一种摄像头异常状态检测方法与流程

：本发明涉及一种摄像头异常状态检测方法。

背景技术

0、
背景技术：

1、煤矿是指人类在富含煤炭的矿区开采煤炭资源的区域，一般分为井工煤矿和露天煤矿；当煤层离地表远时，一般选择向地下开掘巷道采掘煤炭，此为井工煤矿，当煤层距地表的距离很近时，一般选择直接剥离地表土层挖掘煤炭，此为露天煤矿，我国绝大部分煤矿属于井工煤矿。

2、在煤炭生产过程中，可以通过摄像头来实时监测多个场景任务，如给煤机是否卡堵、皮带是否跑偏等；通过将人工智能算法部署到摄像头上，可以及时发现问题进行报警，从而提高生产效率，减少经济损失。

3、然而摄像头经常出现异常情况，如摄像头模糊、遮挡或者离线等，这都会引起算法出现检测错误的现象，造成错误报警，进而带来经济损失；在当前煤炭实际生产过程中，煤矿工作人员大多采取人工巡检的方法查看摄像头状态，通过人眼查看摄像头是否出现异常，这不仅浪费人力，而且还耗费时间，也不能准确地判断出哪个摄像头出现异常，增加了人力成本，还可能由于人为主观因素造成问题发现不及时、判断错误的情况。

技术实现思路

0、
技术实现要素：

1、本发明实施例提供了一种摄像头异常状态检测方法，方法设计合理，基于视觉分析处理技术和机器学习技术，对实时视频流进行分析，不仅减少了人工巡检和人力成本、加快了检测速度，还提高了检测的可靠性；同时对产生异常的摄像头进行异常状态精准定位，准确获取对应摄像头所在的位置，方便工作人员快速准确发现问题，可根据摄像头异常的具体原因进行现场生产管理，降低后续摄像头发生异常的概率，能够对多个摄像头进行同步检测，提高了整体检测效率，适用于多种不同的煤矿生产应用场景，解决了现有技术中存在的问题。

2、本发明为解决上述技术问题所采用的技术方案是：

3、一种摄像头异常状态检测方法，所述检测方法包括以下步骤：

4、s1，采用opencv读取摄像头的rtsp视频流，连续读取10帧视频流中的图像来判断摄像头的在线状态或离线状态；当在10帧视频流中读取到图像时，说明摄像头处于在线状态，开始检测摄像头的异常状况；当在10帧视频流中未读取到图像时，说明摄像头处于离线状态，开始检测下一个摄像头；

5、s2，根据摄像头的在线状态，对10帧视频流中的图像进行处理，判断摄像头是否发生遮挡；

6、s3，采用拉普拉斯算子计算10帧视频流中图像的二阶导数，与设定的阈值进行比对，以判断摄像头拍摄的图像是否模糊；

7、s4，采用比较模板图像与当前帧lbp值的欧式距离来判断摄像头是否发生旋转。

8、根据摄像头的在线状态，对10帧视频流中的图像进行处理，判断摄像头是否发生遮挡包括以下步骤：

9、s2.1，采用去雾公式对10帧视频流中的图像进行去雾操作，以避免雾霾效果对计算图像连通域造成影响；

10、s2.2，将10帧视频流中的图像转换成灰度图，以加快图像处理速度，减少存储空间，提高计算效率；

11、s2.3，采用中值滤波将像素的值替换为邻域内像素值的中值；

12、s2.4，采用sobe l算子进行轮廓检测，提取出图像中每个物体的轮廓；

13、s2.5，将图像的像素范围设置在[0:255]，进行阈值分析；

14、s2.6，对阈值分析后的图像进行反操作，获取图像的连通域，将最大的连通域面积除以整幅图像的面积，如果大于设定的阈值，则认为摄像头出现遮挡，如果小于设定的阈值，则认为摄像头未出现遮挡。

15、所述去雾公式为：

16、img＝ori_img*t(x)+a*(1-t(x))

17、其中，or i_img为原始图像；t(x)是透射率，用于表示图像中每个像素点的雾浓度参数，通过计算图像的暗通道估计得到；a是全局大气光值，表示整个图像的全局光照强度。

18、所述sobe l算子包括水平方向的算子和垂直方向的算子，具体为：

19、

20、采用拉普拉斯算子计算10帧视频流中图像的二阶导数，与设定的阈值进行比对，以判断摄像头拍摄的图像是否模糊包括以下步骤：

21、s3.1，将原始图像转换为灰度图，加快图像处理速度，提高计算效率和鲁棒性；

22、s3.2，对转换的灰度图通过拉普拉斯算子计算图像的二阶导数，所述拉普拉斯算子为：

23、

24、其中，表示图像f的拉普拉斯算子。

25、采用比较模板图像与当前帧lbp值的欧式距离来判断摄像头是否发生旋转包括以下步骤：

26、s4.1，进行亮度比较，判断模板图像和当前图像亮度是否满足设定的阈值，以及比较图像和当前帧是否出现明显亮度变化；

27、s4.2，将原始图像进行灰度化处理；

28、s4.3，采用旋转不变一致性模式通过提取公式提取图像的lbp特征；

29、s4.4，计算模板图像和当前帧lbp特征的欧式距离，若大于设定阈值，则认为摄像头发生旋转，所述欧式距离的计算公式为：

30、

31、其中，x，y分别表示模板图像和当前帧的lbp特征，xi，yi分别表示模板图像和当前帧的lbp特征中的第i个元素。

32、所述提取公式为：

33、

34、其中，ror(x|i)表示由x表示的p位二进制数执行循环按位右移i次。

35、所述检测方法的硬件设备包括：摄像头、硬盘录像机和边缘分析设备；所述摄像头为本安型摄像头，所述边缘分析设备为具有ai芯片的推理服务器或边缘分析盒子；

36、所述边缘分析设备读取硬盘录像机中的视频流进行分析，返回分析结果，发出报警信息，并同时发送到应用系统和用户手机端进行提醒。

37、本发明采用上述方法，通过opencv读取摄像头的rtsp视频流，连续读取10帧视频流中的图像来判断摄像头的在线状态或离线状态；通过对10帧视频流中的图像进行处理，判断摄像头是否发生遮挡；通过拉普拉斯算子计算10帧视频流中图像的二阶导数，与设定的阈值进行比对，以判断摄像头拍摄的图像是否模糊；通过比较模板图像与当前帧lbp值的欧式距离来判断摄像头是否发生旋转，具有简便实用、精准高效的优点。

技术特征：

1.一种摄像头异常状态检测方法，其特征在于，所述检测方法包括以下步骤：

2.根据权利要求1所述的一种摄像头异常状态检测方法，其特征在于，根据摄像头的在线状态，对10帧视频流中的图像进行处理，判断摄像头是否发生遮挡包括以下步骤：

3.根据权利要求2所述的一种摄像头异常状态检测方法，其特征在于，所述去雾公式为：

4.根据权利要求2所述的一种摄像头异常状态检测方法，其特征在于，所述sobel算子包括水平方向的算子和垂直方向的算子，具体为：

5.根据权利要求2所述的一种摄像头异常状态检测方法，其特征在于，采用拉普拉斯算子计算10帧视频流中图像的二阶导数，与设定的阈值进行比对，以判断摄像头拍摄的图像是否模糊包括以下步骤：

6.根据权利要求2所述的一种摄像头异常状态检测方法，其特征在于，采用比较模板图像与当前帧lbp值的欧式距离来判断摄像头是否发生旋转包括以下步骤：

7.根据权利要求6所述的一种摄像头异常状态检测方法，其特征在于，所述提取公式为：

8.根据权利要求1所述的一种摄像头异常状态检测方法，其特征在于，所述检测方法的硬件设备包括：摄像头、硬盘录像机和边缘分析设备；所述摄像头为本安型摄像头，所述边缘分析设备为具有ai芯片的推理服务器或边缘分析盒子；

技术总结
一种摄像头异常状态检测方法，所述检测方法包括以下步骤：S1，采用OpenCV读取摄像头的RTSP视频流，连续读取10帧视频流中的图像来判断摄像头的在线状态或离线状态；当在10帧视频流中读取到图像时，说明摄像头处于在线状态，开始检测摄像头的异常状况；当在10帧视频流中未读取到图像时，说明摄像头处于离线状态，开始检测下一个摄像头；S2，根据摄像头的在线状态，对10帧视频流中的图像进行处理，判断摄像头是否发生遮挡；S3，采用拉普拉斯算子计算10帧视频流中图像的二阶导数，与设定的阈值进行比对，以判断摄像头拍摄的图像是否模糊；S4，采用比较模板图像与当前帧LBP值的欧式距离来判断摄像头是否发生旋转。

技术研发人员：李金弟,王卜堂,赵金娥,田兆燕,高桢,任尚静
受保护的技术使用者：云鼎科技股份有限公司
技术研发日：
技术公布日：2024/4/17