CN109544520B - 一种视频图像扭曲自动检测方法 - Google Patents

一种视频图像扭曲自动检测方法 Download PDF

Info

Publication number
CN109544520B
CN109544520B CN201811332095.1A CN201811332095A CN109544520B CN 109544520 B CN109544520 B CN 109544520B CN 201811332095 A CN201811332095 A CN 201811332095A CN 109544520 B CN109544520 B CN 109544520B
Authority
CN
China
Prior art keywords
image
optical flow
calculating
feature
images
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.)
Active
Application number
CN201811332095.1A
Other languages
English (en)
Other versions
CN109544520A (zh
Inventor
陈太
高兀
胡刚风
梁李凡
刘荣杰
林家星
颜莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Hoshing Hi Tech Industrial Co ltd
Original Assignee
Fujian Hoshing Hi Tech Industrial Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Hoshing Hi Tech Industrial Co ltd filed Critical Fujian Hoshing Hi Tech Industrial Co ltd
Priority to CN201811332095.1A priority Critical patent/CN109544520B/zh
Publication of CN109544520A publication Critical patent/CN109544520A/zh
Application granted granted Critical
Publication of CN109544520B publication Critical patent/CN109544520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种视频图像扭曲自动检测方法，采集变电站连续的三张图像，提取图像特征点，计算其特征向量并进行归一化处理；根据特征向量对三张图像特征点进行匹配，获取匹配特征点；获取连续两张图像匹配特征点的光流并计算差值；将图像划分为多个图像片，计算每个图像片内像素点的光流并计算差值；给定光流阈值，若任意光流差值大于光流阈值，则认为视频图像存在扭曲，否则计算每个图像片的主方向和像素点方向，若同一个图像片内存在多个主方向或像素点间的方向差异较大，则认为图像存在扭曲，否则认为图像正常，以此实现图像扭曲检测。本发明解决了视频图像扭曲自动检测问题，具有重要的实际应用价值。

Description

一种视频图像扭曲自动检测方法
技术领域
本发明涉及视频图像检测领域，具体涉及一种视频图像扭曲自动检测方法。
背景技术
在视频监控领域，视频监控图像会因为镜头本身或者图像信号传输等其他原因存在很多的图像畸变或扭曲，导致监控图像显示不正常。如果可以通过视频检测方法，实时视频分析，对图像进行检测，便可以起到很好的安全快速预警的作用。
传统的摄像头畸变识别方法为:把待测试的摄像头固定在摄像头夹具上，在摄像头夹具正前方设有固定的图像标定靶面，图像标定靶面的中心处和夹具呈垂直角度，根据待测摄像头的图像中心在靶面上的成像点与靶面中心点的距离差，人工计算出此摄像头的畸变中心点位置。上述畸变中心点识别方法对摄像头和图像标定靶面的相对位置有严格要求，如果摄像头摆放位置稍歪或存在微度偏移，则对畸变中心点的检测结果影响很大，在确定其畸变中心点时，通常的做法是通过专用仪器或笔记本来显示和确认相应图像的交点，并且需要工人判断和转换才能得出最终的检测结果，结果不直观，识别准确度和效率低，因此迫切需要实现视频图像扭曲自动检测。
发明内容
有鉴于此，本发明的目的在于提供一种视频图像扭曲自动检测方法,解决了视频图像扭曲自动检测问题。
为实现上述目的，本发明采用如下技术方案：
一种视频图像扭曲自动检测方法，包括以下步骤：
步骤S1:通过摄像头采集的连续的三张图像；
步骤S2:对三张图像进行特征检测，提取图像特征点，计算其特征向量并进行归一化处理；
步骤S3:根据得到的特征向量，将三张图像特征点进行匹配，获取匹配特征点；根据第一张图像和第二张图像特征点位置计算匹配特征点的光流，同时根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流，以此获取连续两张图像匹配特征点的光流；
步骤S4:遍历步骤S3中所有匹配特征点，计算匹配特征点间的光流差值，给定光流阈值，若光流差值大于光流阈值，则认为视频图像存在扭曲，否则进入步骤S5；
步骤S5:将三张待检测图像分为相同的多个设定同一大小的图像片，根据第一张图像和第二张图像相同图像片计算图像片中每个像素点的光流，同时根据第二张图像和第三张图像相同图像片计算图像片中每个像素点的光流，以此获取连续两张图像中对应图像片中每个像素点的光流；
步骤S6:遍历步骤S5中所有对应的图像片，计算图像片中每个对应像素点的光流差值，给定光流阈值，若光流差值大于给定阈值，则认为视频图像存在扭曲，否则进入步骤S7；
步骤S7:遍历步骤S5中所有对应的图像片，根据图像片中像素点光流计算每个像素点的运动方向并计算图像片的主方向，若图像片中像素点方向较多且差异较大，或存在多个主方向，则认为视频图像存在扭曲，否则认为视频图像正常，以此实现视频图像扭曲自动检测。
进一步的，所述步骤S2具体为：
步骤S21:依次输入待检测图像；
步骤S22:提取图像利于跟踪的特征点，即GFTT特征；
步骤S23:对每个特征点取8*8邻域，每个8*8邻域再分成16个2*2邻域，在每个2*2邻域上生成一个8方向向量种子，则每个特征点可以计算出一个16*8＝128维的特征向量；
步骤S23:对特征向量进行归一化处理，以消除外界干扰因素的影响。
进一步的，所述步骤S3具体为：
步骤S31:根据步骤S2得到三张图像中每个特征点的特征向量；
步骤S32:遍历第一张图像的所有特征向量，计算每个特征向量与第二和第三张图像特征向量间的差值，给定向量差阈值，若差值小于给定阈值，则认为是匹配特征点；
步骤S33:采用步骤S32的计算方法，计算第二张图像和第三张图像的匹配特征点，得到三张图像的所有匹配特征点；
步骤S34:根据第一张图像和第二张图像特征点位置计算匹配特征点的光流，并根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流，以此获取连续两张图像匹配特征点的光流。
进一步的，所述步骤技术匹配特征点的光流具体方法为：遍历两张图像所有的匹配特征点对，计算匹配特征点在两张图像中的x和y方向的位移向量，即为特征点的光流。
进一步的，所述步骤S7具体为：
步骤S71:遍历图像片的每个像素点，获取每个像素点的光流，获取图像的位移向量；
步骤S72:根据位移向量获取像素点的运动方向，计算方向角度angle；
步骤S73:将0-180度分为18个方向，每个方向为10度，即0-10，10-20，…170-180，若方向角度angle大于180，则angle＝angle-180，根据方向角度angle划分其所属的方向范围，统计每个方向范围内的像素点数目，数目最多的方向范围即为主方向；
步骤S74:若步骤S73中的主方向数目存在多个，或者像素点间的运动方向数目较多且差异较大，则认为视频图像存在扭曲，打乱了原来的规则有序运动。
本发明与现有技术相比具有以下有益效果：
1、本发明仅需要三张连续的视频图像便可对视频是否扭曲进行判断，不需要完整的视频文件
2、本发明利用GFTT能够有效提取图像特征点，计算特征点光流，能够对视频图像是否扭曲做出快速的判断；
3、本发明检测速度快，精度高
附图说明
具体实施方式
下面结合实施例对本发明做进一步说明。
本发明提供一种视频图像扭曲自动检测方法，包括以下步骤：
步骤S1:通过摄像头采集的连续的三张图像；
步骤S2:对三张图像进行特征检测，提取图像特征点，计算其特征向量并进行归一化处理；
步骤S3:根据得到的特征向量，将三张图像特征点进行匹配，获取匹配特征点；根据第一张图像和第二张图像特征点位置计算匹配特征点的光流，同时根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流，以此获取连续两张图像匹配特征点的光流；
步骤S4:遍历步骤S3中所有匹配特征点，计算匹配特征点间的光流差值，给定光流阈值，若光流差值大于光流阈值，则认为视频图像存在扭曲，否则进入步骤S5；
步骤S5:将三张待检测图像分为相同的多个设定同一大小的图像片，根据第一张图像和第二张图像相同图像片计算图像片中每个像素点的光流，同时根据第二张图像和第三张图像相同图像片计算图像片中每个像素点的光流，以此获取连续两张图像中对应图像片中每个像素点的光流；
步骤S6:遍历步骤S5中所有对应的图像片，计算图像片中每个对应像素点的光流差值，给定光流阈值，若光流差值大于给定阈值，则认为视频图像存在扭曲，否则进入步骤S7；
步骤S7:遍历步骤S5中所有对应的图像片，根据图像片中像素点光流计算每个像素点的运动方向并计算图像片的主方向，若图像片中像素点方向较多且差异较大，或存在多个主方向，则认为视频图像存在扭曲，否则认为视频图像正常，以此实现视频图像扭曲自动检测。
在本发明一实施例中，所述步骤S2具体为：
步骤S21:依次输入待检测图像；
步骤S22:提取图像利于跟踪的特征点，即GFTT特征；
步骤S23:对每个特征点取8*8邻域，每个8*8邻域再分成16个2*2邻域，在每个2*2邻域上生成一个8方向向量种子，则每个特征点可以计算出一个16*8＝128维的特征向量；
步骤S23:对特征向量进行归一化处理，以消除外界干扰因素的影响。
在本发明一实施例中，所述步骤S3具体为：
步骤S31:根据步骤S2得到三张图像中每个特征点的特征向量；
步骤S32:遍历第一张图像的所有特征向量，计算每个特征向量与第二和第三张图像特征向量间的差值，给定向量差阈值，若差值小于给定阈值，则认为是匹配特征点；
步骤S33:采用步骤S32的计算方法，计算第二张图像和第三张图像的匹配特征点，得到三张图像的所有匹配特征点；
步骤S34:根据第一张图像和第二张图像特征点位置计算匹配特征点的光流，并根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流，以此获取连续两张图像匹配特征点的光流。
在本发明一实施例中，所述步骤技术匹配特征点的光流具体方法为：遍历两张图像所有的匹配特征点对，计算匹配特征点在两张图像中的x和y方向的位移向量，即为特征点的光流。
在本发明一实施例中，所述步骤S7具体为：
步骤S71:遍历图像片的每个像素点，获取每个像素点的光流，获取图像的位移向量；
步骤S72:根据位移向量获取像素点的运动方向，计算方向角度angle；
步骤S73:将0-180度分为18个方向，每个方向为10度，即0-10，10-20，…170-180，若方向角度angle大于180，则angle＝angle-180，根据方向角度angle划分其所属的方向范围，统计每个方向范围内的像素点数目，数目最多的方向范围即为主方向；
步骤S74:若步骤S73中的主方向数目存在多个，或者像素点间的运动方向数目较多且差异较大，则认为视频图像存在扭曲，打乱了原来的规则有序运动。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (4)

1.一种视频图像扭曲自动检测方法，其特征在于，包括以下步骤：
步骤S1:通过摄像头采集连续的三张图像；
步骤S2:对三张图像进行特征检测，提取图像特征点，计算其特征向量并进行归一化处理；
步骤S3:根据得到的特征向量，将三张图像特征点进行匹配，获取匹配特征点；根据第一张图像和第二张图像特征点位置计算匹配特征点的光流，同时根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流，以此获取连续两张图像匹配特征点的光流；
所述计算匹配特征点的光流具体方法为：遍历两张图像所有的匹配特征点对，计算匹配特征点在两张图像中的x和y方向的位移向量，即为特征点的光流；
步骤S4:遍历步骤S3中所有匹配特征点，计算匹配特征点间的光流差值，给定光流阈值，若光流差值大于光流阈值，则认为视频图像存在扭曲，否则进入步骤S5；
步骤S5:将三张待检测图像分为相同的多个设定同一大小的图像片，根据第一张图像和第二张图像相同图像片计算图像片中每个像素点的光流，同时根据第二张图像和第三张图像相同图像片计算图像片中每个像素点的光流，以此获取连续两张图像中对应图像片中每个像素点的光流；
步骤S6:遍历步骤S5中所有对应的图像片，计算图像片中每个对应像素点的光流差值，给定光流阈值，若光流差值大于给定光流阈值，则认为视频图像存在扭曲，否则进入步骤S7；
步骤S7:遍历步骤S5中所有对应的图像片，根据图像片中像素点光流计算每个像素点的运动方向并计算图像片的主方向，若图像片中像素点方向较多且差异较大，或存在多个主方向，则认为视频图像存在扭曲，否则认为视频图像正常，以此实现视频图像扭曲自动检测。
2.根据权利要求1所述的一种视频图像扭曲自动检测方法，其特征在于：所述步骤S2具体为：
步骤S21:依次输入待检测图像；
步骤S22:提取图像利于跟踪的特征点，即GFTT特征；
步骤S23:对每个特征点取8*8邻域，每个8*8邻域再分成16个2*2邻域，在每个2*2邻域上生成一个8方向向量种子，则每个特征点可以计算出一个16*8＝128维的特征向量；
步骤S23:对特征向量进行归一化处理，以消除外界干扰因素的影响。
3.根据权利要求1所述的一种视频图像扭曲自动检测方法，其特征在于：所述步骤S3具体为：
步骤S31:根据步骤S2得到三张图像中每个特征点的特征向量；
步骤S32:遍历第一张图像的所有特征向量，计算每个特征向量与第二和第三张图像特征向量间的差值，给定向量差阈值，若差值小于给定阈值，则认为是匹配特征点；
步骤S33:采用步骤S32的计算方法，计算第二张图像和第三张图像的匹配特征点，得到三张图像的所有匹配特征点；
步骤S34:根据第一张图像和第二张图像特征点位置计算匹配特征点的光流，并根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流，以此获取连续两张图像匹配特征点的光流。
4.根据权利要求1所述的一种视频图像扭曲自动检测方法，其特征在于：所述步骤S7具体为：
步骤S71:遍历图像片的每个像素点，获取每个像素点的光流，获取图像的位移向量；
步骤S72:根据位移向量获取像素点的运动方向，计算方向角度angle；
步骤S73:将0-180度分为18个方向，每个方向为10度，即0-10，10-20，…170-180，若方向角度angle大于180，则angle＝angle-180，根据方向角度angle划分其所属的方向范围，统计每个方向范围内的像素点数目，数目最多的方向范围即为主方向；
步骤S74:若步骤S73中的主方向数目存在多个，或者像素点间的运动方向数目较多且差异较大，则认为视频图像存在扭曲，打乱了原来的规则有序运动。
CN201811332095.1A 2018-11-09 2018-11-09 一种视频图像扭曲自动检测方法 Active CN109544520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811332095.1A CN109544520B (zh) 2018-11-09 2018-11-09 一种视频图像扭曲自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811332095.1A CN109544520B (zh) 2018-11-09 2018-11-09 一种视频图像扭曲自动检测方法

Publications (2)

Publication Number Publication Date
CN109544520A CN109544520A (zh) 2019-03-29
CN109544520B true CN109544520B (zh) 2023-08-18

Family

ID=65846588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811332095.1A Active CN109544520B (zh) 2018-11-09 2018-11-09 一种视频图像扭曲自动检测方法

Country Status (1)

Country Link
CN (1) CN109544520B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110880184B (zh) * 2019-10-03 2023-07-21 上海淡竹体育科技有限公司 一种基于光流场进行摄像头自动巡检的方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6303920B1 (en) * 1998-11-19 2001-10-16 Sarnoff Corporation Method and apparatus for detecting salient motion using optical flow
EP1873717A1 (en) * 2006-06-30 2008-01-02 THOMSON Licensing Method to estimate the geometric distortion between two images
JPWO2009005025A1 (ja) * 2007-07-03 2010-08-26 コニカミノルタホールディングス株式会社 移動物体検出装置
CN102930559A (zh) * 2012-10-23 2013-02-13 华为技术有限公司 图像处理的方法及装置
CN104301712A (zh) * 2014-08-25 2015-01-21 浙江工业大学 一种基于视频分析的监控摄像头抖动检测方法
CN104410855A (zh) * 2014-11-05 2015-03-11 广州中国科学院先进技术研究所 一种监控视频的抖动检测方法
CN106251317A (zh) * 2016-09-13 2016-12-21 野拾（北京）电子商务有限公司 空间摄影防抖处理方法及装置
CN106600629A (zh) * 2016-12-14 2017-04-26 中国人民解放军国防科学技术大学 一种面向大尺度运动的光流估计方法
CN106878704A (zh) * 2017-02-14 2017-06-20 福建师范大学 基于光流周期特性的视频帧率上转篡改检测方法
CN107180229A (zh) * 2017-05-04 2017-09-19 南京邮电大学 一种监控视频中基于运动方向的异常行为检测方法
CN107360417A (zh) * 2017-08-30 2017-11-17 中国人民解放军国防科技大学 一种基于相机运动特征的互联网视频质量评估方法与装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI390970B (zh) * 2009-07-22 2013-03-21 Altek Corp Use motion detection to adjust the digital camera's shooting settings
KR101657524B1 (ko) * 2012-01-11 2016-09-19 한화테크윈 주식회사 영상 조정기와 조정 방법 및 이를 구비하는 영상 안정화 장치
US10268901B2 (en) * 2015-12-04 2019-04-23 Texas Instruments Incorporated Quasi-parametric optical flow estimation

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6303920B1 (en) * 1998-11-19 2001-10-16 Sarnoff Corporation Method and apparatus for detecting salient motion using optical flow
EP1873717A1 (en) * 2006-06-30 2008-01-02 THOMSON Licensing Method to estimate the geometric distortion between two images
JPWO2009005025A1 (ja) * 2007-07-03 2010-08-26 コニカミノルタホールディングス株式会社 移動物体検出装置
CN102930559A (zh) * 2012-10-23 2013-02-13 华为技术有限公司 图像处理的方法及装置
CN104301712A (zh) * 2014-08-25 2015-01-21 浙江工业大学 一种基于视频分析的监控摄像头抖动检测方法
CN104410855A (zh) * 2014-11-05 2015-03-11 广州中国科学院先进技术研究所 一种监控视频的抖动检测方法
CN106251317A (zh) * 2016-09-13 2016-12-21 野拾（北京）电子商务有限公司 空间摄影防抖处理方法及装置
CN106600629A (zh) * 2016-12-14 2017-04-26 中国人民解放军国防科学技术大学 一种面向大尺度运动的光流估计方法
CN106878704A (zh) * 2017-02-14 2017-06-20 福建师范大学 基于光流周期特性的视频帧率上转篡改检测方法
CN107180229A (zh) * 2017-05-04 2017-09-19 南京邮电大学 一种监控视频中基于运动方向的异常行为检测方法
CN107360417A (zh) * 2017-08-30 2017-11-17 中国人民解放军国防科技大学 一种基于相机运动特征的互联网视频质量评估方法与装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进光流法的旋转运动背景下对地运动目标实时检测;储林臻;闫钧华;杭谊青;许俊峰;;数据采集与处理(06);第1325-1331页 *

Also Published As

Publication number Publication date
CN109544520A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN105894499B (zh) 一种基于双目视觉的空间物体三维信息快速检测方法
CN103411553B (zh) 多线结构光视觉传感器的快速标定方法
CN109190628A (zh) 一种基于机器视觉的板材镰刀弯检测方法
CN102707340B (zh) 一种基于视频图像的降雨量测量方法
CN105674880B (zh) 基于双目原理的接触网几何参数测量方法及***
CN105550670A (zh) 一种目标物体动态跟踪与测量定位方法
CN103413395B (zh) 烟气智能检测预警方法及装置
CN102589516B (zh) 一种基于双目线扫描摄像机的动态距离测量***
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
CN104036522A (zh) 一种基于视频中运动目标识别的流水速度监测方法
CN102833486A (zh) 一种实时调节视频图像中人脸显示比例的方法及装置
CN107036579A (zh) 一种基于单目液透镜变焦光学***的目标相对定位方法
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN104038755A (zh) 摄像头畸变中心点测试装置及识别方法
CN110675447A (zh) 一种基于可见光相机与热像仪结合的人数统计方法
CN105158273A (zh) 一种基于面阵式cmos相机的光缆表面缺陷检测***
CN103729631A (zh) 一种基于视觉的连接器表面特征自动识别方法
CN108182682A (zh) 一种基于计算机图像处理和模式识别的检测方法
CN108876823B (zh) 基于时空连续性的单目跨相机多目标识别定位跟踪装置及方法
CN103729620A (zh) 一种基于多视角贝叶斯网络的多视角行人检测方法
CN109632092A (zh) 一种基于空间光场的亮度测试***及方法
CN102291568A (zh) 一种大视场智能化视频监控***的加速处理方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN109544520B (zh) 一种视频图像扭曲自动检测方法
CN103148781A (zh) 一种基于双目视觉的柚子体积估测方法

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