本发明涉及云台领域，具体而言，涉及一种云台故障的检测方法及装置。
背景技术：
云台相机是一种重要的监控相机，它将监控相机安装在可以旋转的云台固件上，使用户可以远程控制相机的观察角度，由于云台相机能够远程控制、自由调节相机的观察角度，被广泛应用于城市交通、公共安全等各个领域。例如，在交通管理中，云台相机被使用来观察路口不同方向的车流量；在城市公安监控中，云台相机用于发生治安事件时锁定目标区域等等。
但是由于云台长期暴露于自然环境中，而且使用频繁，云台控制故障也成为监控相机网络中的常见故障之一，云台控制出现故障时，可能发生某些方向控制失灵(例如，向上向下运动失灵，而左右运动正常)或方向控制混淆(如向上向下运动颠倒，而向左向右都使相机向右旋转)等问题。
现有技术的解决方案是采用背景剪除的方案来判断相机是否发生了运动，即通过不同时间相机所获取的不同帧图像之间的差值或直方图的差值是否达到一定阈值来判断云台是否发生了运动，进而判断云台是否发生故障。
具体而言，上述方案如下所述：
在不同时间分别截取云台摄像设备采集的两帧图片，当两帧图像之间的差值达到一定阈值，便推定云台发生了运动，即云台正常；当两帧图像之间的差值未达到一定阈值，便推定云台未发生运动，即云台故障。
这里需要说明的是，在上述方案中，首先，上述两帧图像之间的差值达到一定阈值并不能说明云台一定发生了运动，因为在云台静止的时候，云台相机会采集前方的移动的物体(比如过往的汽车)在不同时间的两幅图像，由于汽车在动，云台的采集的关于汽车的两帧图像的差值同样能达到一定阈值，但此时，云台却是静止的。因此上述方案不能判断云台是否真正在运动。其次，仅通过判断云台是否运动从而推定云台是否故障的方案也存在着缺点，因为云台运动不一定说明云台不存在故障，比如，云台相机的操作人员希望云台向左运动，但是云台却向右运动，那么实际上云台是存在故障的，即通过上述方式会出现漏检故障的情况。
由此可知，现有技术检测云台故障的方案只检测云台是否运动，而不能检测出云台的实际运动的方向是否符合预期方向，从而导致云台的故障检测结果不准确，针对上述问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明的主要目的在于提供一种云台故障的检测方法及装置，以解决现有技术检测云台故障的方案只检测云台是否运动，而不能检测出云台的实际运动的方向是否符合预期方向，从而导致云台的故障检测结果不准确的问题。
为了实现上述目的，根据本发明实施例的一个方面，提供了一种云台故障的检测方法。该方法包括：发送预期运动指令至安装了摄像设备的云台，其中，预期运动指令对应云台的预期运动方向；从摄像设备返回的视频中截取两帧图像，其中，视频为云台按照运动指令进行移动，使得安装在云台上的摄像设备获取的视频；分析两帧图像之间的图像数据，生成出云台的实际运动方向；根据云台的预期运动方向和实际运动方向的符合度，生成云台故障结果。
为了实现上述目的，根据本发明实施例的另一方面，提供了一种云台故障的检测装置。该装置包括：发送单元，用于发送预期运动指令至安装了摄像设备的云台，其中，预期运动指令对应云台的预期运动方向；截取单元，用于从摄像设备返回的视频中截取两帧图像，其中，视频为云台按照运动指令进行移动，使得安装在云台上的摄像设备获取的视频；分析单元，用于分析两帧图像之间的图像数据，生成出云台的实际运动方向；生成单元，用于根据云台的预期运动方向和实际运动方向的符合度，生成云台故障结果。
根据发明实施例，通过发送预期运动指令至安装了摄像设备的云台，其中，预期运动指令对应云台的预期运动方向；从摄像设备返回的视频中截取两帧图像，其中，视频为云台按照运动指令进行移动，使得安装在云台上的摄像设备获取的视频；分析两帧图像之间的图像数据，生成出云台的实际运动方向；根据云台的预期运动方向和实际运动方向的符合度，生成云台故障结果，实现了全面检测云台的故障的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例一的云台故障的检测方法的流程图；
图2是根据本发明实施例一的可选的云台故障的检测方法的示意图；
图3是根据本发明实施例二的云台故障的检测装置的结构示意图；
图4是根据本发明实施例二的可选地云台故障的检测装置的结构示意图；以及
图5是根据本发明实施例二的可选地云台故障的检测装置的结构示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本发明实施例提供了一种云台故障的检测方法。
图1是根据本发明实施例一的云台故障的检测方法的流程图。如图1所示，该方法包括步骤如下：
步骤S12，发送预期运动指令至安装了摄像设备的云台，其中，预期运动指令对应云台的预期运动方向。
具体地，可以采用终端设备向上述云台发送预期运动指令，可选地，上述运动指令可以包括以下至少一个：向上移动指令、向下移动指令、向左移动指令、向右移动指令、放大移动指令和缩小运动指令，上述多个运动指令用于测试云台在执行上述任意一个运动指令时是否发生故障进而判断上述云台具体地故障类型。
步骤S14，从摄像设备返回的视频中截取两帧图像，其中，视频为云台按照运动指令进行移动，使得安装在云台上的摄像设备获取的视频。
具体地，上述云台接收上述至少一个运动指令后，执行上述运动指令，安装在上述云台上的摄像设备在执行上述运动指令期间获取对应的视频，这里需要说明的是，由于云台可能出现故障，所以云台接收到运动指令后，可能会静止，也可能不按照预期运动方向进行移动，但是无论云台故障与否，云台都会在执行上述运动指令期间获取一段视频，再将上述视频返回至终端设备。终端设备可以从上述视频中先后截取两帧图像，可选地，在截取第一帧图片之后，可以间隔T秒再截取第二帧图片，这里还需要说明的是，上述间隔时间T的取值与云台控制线路的传输距离有关，但是要保证在云台之上的摄像设备在拍摄第一帧图片和第二帧图片期间，云台正在执行上述运动指令。
步骤S16，分析两帧图像之间的图像数据，生成出云台的实际运动方向。
具体地，上述终端设备可以根据上述两帧图像的数据之间的差异来生成云台的实际运动方向，在这里需要说明的是，由于云台可能存在故障，上述云台的实际运动方向可能会与云台的预期运动方向存在着差异。
步骤S18，根据云台的预期运动方向和实际运动方向的符合度，生成云台故障结果。
具体地，在本方案中，在获取到云台的实际运动方向后，如果云台的实际运动方向与预期运动方向相符合，则说明云台没有出故障，如果云台的实际运动方向与预期运动方向不符合，则说明云台出现了故障，由此也可以判断出云台在执行哪条具体的预期运动指令发生了故障，方便维修人员迅速定位云台故障类型进而维修。
这里需要的说明的是，在本方案中可以通过对云台下发不同的指令来确定上述云台的具体故障类型，进而对云台的故障进行全面的诊断，例如，上述预期运动指令可以为向上指令、向下指令、向左指令、向右指令、放大指令、缩小指令的组合。每条预期指令都对应的不同的预期运动方向，当云台执行上述某一条指令的实际运动方向与预期方向不符时，则说明云台在执行该预期运动指令上存在故障。通过对云台不断的下发不同的预期运动指令，可以更全面的诊断云台的故障类型。
本发明实施例通过向云台发送不同的预期运动指令，不同的运动指令对应着不同预期方向，通过分析固定于云台之上的摄像设备返回的视频，确定云台的实际运动方向，再根据实际运动方向同预期运动方向的符合度来判断云台在执行上述预期运动指令是否发生故障，通过本方案，当向云台发送云台可能执行的所有的预期运动指令时，则可以判断出云台在执行所有的预期运动指令是否发生故障，从而实现了全面检测云台的故障的技术效果。
可选地，在步骤S12中，发送预期运动指令至安装了摄像设备的云台之前，本实施例提供的方案还可以包括：
步骤S10，根据预期运动指令预设每种预期运动指令所对应的预期运动方向，并将预期运动指令和其对应的预期运动方向预存至存储器。
具体地，可以针对上述不同的预期运动指令，比如针对向上移动指令、向下移动指令、向左移动指令、向右移动指令、缩小移动指令和放大运动指令，预设不同的预期运动方向，可选地，上述预期运动方向可以是运动矢量。
可选地，上述步骤S16中分析两帧图像之间的图像数据，生成云台的实际运动方向的步骤可以包括：
步骤S161，从第一帧图像提取至少两个以上特征点，生成第一帧图像特征点集合。
具体地，可以在第一帧图像上提取一定数量的特征点，在本方案中可以选择灰度变化的局部极值的方式来提取特征点，可选地，在本方案中特征点的提取位置为对应于人类视觉中的物体棱角处或纹理丰富处(corner)。
步骤S162，在第二帧图像中寻找与第一帧图像特征点集合中的每个特征点匹配的特征点，生成第二帧图像特征点集合。
具体地，可以针对上述第一帧图像特征点集合中的每一个特征点，在另一幅图像上寻找上述每个特征点的新的位置(即匹配位置)，从而形成第一帧图像和第二帧图像之间的特征点的运动矢量集合，在本方案中可以采用光流技术来实现匹配。
例如，云台前方为一辆静止的汽车，云台执行运动指令后，终端设备分析云台摄像设备采集的两帧图片，在第一帧图片中的特征点集合的某一特征点为汽车的油箱位置，那么第二帧图片中与第一帧图片特征点的匹配位置也为汽车的油箱位置，这里需要说明的是，由于云台可能发生了运动，因此，在两帧图片中，特征点(汽车油箱)的位置可能发生了变化。
步骤S163，通过第一帧图像特征点集合和第二帧图像特征点集合的位置，生成两帧图像特征点的运动矢量集合。
仍旧以特征点为汽车油箱为例，在两帧图片中，特征点(汽车油箱)的位置可能发生了变化，本方案可以根据两帧图片中汽车油箱的不同位置形成两帧图像中特征点(汽车油箱)的运动矢量，即汽车油箱在不同时间形成的运动矢量，汽车油箱只是第一帧图像中的其中一个特征点，将第一帧图像中的所有的特征点都在第二帧图像中获取匹配的新的特征点，则可以根据第一帧图像中特征的位置和第二帧图像中特征点的位置生成两帧图像特征点运动矢量的集合。
这里需要说明的是，因为云台与云台之上的摄像设备同时运动，上述两帧图像为摄像设备所采集，所以上述两帧图像特征点的运动矢量集合可以用于表征云台的实际运动方向。
可选地，步骤S18中，根据云台的预期运动方向和实际运动方向的符合度，生成云台故障结果的步骤可以包括：
步骤S181，从存储器中获取预存的预期运动指令对应的预期运动方向。
具体地，可以从上述存储器中获取云台执行的预期运动指令所对应的预期运动方向，比如，放大运动指令所对应的预期运动方向为从图像中心指向特征点所在的位置，缩小运动指令所对应的预期运动方向为从特征点指向图像中心所在的位置。向左运动指令对应的预期运动方向为从图像特征点指向右，向右运动指令对应的预期运动方向为从图像特征点指向左，向上运动指令对应的预期运动方向为特征点指向下，向下运动指令所对应的预期运动方向为特征点指向上。
步骤S182，通过比对第一帧图像每个特征点的运动矢量与预期运动方向，生成两帧图像特征点的运动矢量集合符合预期运动方向的概率。
具体地，通过比对，当第一帧图像中的某个特征点的实际运动方向即运动矢量与预期运动方向所对应的运动矢量一致，则上述特征点为正常，反之则异常。这里需要说明的是，两帧图像的正常的特征点占两帧图像特征点集合的比率则为两帧图像特征点的运动矢量集合符合预期运动方向的概率。
步骤S183，根据两帧图像特征点的运动矢量集合符合预期运动方向的概率生成云台故障结果。
可选地，上述步骤S183中，根据两帧图像特征点的运动矢量集合符合预期运动方向的概率生成云台故障结果的步骤可以包括：
步骤S1831，在两帧图像特征点的运动矢量集合符合预期运动方向的概率小于第一阈值的情况下，确定云台执行运动指令上存在故障。
步骤S1832，在两帧图像特征点的运动矢量集合符合预期运动方向的概率大于等于第一阈值的情况下，确定云台执行运动指令正常。
具体地，在方案可以预设第一阈值，通过比较两帧图像特征点的运动矢量集合符合预期运动方向的概率与第一阈值之间的大小来判断云台在执行上述运动指令是否发生故障。
这里需要说明的是，终端设备可以将所有的运动指令都发送至云台，进而形成云台摄像设备的PTZ运动检测结果。
下面可以结合图2，对本申请实施例一的方案进行详细说明：
首先，向云台发送一个运动指令，例如上、下、左、右、放大(Wide)和缩小(Tele)之一。
接着，从实时视频中获取一帧图像，间隔时间T秒后，再获取另一帧图像，时间T的选择和云台控制线路的传输距离有关，比如可以取1秒等值，只要保证T秒时，正常的云台已经开始执行运动指令即可。
接着，在第一幅图像上提取一定数量的特征点。特征点提取是计算机图像领域的常用技术，有很多已有方法可以使用，比如选择灰度变化的局部极值等等，一般而言，特征点提取的位置对应于人类视觉中的物体棱角处或纹理丰富处。(称为Corner)。
接着，对于第三步所形成的特征点集合中的每一个特征点，在另一幅图像上寻找其新的位置(即匹配位置)，从而形成两幅像间各特征点的运动矢量集合。特征点匹配也是计算机图像领域的常用技术，有很多已有方法可以使用，比如可以选择简单的光流技术来实现(OpticalFlow)。
接着，计算运动矢量集合符合指令预期运动方向的概率。由于运动指令已知，对于每一个特征点都可以确定一个预期运动方向(比如对于“放大”，预期运动方向为从图像中心指向特征点所在的位置)，因此对每一个特征点，如果其运动矢量和预期运动方向一致，将其归类为“正常”，否则归类为“异常”，以特征点集中正常点所占的比例作为运动矢量集合符合指令预期运动方向的概率。
接着，根据前一步所计算的运动矢量集合符合指令预期运动方向的概率判断该运动指令是否存在故障，即如果概率值低于一定的阈值，则认为该指令发生故障，否则认为该指令执行正常。
最后，在所有运动指令检验完毕后，形成该云台相机的PTZ运动检测结果，如果没有执行完毕所有的指令，返回执行第一步。
实施例二
本发明实施例还提供了一种云台故障的检测装置，如图3所示，该装置可以包括：
发送单元30，截取单元32，分析单元34，生成单元36。
其中，发送单元30，用于发送预期运动指令至安装了摄像设备的云台，其中，预期运动指令对应云台的预期运动方向。截取单元32，用于从摄像设备返回的视频中截取两帧图像，其中，视频为云台按照运动指令进行移动，使得安装在云台上的摄像设备获取的视频。分析单元34，用于分析两帧图像之间的图像数据，生成出云台的实际运动方向。生成单元36，用于根据云台的预期运动方向和实际运动方向的符合度，生成云台故障结果。
这里需要说明的是，发送单元30，截取单元32，分析单元34，生成单元36分别对应于实施例一中的步骤S12至步骤S18，四个单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。
本发明实施例通过向云台发送不同的预期运动指令，不同的运动指令对应着不同预期方向，通过分析固定于云台之上的摄像设备返回的视频，确定云台的实际运动方向，再根据实际运动方向同预期运动方向的符合度来判断云台在执行上述预期运动指令是否发生故障，通过本方案，当向云台发送云台可能执行的所有的预期运动指令时，则可以判断出云台在执行所有的预期运动指令是否发生故障，从而实现了全面检测云台的故障的技术效果。
可选地，如图4所示，本发明实施例提供的装置还可以包括：预设单元28。
其中，预设单元28，用于根据预期运动指令预设每种预期运动指令所对应的预期运动方向，并将预期运动指令和其对应的预期运动方向预存至存储器。
这里需要说明的是，上述预设单元28对应实施例一中的步骤S10，单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。
可选地，如图5所示，上述分析单元34还可以包括：提取模块341，匹配模块342，集合生成模块343。
其中，提取模块，用于从第一帧图像提取至少两个以上特征点，生成第一帧图像特征点集合；匹配模块，用于在第二帧图像中寻找与第一帧图像特征点集合中的每个特征点匹配的特征点，生成第二帧图像特征点集合；集合生成模块，用于通过第一帧图像特征点集合和第二帧图像特征点集合的位置，生成两帧图像特征点的运动矢量集合。
这里需要说明的是，提取模块341，匹配模块342，集合生成模块343分别对应实施例一中的步骤S161至步骤S163，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。
可选地，上述生成单元36还可以包括：获取模块361，第一生成模块362，第二生成模块363。
其中，获取模块361，用于从存储器中获取预存的预期运动指令对应的预期运动方向；第一生成模块362，用于通过比对第一帧图像每个特征点的运动矢量与预期运动方向，生成两帧图像特征点的运动矢量集合符合预期运动方向的概率；第二生成模块363，用于根据两帧图像特征点的运动矢量集合符合预期运动方向的概率生成云台故障结果。
这里需要说明的是，获取模块361，第一生成模块362，第二生成模块363分别对应实施例一中的步骤S181至步骤S183，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。
可选地，上述第二生成模块363还可以包括：第一确定模块3631，第二确定模块3632。
其中，第一确定模块3631，用于在两帧图像特征点的运动矢量集合符合预期运动方向的概率小于第一阈值的情况下，确定云台执行运动指令上存在故障；第二确定模块3632，用于在两帧图像特征点的运动矢量集合符合预期运动方向的概率大于等于第一阈值的情况下，确定云台执行运动指令正常。
这里需要说明的是，第一确定模块3631，第二确定模块3632分别对应实施例一中的步骤S1831至步骤S1832，两个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。
下面可以结合图2，对本申请实施例一的方案进行详细说明：
首先，向云台发送一个运动指令，例如上、下、左、右、放大(Wide)和缩小(Tele)之一。
接着，从实时视频中获取一帧图像，间隔时间T秒后，再获取另一帧图像，时间T的选择和云台控制线路的传输距离有关，比如可以取1秒等值，只要保证T秒时，正常的云台已经开始执行运动指令即可。
接着，在第一幅图像上提取一定数量的特征点。特征点提取是计算机图像领域的常用技术，有很多已有方法可以使用，比如选择灰度变化的局部极值等等，一般而言，特征点提取的位置对应于人类视觉中的物体棱角处或纹理丰富处。(称为Corner)。
接着，对于第三步所形成的特征点集合中的每一个特征点，在另一幅图像上寻找其新的位置(即匹配位置)，从而形成两幅像间各特征点的运动矢量集合。特征点匹配也是计算机图像领域的常用技术，有很多已有方法可以使用，比如可以选择简单的光流技术来实现(OpticalFlow)。
接着，计算运动矢量集合符合指令预期运动方向的概率。由于运动指令已知，对于每一个特征点都可以确定一个预期运动方向(比如对于“放大”，预期运动方向为从图像中心指向特征点所在的位置)，因此对每一个特征点，如果其运动矢量和预期运动方向一致，将其归类为“正常”，否则归类为“异常”，以特征点集中正常点所占的比例作为运动矢量集合符合指令预期运动方向的概率。
接着，根据前一步所计算的运动矢量集合符合指令预期运动方向的概率判断该运动指令是否存在故障，即如果概率值低于一定的阈值，则认为该指令发生故障，否则认为该指令执行正常。
最后，在所有运动指令检验完毕后，形成该云台相机的PTZ运动检测结果，如果没有执行完毕所有的指令，返回执行第一步。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、移动终端、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。