一种基于视频的判定地铁摄像机移位的方法与流程

本发明涉及了一种基于视频的判定地铁摄像机移位的方法，属于视频采集技术领域。

背景技术：

随着自动化技术的发展，地铁环境的综合监控系统集成了各个子专业系统以实现各子系统之间的资源共享、协同调度。 CCTV 视频监控子系统在安全、监控、协同联动等方面有着重要的作用。摄像机因为敲击等人为因素容易造成机体非正常移位；另一方面，因为机械故障也会间接导致机体移位或镜头旋转。这些都将导致监控区域无法得到预期的画面，因此实时监控摄像机的位置和角度将尤为关键。

目前对摄像机位置的监测主要采用两种方式：一种方式是通过摄像机中的硬件装置或内置的视频模块，但是这种方式的缺点是：提高了摄像机成本，单一的硬件装置容易出现漏判和误判，视频模块由于对整幅图做判断，计算量巨大，无法满足实时性要求；另一方面，对大量已经安装的不带硬件装置和内置视频模块的摄像机不适用。另一种方式是通过人为比对视频，这种方式的缺点是：摄像机数量众多，人工耗时耗力，也无法满足实时性要求。

技术实现要素：

本发明所要解决的技术问题是提供一种基于视频的判定地铁摄像机移位的方法，通过对特征标志物和感兴趣区域做检测，增强特征的获取能力和减少了计算量，从而提高了准确性和实时性。

为了解决上述技术问题，本发明所采用的技术方案是：

一种基于视频的判定地铁摄像机移位的方法，包括如下步骤：

（1）选取和设计定位标志物，选定感兴趣区域，遵循目标与背景最大差异化原则；

（2）依据站内外环境不同，分别设计背景帧的生成方法，其中，站内环境的背景帧通过一段稳定的视频序列帧求均值而得到；站外背景帧的生成利用历史视频图像数据，将依据不同天气w、光照l、典型时间段t，收集序列帧并通过高斯模型生成背景帧M（w，l，t），其表征的意义为w天气，l光照，t时间输入下所对应的背景帧M；

（3）对视频帧进行图像预处理，以便形成特征检测的基础；其中视频帧的图像预处理包括如下步骤：

（a）把当前帧与背景帧做差分运算，得到差分图，对差分图做一次canny运算增强并进行二值化处理，得到二值图像；对二值图像上的感兴趣区域ROI做统计，判断统计图上是否形成较清晰的双峰；并在二值图像上手动框选检测特征区，并标记为模板和存储。

（b）通过当前图像与背景图像上对应的像素点比值确定明暗区，在暗区上用灰度比值统计和正太曲线拟合的方法估算出阴影的范围，并适当松弛a，把二值图像上对应的阴影区像素点的值置为0；

（c）二值图像通过形态学的连通域算法形成主要的检测特征，其具体过程为：扫描一遍图像记录链式线段的信息，对相邻的链式线段进行追溯合并，记录连通域的个数C，第i个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度；

（d）对得到的连通域做基于规则的过滤，具体过程如下：对于每个连通域，如果Hi大于感兴趣区域高度的一半时，则过滤掉连通域(即认为该连通域是符合我们的检测特征)，对过滤出来的连通域做一次判定，如果面积Si大于我们设定的阈值t，则统计变量Cot的值加1；

（4）对摄像机移位的判定：统计二值图像上像素值为1的点的个数Cout，如果Cout大于我们设定的阈值Tc并且有步骤（3）得到的连通域个数C大于1时，则初步认为摄像机有可能偏移，并进入模板匹配阶段，否则即认为计算机没有发生非预期的偏移；

（5）模板匹配阶段的判定：模板集的获取通过两种方式：一是通过历史数据形成模板，二是实时通过人为交互的方式得到；把二值图像分别与模板P做差分运算，并分别统计模板与差分图像素值为l的个数，分别记为tl，dl, 如果dl与tl的比值小于0.5，则不认为摄像机移位，否则认为摄像机移位并发出报警。

前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中定位标志物的选取可以是人为设计或是在工程场景中选取，标志物纹理清晰、不被遮挡，标志物与背景能形成较大差异特征。

前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中感兴趣区域包含完整的特征标志物，并以其为中心向四周外延一定范围，设定松弛程度为β，计算其最大外接矩形并保存其坐标。

前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：步骤（3）中，对二值图像上的感兴趣区域ROI做统计，判断统计图上是否形成较清晰的双峰；并在二值图像上手动框选检测特征区，并标记为模板和存储。

前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：在步骤（3）之前引入阴影消除技术，避免阴影对检测和判定的影响，阴影消除技术主要基于灰度比值统计特性，具体设计如下：(1)依据背景素点和当前像素点的比值

ρ（i，j）=b（i，j）/f（i，j）来判定亮区和暗区，如果ρ（i，j）＞1则是暗区，反之则是亮区，(2) 基于暗区的像素点灰度比值统计特性，采用正态分布曲线拟合对阴影灰度的可能分布区间进行估计，即求子区间[t₁，t₂]像素个数C(x)>0，x( t₁，t₂)，正态分布在其均值处达到概率最大幅值C(x₀)=max{ C(x)}，本方法中对阴影灰度进行了一定的定义置信区间

[μ-2σ，μ+2σ]，从而增强阴影提取效果，如果当前像素在阴影分布区，相应像素值被置为0。

前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，差分图通过当前帧与背景帧做减法∣Fi-Bi∣运算得到，在差分图像上使用canny算子做一次增强处理，canny阈值分别为50，255。

前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，形态学的处理方法是通过一次扫描记录链式线段信息，通过对相邻两层的链式线段的回溯、标记和合并得到连通域信息，基于链式扫描线段的连通域方法形成检测特征，并记录每个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度。

本发明的有益效果是：基于特征标志物和感兴趣区域做检测，增强特征的获取能力和减少了计算量，从而提高了准确性和实时性；不需要额外的硬件装置和内置视频模块，只要能获得实时视频帧就能完成检测功能；考虑到综合监控系统地铁环境的室外站点，本方法增加了历史数据建模，提高了模型的准确性；通过引入了光照、阴影消除方法增强了算法的鲁棒性；增加模板匹配阶段提高了判断准确率。

附图说明

图1为本发明一次检测流程判定流程；

图2 为本发明预处理阶段流程。

具体实施方式

下面将结合说明书附图，对本发明作进一步的说明。

如图1和图2所示，本发明提出的基于视频的判定摄像机移位方法的实现。该方法通过获取实时画面，经由检测算法，有计算机自动判定摄像机是否移位。

主要包括以下步骤：

步骤1 ：特征标志物的选取和设计

1. 特征标志物的选取和设计为了增加检测特征，因此它的选取和设计遵循两个主要原则，其一标志物的位置不允许被其它场景遮挡；其二标志物选取和设计时应该能与其四周的背景形成最大的差异化特征，定位标志物的选取可以是人为设计或是在工程场景中选取，标志物纹理清晰、不被遮挡，标志物与背景能形成较大差异特征。

2．通过交互的方式设定好感兴趣区域，选取的原则是感兴趣区域包含整个标志物并以其为中心向四周外延一定的范围，设定松弛程度为β，获取其最大外接矩形并记录其坐标位置ROI，通过统计学方法评价感兴趣区域选取质量的好坏，计算其最大外接矩形并保存其坐标。

步骤2 ：生成背景帧

考虑到室内环境与室外环境的不同，分别采用不同的方式生成背景帧：

1.室内环境的背景帧通过一段稳定的视频序列帧求均值而得到。

2.室外环境的背景帧的生成方法是：考虑历史的图像信息数据，将依据不同天气、光照、典型时间段的数据利用高斯模型获得不同背景帧模型M（w，l，t），其表征的意义为w天气，l光照，t时间输入下所对应的背景帧M。

步骤 3：实时视频帧的图像预处理

1.把当前帧与背景帧做差分运算，得到差分图，对差分图做一次canny运算增强并进行二值化处理，得到二值图像，差分图通过当前帧与背景帧做减法∣Fi-Bi∣运算得到，在差分图像上使用canny算子做一次增强处理， canny阈值分别为50，255。

2. 通过当前图像与背景图像上对应的像素点比值确定明暗区，在暗区上用灰度比值统计和正太曲线拟合的方法估算出阴影的范围，并适当松弛a，把二值图像上对应的阴影区像素点的值置为0。

3. 二值图像通过形态学的连通域算法形成主要的检测特征，其具体过程为：扫描一遍图像记录链式线段的信息，对相邻的链式线段进行追溯合并。记录连通域的个数C, 第i个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度。形态学的处理方法是通过一次扫描记录链式线段信息，通过对相邻两层的链式线段的回溯、标记和合并得到连通域信息，基于链式扫描线段的连通域方法形成检测特征，并记录每个连通域的特征向量Vi=（Si，Wi，Hi）。

4. 对得到的连通域做基于规则的过滤，具体过程如下：对于每个连通域，如果Hi大于感兴趣区域高度的一半时，则过滤掉连通域(即认为该连通域是符合我们的检测特征)，对过滤出来的连通域做一次判定，如果面积Si大于我们设定的阈值t,则统计变量Cot的值加1。

步骤 4：摄像机移位的判定

1.统计二值图像上像素值为1的点的个数Cout，如果Cout大于我们设定的阈值Tc并且有步骤4得到的连通域个数C大于1时，则初步认为摄像机有可能偏移，并进入模板匹配阶段，否则即认为计算机没有发生非预期的偏移。

步骤5 ：模板匹配阶段的判定

模板集的获取通过两种方式：一是通过历史数据形成模板，二是实时通过人为交互的方式得到。

把二值图像分别与模板P做差分运算，并分别统计模板与差分图像素值为1的个数，分别记为t1,d1, 如果d1与t1的比值小于0.5，则不认为摄像机移位，否则认为摄像机移位并发出报警。

其中，在实时视频帧的图像预处理之前，引入阴影消除技术，避免阴影对检测和判定的影响，阴影消除技术主要基于灰度比值统计特性，具体设计如下：(1)依据背景素点和当前像素点的比值ρ（i，j）=b（i，j）/f（i，j）来判定亮区和暗区，如果ρ（i，j）＞1则是暗区，反之则是亮区，(2) 基于暗区的像素点灰度比值统计特性，采用正态分布曲线拟合对阴影灰度的可能分布区间进行估计，即求子区间[t₁，t₂]像素个数C(x)>0，x( t₁，t₂)，正态分布在其均值处达到概率最大幅值C(x₀)=max{ C(x)}，本方法中对阴影灰度进行了一定的定义置信区间[μ-2σ，μ+2σ]，从而增强阴影提取效果，如果当前像素在阴影分布区，相应像素值被置为0。

综上所述，本发明提供的一种基于视频的判定地铁摄像机移位的方法，通过对特征标志物和感兴趣区域做检测，增强特征的获取能力和减少了计算量，从而提高了准确性和实时性。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。