本发明专利技术公开了一种基于视频分析的监控摄像头抖动检测方法，通过标记全局特征点进行匹配，本发明专利技术能将视频图像中部分物体发生移动与视频抖动区分开来，从而提高抖动检测的准确率。
【技术实现步骤摘要】
本专利技术涉及视频监控领域，具体是一种通过视频分析来检测监控摄像头是否抖动的方法。
技术介绍
目前，各种规模的视频监控系统已广泛应用于各行各业，除了治安、金融、银行、交通、军队和口岸等领域外，还包括社区、写字楼、酒店、公共场所、工厂、商场、小区、甚至家庭等场合。随着监控摄像机数量的不断增加，监控的时间不断延长，给视频监控系统特别是摄像头的维护工作带来了新的挑战，若摄像头不能得到及时维护，其监控作用将得不到正常发挥，从而影响其安全保障作用。针对传统摄像头异常人工排查法存在的高成本、实时性差等不足，利用客观视频质量评价方法实现监控摄像头的异常检测成了近些年的研究与应用热点之一，它通过评价由摄像头获得的视频质量好坏来进一步判断摄像头本身的异常，包括三类评价模型：全参考模型、有限参考模型和无参考模型。全参考视频质量评价法把原始参考视频与失真视频在每一个对应帧中的每一个对应像素之间进行比较。有限参考模型只需要原始图像的部分信息，是全参考模型的简化。无参考模型图像质量评价方法完全脱离了对参考图像的依赖，其应用前景更加广阔。因安装松动、外部强烈震动等原因导致抖动是监控摄像头常见的异常之一，当前有许多客观视频质量评价方法用于检测该类异常，其中与本专利技术较为接近的技术方案包括：欧阳伟的硕士论文（华中师范大学，2012）中提出了一种基于图像灰度投影算法的运动估计方法，这种方法针对全局图像进行运动估计，易将视频不抖动而部分物体运动的情况视为抖动；专利技术专利（申请号：201110359307.7，名称：视频质量诊断方法）提到的视频数据的画面抖动度指标的检测方式，是利用对m帧图像进行m-1次全局运动估计，对m-1次的全局运动估计的大小和方向进行统计，从而得到画面抖动度的结果，但是该方法并未给出全局运动估计的技术方案，也未给出抖动失真与正常画面或其他失真类型的判断方式；专利技术专利（申请号：201310026744.6，名称：一种基于多特征融合的抖动检测算法）通过参考信号的视频帧和待测信号的视频帧比较结果作为图像质量好坏，即是否出现抖动的评价标准，该算法依赖于参考信号（即未失真信号），因而不能用于无参考模型下的抖动检测；专利技术专利（申请号：201110336063.0，名称：一种摄像头移动检测方法及装置）是在发出摄像头移动指令的情况下判断摄像头是否正常移动，无法在任意时刻判断摄像头是否发生抖动；专利技术专利（申请号：201110402489.1，名称：视频质量智能检测系统）中通过标记纹理区域，利用光流法获得运动方向，再利用统计的方式进行抖动判断，该方法与本专利技术通过标记全局特征点进行匹配的方式不同，且本专利技术利用聚类方法对物体移动与摄像头抖动进行了区分，从而防止了误测发生。综上所述，当前基于视频分析的摄像头抖动检测技术方案中，存在无法排除被拍摄物体移动的干扰等不足，由此在无参考模型下对任意时刻的摄像头抖动难以准确判断。
技术实现思路
为克服现有技术上的不足，本专利技术提供了一种基于视频分析的监控摄像头抖动检测方法，包括如下步骤：步骤1：抽取视频中连续的n帧图像，记为 ；步骤2：对任意连续的两帧图像（i=1,2,…,n-1），作如下处理：步骤2.1：获取图像中的某种特征集合，其中表示第i帧图像中的第j项特征，mi为图像中的特征数量；步骤2.2：针对图像中的每项特征，从图像的特征集合Fi+1中搜索与特征相匹配的特征以获得特征匹配对集合，其中ti表示Fi与Fi+1中匹配的特征数量，；计算两个特征之间的位移矢量，进而得到所有能匹配的特征对的位移矢量的集合；步骤2.3：对位移矢量集合进行聚类分析可得到v个子类Hu（u=1,2,…,v），它满足：(1) ; (2)对任意i和j满足；求任一子类中所有位移矢量的平均值，表示第i个位移矢量集合Si中第u个子类Hu中的第j个位移矢量，为第i个位移矢量集合Si中第u个子类Hu中位移矢量的数量，位移矢量的模即矢量的大小；步骤2.4：将前后两幅图像Pi和Pi+1是否存在抖动标记为Qi，若存在抖动，则Qi=1，否则Qi=0，设抖动幅度阈值δ0＝，R为图像分辨率，则根据如下规则可判断Qi取值：1) 当并且时，则认为前后两幅图像之间不存在抖动，即Qi=0；2) 当并且时，则认为前后两幅图像之间存在抖动，即Qi=1；3) 当并且有且仅有某一时，则认为前后两幅图像中有部分物体发生了位移，前后两幅图像之间不存在抖动，即Qi=0；4) 当并且对于任意都有时，则认为前后两幅图像之间存在抖动，即Qi=1；步骤3：计算全部n帧图像中所有前后两帧的抖动发生的比例，若>，则认为视频存在抖动，也即对应的监控摄像头存在抖动，其中抖动比例阈值。优选的，步骤2.1中，将亚像素级Plessey角点作为图像特征。优选的，步骤2.1中，将SIFT特征点作为图像特征。本专利技术的有益效果为：本专利技术能将视频图像中部分物体发生移动与视频抖动区分开来，从而提高抖动检测的准确率。附图说明图1为被检视频中抽取的连续测试帧图像；图2（a）为实施例一的某一帧的图像；图2（b）是图2（a）的下一帧图像；图2（c）中用灰点标示了图2（a）中特征点的位置；图2（d）中用矩形框标示了图2（b）中特征点的位置；图2（e）在对应位置同时标记出了图2（c）的灰点与图2（d）的矩形框；图2（f）将图2（e）中相匹配的两个特征点通过黑线进行连接 ；图3（a）为实施例二的某一帧的图像；图3（b）是图3（a）的下一帧图像；图3（c）中用灰点标示了图3（a）中特征点的位置；图3（d）中用矩形框标示了图3（b）中特征点的位置；图3（e）在对应位置同时标记出了图3（c）的灰点与图3（d）的矩形框；图3（f）将图3（e）中相匹配的两个特征点通过黑线进行连接 ；图4（a）为实施例三的某一帧的图像；图4（b）是图4（a）的下一帧图像；图4（c）中用灰点标示了图4（a）中特征点的位置；图4（d）中用矩形框标示了图4（b）中特征点的位置；图4（e）在对应位置同时标记出了图4（c）的灰点与图4（d）的矩形框；图4（f）将图4（e）中相匹配的两个特征点通过黑线进行连接。图5（a）是图2中前后帧的特征点位移矢量的分布图；图5（b）是图3中前后帧的特征点位移矢量的分布图；图5（c）是图4中前后帧的特征点位移矢量的分布图。具体实施方式下面结合附图和实施例来详细阐述本专利技术的图像视频抖动检测方法的具体实施方式。本专利技术的基于视频分析的监控摄像头抖动检测方法，包括如下步骤：步骤1：抽取视频中连续的n帧图像，记为。在本实施例中n=72，抽取的72帧图像如图1所示；步骤2：对任意连续的两帧图像（i=1,2本文档来自技高网...
【技术保护点】
一种基于视频分析的监控摄像头抖动检测方法，包括如下步骤：步骤1：抽取视频中连续的n帧图像，记为；步骤2：对任意连续的两帧图像（i=1,2,…,n‑1），作如下处理：步骤2.1：获取图像中的某种特征集合，其中表示第i帧图像中的第j项特征，mi为图像中的特征数量；步骤2.2：针对图像中的每项特征，从图像的特征集合Fi+1中搜索与特征相匹配的特征以获得特征匹配对集合，其中ti表示Fi与Fi+1中匹配的特征数量，；计算两个特征之间的位移矢量，进而得到所有能匹配的特征对的位移矢量的集合；步骤2.3：对位移矢量集合进行聚类分析可得到v个子类Hu（u=1,2,…,v），它满足：(1); (2)对任意i和j满足；求任一子类中所有位移矢量的平均值，表示第i个位移矢量集合Si中第u个子类Hu中的第j个位移矢量，为第i个位移矢量集合Si中第u个子类Hu中位移矢量的数量，位移矢量的模即矢量的大小；步骤2.4：将前后两幅图像Pi和Pi+1是否存在抖动标记为Qi，若存在抖动，则Qi=1，否则Qi=0，设抖动幅度阈值δ0＝，R为图像分辨率，则根据如下规则可判断Qi取值：当并且时，则认为前后两幅图像之间不存在抖动，即Qi=0；当并且时，则认为前后两幅图像之间存在抖动，即Qi=1；当并且有且仅有某一时，则认为前后两幅图像中有部分物体发生了位移，前后两幅图像之间不存在抖动，即Qi=0；当并且对于任意都有时，则认为前后两幅图像之间存在抖动，即Qi=1；步骤3：计算全部n帧图像中所有前后两帧的抖动发生的比例，若>，则认为视频存在抖动，也即对应的监控摄像头存在抖动，其中抖动比例阈值。...
【技术特征摘要】
1.一种基于视频分析的监控摄像头抖动检测方法，包括如下步骤：
步骤1：抽取视频中连续的n帧图像，记为 ；
步骤2：对任意连续的两帧图像（i=1,2,…,n-1），作如下处理：
步骤2.1：获取图像中的某种特征集合，其中表示第i帧图像中的第j项特征，mi为图像中的特征数量；
步骤2.2：针对图像中的每项特征，从图像的特征集合Fi+1中搜索与特征相匹配的特征以获得特征匹配对集合，其中ti表示Fi与Fi+1中匹配的特征数量，；计算两个特征之间的位移矢量，进而得到所有能匹配的特征对的位移矢量的集合；
步骤2.3：对位移矢量集合进行聚类分析可得到v个子类Hu（u=1,2,…,v），它满足：(1) ; (2)对任意i和j满足；求任一子类中所有位移矢量的平均值，表示第i个位移矢量集合Si中第u个子类Hu中的第j个位移矢量，为第i个位移矢量集合Si中第u个子类Hu中位移矢量的数量，位移矢量的模即...
【专利技术属性】
技术研发人员：高飞，梅凯城，丰敏强，高炎，卢书芳，毛家发，肖刚，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。