一旦该摄影装置接收到画面检测通知时,该摄影装置则受控启动,开始拍摄该测试影片。其中该测试影片的长度可为分钟等级的时间长度,例如1分钟或2分钟的影片长度。
然后,加载一参考影像(reference image)(S30)。其中,该参考影像可依时间,例如早晚,或依季节,例如夏季或冬季被选定,然而不以上述方式选定该参考影像为限。具体而言,该参考影像可由多张(帧)产生的参考影像中选定一张或多张所设定。其中该参考影像提供画面比对的参考信息,待后详述。
然后,由该测试影片中截取X个测试影像(S40)。在步骤S40中,将动态的测试影片数据截取出X个(或以帧为单位)静态的测试影像数据。配合参见图2,所述步骤S40包含步骤S41~步骤S43。在步骤S41中,设定一截取时间间隔,其中,该截取时间间隔可设定为1/30秒,换言之,以每秒截取30帧测试影像的截取频率由该测试影片中截取X个测试影像,然而不以所述秒数为限制。
然后,在步骤S42中,由该测试影片起始,每隔该截取时间间隔截取一个测试影像。举例来说,若以时间长度为1分钟的该测试影片为例,以每隔1/30秒(该截取时间间隔)截取一个测试影像,则会产生X(X=1,800)个测试影像(S43)。再举例说明,若以时间长度为1分钟的该测试影片为例,以每隔1/20秒截取一个测试影像,则会产生1,200个测试影像。依此类推,可根据该测试影片的时间长度以及该截取时间间隔,决定出测试影像的帧数(即X值)。
再参见图1,在步骤S40之后,则将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的一影像测试序列(S50)。换言之,通过将所述X个测试影像分别与该参考影像进行比对,可产生该影像测试序列,其中该影像测试序列是由所述X个异常影像特征为元素所组成的序列,待后详述。
配合参见图3,所述步骤S50包含步骤S51~步骤S55。在步骤S51中,由第一个(N=1)测试影像开始进行比对。然后,在步骤S52中,将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征。换言之,将第一个(N=1)测试影像与该参考影像进行比对,产生第一个异常影像特征、将第二个(N=2)测试影像与该参考影像进行比对,产生第二个异常影像特征…依此类推,以实现将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征。
然后,在步骤S53中,判断是否完成所有(X个)测试影像与该参考影像的比对。以上述X(X=1,800)个测试影像为例,若未完成所有1,800个测试影像与该参考影像的比对,则执行步骤S54,即进行第N个的次一个,即第(N+1)个测试影像与该参考影像的比对。直到完成所有(X个)测试影像与该参考影像的比对,即完成1,800个测试影像与该参考影像的比对,则执行步骤S55,即产生具有X个异常影像特征的该影像测试序列。以上述X(X=1,800)个测试影像为例,该影像测试序列由所述1,800个异常影像特征为元素所组成的序列,即,该影像测试序列={异常影像特征1,异常影像特征2,异常影像特征3,…,异常影像特征X-1,异常影像特征X}。其中该影像测试序列更具体的说明待后详述。
再参见图1,在步骤S50之后,则根据该影像测试序列判断该摄影装置的画面异常种类(S60)。在本发明中,该摄影装置的画面异常种类分为四种型态,即转向(redirect,RD)异常画面、失焦(defocus,DF)异常画面、喷雾(spray,SR)异常画面以及阻挡(blockage,BK)异常画面。其中转向(RD)是指该摄影装置受外力且非因正常调整所导致其镜头转向,使其监视的角度为非设定的范围。失焦(DF)是指因焦距不准确,使该摄影装置所拍摄到的影像模糊不清。喷雾(SR)是指该摄影装置的镜头遭受喷漆或其他方式喷涂于其上,使该摄影装置所拍摄到的影像严重异常。阻挡(BK)是指该摄影装置的镜头遭受外部对象阻隔其拍摄的范围与角度。
以上述X(X=1,800)个测试影像所产生对应的这些1,800个异常影像特征为例,通过比对各该测试影像,将各该异常影像特征分类为转向影像特征、失焦影像特征、喷雾影像特征和/或阻挡影像特征,因此,根据这些1,800个异常(转向、失焦、喷雾和/或阻挡)影像特征,进一步判断该摄影装置的画面异常种类,待后详述。
在上述内容说明中,是以一帧完整的测试影像为比对基础(单位)与该参考影像进行比对,即通过各该测试影像其完整的信息,例如像素(pixel)、亮度、边缘特性、默认位置或角度…等,与该参考图像映射的影像信息进行比对,以获得对应的该异常影像特征。但在本发明中,可不仅以单一帧完整的测试影像为比对基础为限制,换言之,可将各该单一完整的测试影像分割(segmentation)为多个区块测试影像或称子测试影像,并且将所述区块测试影像与该参考影像的区块参考图像映射比对,而达到各该测试影像的比对,以产生具有所述X个异常影像特征的该影像测试序列,具体说明如下。
参见图4所示,具体地揭示步骤S52包含步骤S521~步骤S528,即,将各该测试影像分割为具有多个区块测试影像,并且对这些区块测试影像进行比对,具体说明如下。
在步骤S521,将第N个测试影像分割为Y个区块测试影像。其中若将该第N个测试影像以n列、m行的矩阵(n×m)形式分割,则该第N个测试影像则分割为Y个所述区块测试影像,即Y=n×m,其中n、m分别为正整数。此外,该第N个测试影像亦可分割为n×n个区块测试影像。举例来说,该第N个测试影像可分割为4×4个(Y=16)区块测试影像或5×4个(Y=20)区块测试影像。然而上述仅为举例说明之用,并非用以限制本发明。
为将这些Y个区块测试影像与该参考图像映射比对,因此在步骤S522中,将该参考图像对应分割为Y个区块参考影像,即,这些Y个区块参考影像的数量与位置对应这些Y个区块测试影像。举例来说,当该测试影像分割为4×4个(Y=16)区块测试影像时,该参考影像也对应地分割为4×4个区块参考影像。在本发明中,若已确认所设定分割为Y个区块测试影像与对应的Y个区块参考影像的数量与位置,则所述步骤S521与所述步骤S522不以上述顺序为限制,即,所述步骤S522可早于所述步骤S521先执行。
然后在步骤S523中,由该第N个测试影像的第一个区块测试影像(M=1)开始进行比对。然后,在步骤S524中,将第M个区块测试影像与对应的第M个区块参考影像进行比对,产生第M个异常区块影像特征。换言之,将第一个区块测试影像(M=1)与对应的第一个区块参考影像进行比对,产生第一个异常区块影像特征、将第二个区块测试影像(M=2)与对应的第二个区块参考影像进行比对,产生第二个异常区块影像特征…依此类推,以实现将第M个区块测试影像与对应的第M个区块参考影像进行比对,产生第M个异常区块影像特征。其中所述异常区块影像特征的比对,将在后面配合附图为例进一步具体说明。
然后,在步骤S525中,判断是否完成该第N个测试影像的所有(Y个)区块测试影像与对应这些区块参考影像的比对。以上述Y(Y=16)个区块测试影像为例,若未完成16个区块测试影像与对应这些区块参考影像的比对,则执行步骤S526,即进行第M个的次一个,即第(M+1)个区块测试影像与对应该区块参考影像的比对。直到完成所有(Y个)区块测试影像与对应这些区块参考影像的比对,即完成16个区块测试影像与对应这些区块参考影像的比对,则执行步骤S527,即产生具有Y个异常区块影像特征的一区块影像测试序列。以上述Y(Y=16)个区块测试影像为例,该区块影像测试序列是由所述16个异常区块影像特征为元素所组成的序列,即,该区块影像测试序列={异常区块影像特征1,异常区块影像特征2,异常区块影像特征3,…,异常区块影像特征Y-1,异常区块影像特征Y}。其中该区块影像测试序列更具体的说明待后详述。
然后,在步骤S528中,则根据该区块影像测试序列产生该第N个异常影像特征。如此,经由完整地执行步骤S521~步骤S528,则完成步骤S52(配合参见图3),然后执行后续的步骤S53,在此不再赘述。
参见图5与图6所示,进一步地揭示步骤S524包含步骤S91~步骤S95。如前所述,在步骤S523或步骤S526之后,执行步骤S524。其中,步骤S91用以判断第M个区块测试影像的模糊程度,而步骤S92用以修正第M个区块测试影像的亮度,以配合最合适的该参考影像进行比对,由此,以提供给后续步骤S93、步骤S94或步骤S95进行比对,达到更准确的比对结果。
如图5所示,揭示步骤S524包含步骤S91~步骤S95,其中步骤S92包含步骤S921与步骤S922。此外,如图6所示,揭示步骤S524包含步骤S91、步骤S93~步骤S95。以下,以图5为例,先针对步骤S91与步骤S92加以说明,之后再针对步骤S93~步骤95分别加以说明。
在本发明中,为进一步对这些Y个区块测试影像进行比对,先判断第M个区块测试影像的模糊程度(S91)。在步骤S91中,所述模糊程度区分为低度模糊、中度模糊以及高度模糊,其中,低度模糊可视为该第M个区块测试影像为相对地清晰;同理,高度模糊则视为该第M个区块测试影像相当模糊;而中度模糊则介于清晰与相当模糊之间。
然后,在步骤S92中,则进一步地侦测与判断该第M个区块测试影像的亮度变化程度(S921),必要时,则修正该第M个区块测试影像的亮度(S922),以配合最合适的该参考影像进行比对,由此实现更准确的比对结果。在完成步骤S91与步骤S92之后,则进一步地执行后续步骤S93、步骤S94或步骤S95。
此外,如图6所示,当判断第M个区块测试影像的亮度是合适的,以配合该参考影像时,则可省略步骤S92(即包含步骤S921与步骤S922)的执行。在步骤S92(非必要时可省略)之后,根据在步骤S91中判断该第M个区块测试影像为低度模糊、中度模糊或高度模糊的不同模糊程度,分别对应执行步骤S93、步骤S94或步骤S95。
参见图7所示,首先,根据模糊程度判断第M个区块测试影像为低度模糊(S931),即,可视为第M个区块测试影像为相对清晰的影像。当判断出第M个区块测试影像为低度模糊的影像时,则进一步将第M个区块测试影像与对应的第M个区块参考影像进行比对,以判断第M个区块测试影像是否有对象进入(S932)。当判断第M个区块测试影像因有对象进入该摄影装置的拍摄范围所造成其产生异常特征,则判断出第M个区块测试影像为阻挡区块影像特征(S933),即第M个区块测试影像的阻挡区块影像特征是因对象进入该摄影装置的拍摄范围,而阻挡到相对于第M个区块测试影像的画面位置,所产生的异常区块影像特征。完成步骤S933后,则执行步骤S525(配合参见图4)。
在步骤S932中,若判断第M个区块测试影像没有对象进入时,则将第M个区块测试影像与对应的第M个区块参考影像进行比对,以判断第M个区块测试影像是否有位移(S934)。当判断第M个区块测试影像因该摄影装置的拍摄范围受到转向,则判断出第M个区块测试影像为转向区块影像特征(S935),即第M个区块测试影像的转向区块影像特征是因该摄影装置受到外力且非因正常调整所导致其镜头转向,使其拍摄的角度为非设定的范围,即不是截取该参考影像相对应的角度,而使得相对于第M个区块测试影像的画面位置转向,所产生的异常区块影像特征。完成步骤S935后,则执行步骤S525。
在步骤S934中,若判断第M个区块测试影像没有位移时,则判断出第M个区块测试影像为正常区块影像(S936)。完成步骤S936后,则执行步骤S525。
综上所述,(1)、当第M个区块测试影像为低度模糊,并且有对象进入,则判断出第M个区块测试影像为阻挡区块影像特征;(2)、当第M个区块测试影像为低度模糊,并且没有对象进入,然而有发生位移,则判断出第M个区块测试影像为转向区块影像特征;(3)、当第M个区块测试影像为低度模糊,并且没有对象进入,亦没有发生位移,则判断出第M个区块测试影像为正常区块影像。在本发明中,当第M个区块测试影像为正常区块影像则可不列入统计,或采以较低的权重,以能够真实地反应出对应的第N个异常影像特征的异常程度与异常种类,然而不以上述两种方式为限制。
参见图8所示,首先,根据模糊程度判断第M个区块测试影像为中度模糊(S941)。当判断出第M个区块测试影像为中度模糊的影像时,则进一步将第M个区块测试影像与对应的第M个区块参考影像进行比对,以判断第M个区块测试影像是否有对象进入(S942)。当判断第M个区块测试影像因有对象进入该摄影装置的拍摄范围所造成其产生异常特征,则此判断出第M个区块测试影像为阻挡区块影像特征(S943),即第M个区块测试影像的阻挡区块影像特征是因对象进入该摄影装置的拍摄范围,而阻挡到相对于第M个区块测试影像的画面位置,所产生的异常区块影像特征。完成步骤S943后,则执行步骤S525(配合参见图4)。
在步骤S942中,若判断第M个区块测试影像没有对象进入时,则将第M个区块测试影像与对应的第M个区块参考影像进行比对,以判断第M个区块测试影像是否有颜色变化(S944)。当判断第M个区块测试影像因有颜色变化所造成其产生异常特征,因此判断出第M个区块测试影像为喷雾区块影像特征(S945),即第M个区块测试影像的喷雾区块影像特征是因该摄影装置的拍摄范围,遭受喷漆或其他方式喷涂于其上,使得第M个区块测试影像侦测出产生异常区块影像特征。完成步骤S945后,则执行步骤S525。
在步骤S944中,若判断第M个区块测试影像没有颜色变化时,则判断出第M个区块测试影像为失焦区块影像特征(S946)。完成步骤S946后,则执行步骤S525。
综上所述,(1)、当第M个区块测试影像为中度模糊,并且有对象进入,则判断出第M个区块测试影像为阻挡区块影像特征;(2)、当第M个区块测试影像为中度模糊,并且没有对象进入,然而有发生颜色变化,则判断出第M个区块测试影像为喷雾区块影像特征;(3)、当第M个区块测试影像为中度模糊,并且没有对象进入,亦没有发生颜色变化,则判断出第M个区块测试影像为失焦区块影像特征。在本发明中,当第M个区块测试影像为正常区块影像则可不列入统计,或采以较低的权重,以能够真实地反应出对应的第N个异常影像特征的异常程度与异常种类,然而不以上述两种方式为限制。
参见图9所示,首先,根据模糊程度判断第M个区块测试影像为高度模糊(S951),即,可视为第M个区块测试影像为相对模糊的影像。当判断出第M个区块测试影像为高度模糊的影像时,则进一步将第M个区块测试影像与对应的第M个区块参考影像进行比对,以判断第M个区块测试影像是否有对象进入(S952)。当判断第M个区块测试影像因有对象进入该摄影装置的拍摄范围所造成其产生异常特征,则判断出第M个区块测试影像为阻挡区块影像特征(S953),即第M个区块测试影像的阻挡区块影像特征是因对象进入该摄影装置的拍摄范围,而阻挡到相对于第M个区块测试影像的画面位置,所产生的异常区块影像特征。完成步骤S953后,则执行步骤S525(配合参见图4)。
在步骤S952中,若判断第M个区块测试影像没有对象进入时,则将第M个区块测试影像与对应的第M个区块参考影像进行比对,以判断第M个区块测试影像是否为自然失焦模糊(S954)。当判断第M个区块测试影像因自然失焦而模糊所造成其产生异常特征,因此判断出第M个区块测试影像为失焦区块影像特征(S955),即第M个区块测试影像的失焦区块影像特征是因焦距不准确,使该摄影装置所拍摄到的影像模糊不清,所产生的异常区块影像特征。完成步骤S955后,则执行步骤S525。
在步骤S954中,若判断第M个区块测试影像不是自然失焦模糊时,则判断出第M个区块测试影像为阻挡区块影像特征(S953)。完成步骤S953后,则执行步骤S525。
综上所述,(1)、当第M个区块测试影像为高度模糊,并且有对象进入,则判断出第M个区块测试影像为阻挡区块影像特征;(2)、当第M个区块测试影像为高度模糊,并且没有对象进入,也不是自然失焦模糊,则判断出第M个区块测试影像为阻挡区块影像特征;(3)、当第M个区块测试影像为高度模糊,并且没有对象进入,然而为自然失焦模糊,则判断出第M个区块测试影像为失焦区块影像特征。在本发明中,当第M个区块测试影像为正常区块影像则可不列入统计,或采以较低的权重,以能够真实地反应出对应的第N个异常影像特征的异常程度与异常种类,然而不以上述两种方式为限制。
以下,将配合附图以一喷雾异常影像为例,说明本发明摄影装置画面异常种类的检测方法的具体操作。
参见图10A~图10D所示,其中图10A所示为所述参考影像。以前述1分钟长度的测试影片总共截取的1,800帧测试影像为例,假设图10B所示影像为该摄影装置所拍摄该测试影片其中所截取的第700帧(N=700)测试影像,图10C所示为截取的第760帧(N=760)测试影像,以及图10D所示为截取的第820帧(N=820)测试影像。再者,图10B~图10D所示的测试影像分割为4×4(Y=16)个区块测试影像(步骤S521),同时,图10A所示的该参考影像也对应分割为4×4(Y=16)个区块参考影像(步骤S522)。然后,从第一个区块测试影像(M=1)开始(步骤S523),逐一对第N个测试影像的这些16个区块测试图像映射该参考影像的这些16个区块参考影像进行比对(步骤S524~步骤S526)。以图10B~图10D为例,对第700帧测试影像、对第760帧测试影像以及对第820帧测试影像的这些16个区块测试影像逐一比对,详细说明如后。
为方便且清楚说明,因此定义第一个区块测试影像为左上角该区块测试影像,以由左而右,由上而下的顺序定义其他区块测试影像,故此,右上角该区块测试影像为第4个区块测试影像,左下角该区块测试影像为第13个区块测试影像,以及右下角该区块测试影像为第16个区块测试影像。
以下,以列表的方式呈现第700帧测试影像(配合参见表1)所述16个区块测试影像的比对步骤流程。
表1
区块测试影像编号 | 执行步骤流程 | 比对结果 |
M=1 | S941→S942→S943 | BK |
M=2 | S951→S952→S953 | BK |
M=3 | S931→S932→S934→S936 | NM |
M=4 | S931→S932→S934→S936 | NM |
M=5 | S951→S952→S953 | BK |
M=6 | S941→S942→S944→S945 | SR |
M=7 | S931→S932→S934→S936 | NM |
M=8 | S931→S932→S934→S936 | NM |
M=9 | S931→S932→S934→S936 | NM |
M=10 | S931→S932→S934→S936 | NM |
M=11 | S931→S932→S934→S936 | NM |
M=12 | S931→S932→S934→S936 | NM |
M=13 | S931→S932→S934→S936 | NM |
M=14 | S931→S932→S934→S936 | NM |
M=15 | S931→S932→S934→S936 | NM |
M=16 | S931→S932→S934→S936 | NM |
其中,表1比对结果字段所记载的BK是指阻挡区块影像特征、SR是指喷雾区块影像特征、NM是指正常区块影像。
如图10B所示的第700帧(N=700)测试影像,经过16个区块测试影像的比对后,对应步骤S527所产生该区块影像测试序列={BK,BK,NM,NM,BK,SR,NM,NM,NM,NM,NM,NM,NM,NM,NM,NM},可判断出阻挡区块影像特征(BK)为3个、喷雾区块影像特征(SR)为1个以及正常区块影像(NM)为12个,因此,在本发明只有当所有的区块测试影像皆为正常区块影像,才会判断认定所对应的测试影像为正常测试影像,换言之,只要有至少一个区块测试影像为异常区块影像特征,则判断认定所对应的测试影像为异常测试影像。故此,对所述第700帧(N=700)测试影像而言,由于阻挡区块影像特征(BK)的次数大于喷雾区块影像特征(SR)的次数,因此,对应步骤S528,根据该区块影像测试序列则产生第700个异常影像特征为阻挡影像特征。
此外须加以说明的是,若有最大数量相同的异常区块影像特征时,则以连续数量最长的异常区块影像特征为认定该测试影像的异常影像特征。举例来说,若该区块影像测试序列={BK,BK,NM,NM,BK,SR,NM,NM,SR,NM,NM,NM,SR,NM,NM,NM},其中阻挡区块影像特征(BK)出现的数量与喷雾区块影像特征(SR)出现的数量相同,且皆为最大数量(3次),然而,由于BK连续数量(2次)比SR连续数量(1次)较长,因此,认定该测试影像的异常影像特征为阻挡(BK)影像特征。再举另一例说明,若该区块影像测试序列={NM,SR,BK,BK,SR,SR,SR,SR,BK,BK,NM,NM,BK,BK,SR,NM},其中阻挡区块影像特征(BK)出现的数量与喷雾区块影像特征(SR)出现的数量相同,且皆为最大数量(6次),然而,由于SR连续数量(4次)比BK连续数量(2次)较长,因此,认定该测试影像的异常影像特征为喷雾(SR)影像特征。
以下,以列表的方式呈现第760帧测试影像(配合参见表2)所述16个区块测试影像的比对步骤流程。
表2
其中,表2比对结果字段所记载的BK是指阻挡区块影像特征、SR是指喷雾区块影像特征、NM是指正常区块影像。
如图10C所示的第760帧(N=760)测试影像,经过16个区块测试影像的比对后,对应步骤S527所产生该区块影像测试序列={BK,BK,SR,SR,BK,SR,SR,NM,SR,SR,NM,NM,SR,NM,NM,NM},可判断出阻挡区块影像特征(BK)为3个、喷雾区块影像特征(SR)为7个以及正常区块影像(NM)为6个,因此,对所述第760帧(N=760)测试影像而言,由于喷雾区块影像特征(SR)的次数大于阻挡区块影像特征(BK)的次数,因此,对应步骤S528,根据该区块影像测试序列则产生第760个异常影像特征为喷雾影像特征。
以下,以列表的方式呈现第820帧测试影像(配合参见表3)所述16个区块测试影像的比对步骤流程。
表3
其中,表3比对结果字段所记载的BK是指阻挡区块影像特征、SR是指喷雾区块影像特征、NM是指正常区块影像。
如图10D所示的第820帧(N=820)测试影像,经过16个区块测试影像的比对后,对应步骤S527所产生该区块影像测试序列={BK,BK,SR,SR,BK,SR,SR,SR,SR,SR,SR,SR,SR,SR,NM,NM},可判断出阻挡区块影像特征(BK)为3个、喷雾区块影像特征(SR)为11个以及正常区块影像(NM)为2个,因此,对所述第820帧(N=820)测试影像而言,由于喷雾区块影像特征(SR)的次数大于阻挡区块影像特征(BK)的次数,因此,对应步骤S528,根据该区块影像测试序列则产生第820个异常影像特征为喷雾影像特征。
根据上述三个测试影像(N=700,N=760,N=820)为例说明,对时间长度为1分钟的测试影片,以每隔1/30秒截取一个测试影像,所产生1,800个测试影像(X=1,800)分别与该参考影像进行比对后,可产生1,800个异常影像特征为元素所组成的该影像测试序列。假设1,800个测试影像比对后所产生的1,800个异常影像特征包含642帧正常影像、26帧阻挡影像特征以及1,132帧喷雾影像特征,因此,在本发明中,判断为正常影像的测试影像可不列入统计,或采以较低的权重,以能够真实地反应出对应的第N个异常影像特征的异常程度与异常种类。以上述为例,由于在1,800个测试影像中,1,132帧喷雾影像特征最多或其所占比例(不含正常影像)为62.89%最高,因此,根据时间长度为1分钟的该测试影片比对结果,判断出该摄影装置的画面异常种类为「喷雾异常」。
此外须加以说明的,若有最大数量相同的异常影像特征时,则以连续数量最长的异常影像特征为认定该测试影像的异常影像特征。举例来说,若该测试影像比对后,阻挡影像特征出现的数量与喷雾影像特征出现的数量相同,且皆为最大数量(824帧),假设阻挡影像特征连续数量(714帧)比喷雾影像特征连续数量(325帧)较长,因此,认定该测试影像的异常影像特征为阻挡影像特征。
综上所述,本发明具有以下的特征与优点:
1、通过判断具有多个异常影像特征的该影像测试序列,以准确地判断该摄影装置的画面异常所造成的原因,例如判断为阻挡异常画面、转向异常画面、喷雾异常画面或失焦异常画面,由此缩短维修监视摄影装置的过程与提高维修监视摄影装置的质量。
2、本发明所述摄影装置画面异常种类的检测方法,能够容易地、弹性地以及适应性地移植所对应的算法至其他不同的摄影装置***。
但,以上所述,仅为本发明较佳具体实施例的详细说明与附图,本发明的特征并不局限于此,并非用以限制本发明,本发明的保护范围应以权利要求书为准,凡符合本发明精神与其类似变化的实施例,皆应包含于本发明的范畴,任何熟悉本技术领域的普通专业人员在本发明的领域内,可轻易想到的变化或修饰皆涵盖在本发明的范围内。
Claims (18)
1.一种摄影装置画面异常种类的检测方法,其特征在于,包含:
开始一摄影装置的画面检测;
启动该摄影装置拍摄一测试影片;
加载一参考影像;
由该测试影片中截取X个测试影像;
将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的一影像测试序列;及
根据该影像测试序列判断该摄影装置的画面异常种类。
2.如权利要求1所述的摄影装置画面异常种类的检测方法,其特征在于,由该测试影片中截取X个测试影像的步骤包含:
设定一截取时间间隔;
由该测试影片起始,每隔该截取时间间隔截取一个测试影像;及
产生所述X个测试影像。
3.如权利要求1所述的摄影装置画面异常种类的检测方法,其特征在于,将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的该影像测试序列的步骤包含:
设定N=1;
将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征;
判断是否完成所有测试影像与该参考影像的比对;
若未完成所有测试影像与该参考影像的比对,则设定N=N+1,并且返回执行将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征,以及判断是否完成所有测试影像与该参考影像的比对的步骤;及
若完成所有测试影像与该参考影像的比对,则产生具有X个异常影像特征的该影像测试序列。
4.如权利要求3所述的摄影装置画面异常种类的检测方法,其特征在于,将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征的步骤包含:
将第N个测试影像分割为Y个区块测试影像;
将该参考图像映射也分割为Y个区块参考影像;
设定M=1;
将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征;
判断是否完成所有区块测试影像与对应的区块参考影像的比对;
若未完成所有区块测试影像与对应的区块参考影像的比对,则设定M=M+1,并且返回执行将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征,以及判断是否完成所有区块测试影像与对应的区块参考影像的比对的步骤;
若完成所有区块测试影像与对应的区块参考影像的比对,则产生具有Y个异常区块影像特征的一区块影像测试序列;及
根据该区块影像测试序列产生第N个异常影像特征。
5.如权利要求4所述的摄影装置画面异常种类的检测方法,其特征在于,将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征的步骤包含:
判断第M个区块测试影像的模糊程度,其中所述模糊程度包含一低度模糊、一中度模糊以及一高度模糊;
判断第M个区块测试影像的亮度变化程度;
修正第M个区块测试影像的亮度;及
判断第M个区块测试影像为一正常区块影像、一阻挡区块影像特征、一转向区块影像特征、一喷雾区块影像特征或一失焦区块影像特征。
6.如权利要求4所述的摄影装置画面异常种类的检测方法,其特征在于,将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征的步骤包含:
判断第M个区块测试影像的模糊程度,其中所述模糊程度包含低度模糊、中度模糊以及高度模糊;及
判断第M个区块测试影像为一正常区块影像、一阻挡区块影像特征、一转向区块影像特征、一喷雾区块影像特征或一失焦区块影像特征。
7.如权利要求5或权利要求6所述的摄影装置画面异常种类的检测方法,其特征在于,在判断第M个区块测试影像的模糊程度的步骤之后包含:
根据模糊程度判断第M个区块测试影像为低度模糊;
判断第M个区块测试影像是否有对象进入;
若第M个区块测试影像有对象进入,则判断第M个区块测试影像为阻挡区块影像特征;
若第M个区块测试影像没有对象进入,则判断第M个区块测试影像是否有位移;
若第M个区块测试影像有位移,则判断第M个区块测试影像为转向区块影像特征;及
若第M个区块测试影像没有位移,则判断第M个区块测试影像为正常区块影像。
8.如权利要求5或权利要求6所述的摄影装置画面异常种类的检测方法,其特征在于,在判断第M个区块测试影像的模糊程度的步骤之后包含:
根据模糊程度判断第M个区块测试影像为中度模糊;
判断第M个区块测试影像是否有对象进入;
若第M个区块测试影像有对象进入,则判断第M个区块测试影像为阻挡区块影像特征;
若第M个区块测试影像没有对象进入,则判断第M个区块测试影像是否有颜色变化;
若第M个区块测试影像有颜色变化,则判断第M个区块测试影像为喷雾区块影像特征;及
若第M个区块测试影像没有颜色变化,则判断第M个区块测试影像为失焦区块影像特征。
9.如权利要求5或权利要求6所述的摄影装置画面异常种类的检测方法,其特征在于,在判断第M个区块测试影像的模糊程度的步骤之后包含:
根据模糊程度判断第M个区块测试影像为高度模糊;
判断第M个区块测试影像是否有对象进入;
若第M个区块测试影像有对象进入,则判断第M个区块测试影像为阻挡区块影像特征;
若第M个区块测试影像没有对象进入,则判断第M个区块测试影像是否为自然失焦模糊;
若第M个区块测试影像为自然失焦模糊,则判断第M个区块测试影像为失焦区块影像特征;及
若第M个区块测试影像非为自然失焦模糊,则判断第M个区块测试影像为阻挡区块影像特征。
10.一种摄影装置画面异常种类的检测方法,其特征在于,包含:
开始一摄影装置的画面检测;
启动该摄影装置拍摄一测试影片;
加载一参考影像;
由该测试影片中截取X个测试影像;
将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的一影像测试序列,其中所述异常影像特征为一阻挡影像特征、一转向影像特征、一喷雾影像特征或一失焦影像特征;及
根据该影像测试序列判断该摄影装置的画面异常种类,其中所述画面异常种类为一阻挡异常画面、一转向异常画面、一喷雾异常画面或一失焦异常画面。
11.如权利要求10所述的摄影装置画面异常种类的检测方法,其特征在于,由该测试影片中截取X个测试影像的步骤包含:
设定一截取时间间隔;
由该测试影片起始,每隔该截取时间间隔截取一个测试影像;及
产生所述X个测试影像。
12.如权利要求10所述的摄影装置画面异常种类的检测方法,其特征在于,将所述X个测试影像分别与该参考影像进行比对,产生具有X个异常影像特征的该影像测试序列的步骤包含:
设定N=1;
将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征;
判断是否完成所有测试影像与该参考影像的比对;
若未完成所有测试影像与该参考影像的比对,设定N=N+1,并且返回执行将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征,以及判断是否完成所有测试影像与该参考影像的比对的步骤;及
若完成所有测试影像与该参考影像的比对,则产生具有X个异常影像特征的该影像测试序列。
13.如权利要求12所述的摄影装置画面异常种类的检测方法,其特征在于,将第N个测试影像与该参考影像进行比对,产生第N个异常影像特征的步骤包含:
将第N个测试影像分割为Y个区块测试影像;
将该参考图像映射也分割为Y个区块参考影像;
设定M=1;
将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征;
判断是否完成所有区块测试影像与对应的区块参考影像的比对;
若未完成所有区块测试影像与对应的区块参考影像的比对,则设定M=M+1,并且返回执行将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征,以及判断是否完成所有区块测试影像与对应的区块参考影像的比对的步骤;
若完成所有区块测试影像与对应的区块参考影像的比对,则产生具有Y个异常区块影像特征的一区块影像测试序列;及
根据该区块影像测试序列产生第N个异常影像特征。
14.如权利要求13所述的摄影装置画面异常种类的检测方法,其特征在于,将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征的步骤包含:
判断第M个区块测试影像的模糊程度,其中所述模糊程度包含一低度模糊、一中度模糊以及一高度模糊;
判断第M个区块测试影像的亮度变化程度;
修正第M个区块测试影像的亮度;及
判断第M个区块测试影像为一正常区块影像、一阻挡区块影像特征、一转向区块影像特征、一喷雾区块影像特征或一失焦区块影像特征。
15.如权利要求13所述的摄影装置画面异常种类的检测方法,其特征在于,将第M个区块测试影像与对应的第M个区块参考影像比对,产生第M个异常区块影像特征的步骤包含:
判断第M个区块测试影像的模糊程度,其中所述模糊程度包含低度模糊、中度模糊以及高度模糊;及
判断第M个区块测试影像为一正常区块影像、一阻挡区块影像特征、一转向区块影像特征、一喷雾区块影像特征或一失焦区块影像特征。
16.如权利要求14或15所述的摄影装置画面异常种类的检测方法,其特征在于,在判断第M个区块测试影像的模糊程度的步骤之后包含:
根据模糊程度判断第M个区块测试影像为低度模糊;
判断第M个区块测试影像是否有对象进入;
若第M个区块测试影像有对象进入,则判断第M个区块测试影像为阻挡区块影像特征;
若第M个区块测试影像没有对象进入,则判断第M个区块测试影像是否有位移;
若第M个区块测试影像有位移,则判断第M个区块测试影像为转向区块影像特征;及
若第M个区块测试影像没有位移,则判断第M个区块测试影像为正常区块影像。
17.如权利要求14或15所述的摄影装置画面异常种类的检测方法,其特征在于,在判断第M个区块测试影像的模糊程度的步骤之后包含:
根据模糊程度判断第M个区块测试影像为中度模糊;
判断第M个区块测试影像是否有对象进入;
若第M个区块测试影像有对象进入,则判断第M个区块测试影像为阻挡区块影像特征;
若第M个区块测试影像没有对象进入,则判断第M个区块测试影像是否有颜色变化;
若第M个区块测试影像有颜色变化,则判断第M个区块测试影像为喷雾区块影像特征;及
若第M个区块测试影像没有颜色变化,则判断第M个区块测试影像为失焦区块影像特征。
18.如权利要求14或15所述的摄影装置画面异常种类的检测方法,其特征在于,在判断第M个区块测试影像的模糊程度的步骤之后包含:
根据模糊程度判断第M个区块测试影像为高度模糊;
判断第M个区块测试影像是否有对象进入;
若第M个区块测试影像有对象进入,则判断第M个区块测试影像为阻挡区块影像特征;
若第M个区块测试影像没有对象进入,则判断第M个区块测试影像是否为自然失焦模糊;
若第M个区块测试影像为自然失焦模糊,则判断第M个区块测试影像为失焦区块影像特征;及
若第M个区块测试影像非为自然失焦模糊,则判断第M个区块测试影像为阻挡区块影像特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610935945.1A CN107979753B (zh) | 2016-10-24 | 2016-10-24 | 摄影装置画面异常种类的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610935945.1A CN107979753B (zh) | 2016-10-24 | 2016-10-24 | 摄影装置画面异常种类的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107979753A true CN107979753A (zh) | 2018-05-01 |
CN107979753B CN107979753B (zh) | 2019-12-10 |
Family
ID=62004975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610935945.1A Expired - Fee Related CN107979753B (zh) | 2016-10-24 | 2016-10-24 | 摄影装置画面异常种类的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107979753B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905678A (zh) * | 2019-03-21 | 2019-06-18 | 重庆工程职业技术学院 | 一种煤矿监控图像去雾处理*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001006056A (ja) * | 1999-06-18 | 2001-01-12 | Fujitsu General Ltd | 侵入監視の妨害検知通知方法および侵入監視通知システム |
JP2002304677A (ja) * | 2001-04-06 | 2002-10-18 | Fujitsu General Ltd | 侵入者検出方法および装置 |
JP2008077517A (ja) * | 2006-09-22 | 2008-04-03 | Saxa Inc | カメラ妨害検知方式 |
JP2009193464A (ja) * | 2008-02-15 | 2009-08-27 | Nec Corp | 隠蔽検知装置、画像監視システム、隠蔽検知方法及び隠蔽検知プログラム |
CN102348128A (zh) * | 2010-07-30 | 2012-02-08 | 株式会社日立制作所 | 具有摄像机异常检测装置的监视用摄像机*** |
CN102572508A (zh) * | 2012-02-13 | 2012-07-11 | 北京文安科技发展有限公司 | 一种视频故障诊断***及方法 |
CN104902265A (zh) * | 2015-05-22 | 2015-09-09 | 深圳市赛为智能股份有限公司 | 一种基于背景边缘模型的摄像机异常检测方法及*** |
CN205160712U (zh) * | 2015-11-26 | 2016-04-13 | 北京声迅电子股份有限公司 | 一种视频监控设备故障检测装置 |
-
2016
- 2016-10-24 CN CN201610935945.1A patent/CN107979753B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001006056A (ja) * | 1999-06-18 | 2001-01-12 | Fujitsu General Ltd | 侵入監視の妨害検知通知方法および侵入監視通知システム |
JP2002304677A (ja) * | 2001-04-06 | 2002-10-18 | Fujitsu General Ltd | 侵入者検出方法および装置 |
JP2008077517A (ja) * | 2006-09-22 | 2008-04-03 | Saxa Inc | カメラ妨害検知方式 |
JP2009193464A (ja) * | 2008-02-15 | 2009-08-27 | Nec Corp | 隠蔽検知装置、画像監視システム、隠蔽検知方法及び隠蔽検知プログラム |
CN102348128A (zh) * | 2010-07-30 | 2012-02-08 | 株式会社日立制作所 | 具有摄像机异常检测装置的监视用摄像机*** |
CN102572508A (zh) * | 2012-02-13 | 2012-07-11 | 北京文安科技发展有限公司 | 一种视频故障诊断***及方法 |
CN104902265A (zh) * | 2015-05-22 | 2015-09-09 | 深圳市赛为智能股份有限公司 | 一种基于背景边缘模型的摄像机异常检测方法及*** |
CN205160712U (zh) * | 2015-11-26 | 2016-04-13 | 北京声迅电子股份有限公司 | 一种视频监控设备故障检测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905678A (zh) * | 2019-03-21 | 2019-06-18 | 重庆工程职业技术学院 | 一种煤矿监控图像去雾处理*** |
CN109905678B (zh) * | 2019-03-21 | 2021-04-23 | 重庆工程职业技术学院 | 一种煤矿监控图像去雾处理*** |
Also Published As
Publication number | Publication date |
---|---|
CN107979753B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104754302B (zh) | 一种基于枪球联动***的目标检测跟踪方法 | |
US10304169B2 (en) | Method and device for correction restoration and analysis alarming of distorted image | |
US9648285B2 (en) | Monitoring method and camera | |
CN106339673A (zh) | 一种基于人脸识别的atm机身份验证方法 | |
CN107592506B (zh) | 一种监控方法以及监控装置、监控*** | |
CN105488941A (zh) | 基于红外-可见光图像的双光谱森林火情监测方法及装置 | |
CN106327483A (zh) | 检测设备logo贴附的方法、***及装置 | |
CN105898246A (zh) | 智能家居*** | |
JP5128547B2 (ja) | 監視システム用の画像処理プログラム、画像処理装置、及び画像処理方法 | |
CN110189355A (zh) | 安全疏散通道占用检测方法、装置、电子设备及存储介质 | |
CN105592301A (zh) | 摄像设备及其控制方法和监视照相机*** | |
CN105763868A (zh) | 云台故障的检测方法及装置 | |
CN110210292A (zh) | 一种基于深度学习的目标识别方法 | |
CN108877136A (zh) | 一种结合摄象机和红外点温仪的火灾报警***及其方法 | |
DE102014214089A1 (de) | Überwachungsanordnung mit Reflektionseinrichtung und Korrespondenzmodul und Verfahren zum Einrichten der Überwachungsanordnung | |
CN101764999A (zh) | 分镜头视频捕获设备 | |
CN106937087A (zh) | 一种视频处理方法及装置 | |
CN104657997B (zh) | 一种镜头移位检测方法及装置 | |
CN103607558A (zh) | 一种视频监控***及其目标匹配方法和装置 | |
CN109274945B (zh) | 一种自适应进行图像真彩色还原的方法及*** | |
CN107979753A (zh) | 摄影装置画面异常种类的检测方法 | |
CN103986912B (zh) | 基于民用ipc的双向实时车辆底盘图像合成方法 | |
KR20200059643A (ko) | 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 | |
KR20190072323A (ko) | 영상 감시 시스템 및 영상 감시방법 | |
KR101929212B1 (ko) | 이동객체를 마스킹처리하는 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191210 Termination date: 20211024 |