基于时空分析技术的故障摄像机快速定位方法与流程

本发明属于视频故障检测技术领域，具体涉及一种基于时空分析技术的故障摄像机快速定位方法。

背景技术：

当前我国的视频监控应用非常普遍，交通、治安、金融、军队、监狱等都已经或者正在建设视频故障诊断系统，其特有的及时性、准确性和直观性给人们的生活和财产提供了保障，使得监控系统越来越受到人们的关注和认可。然而随着视频监控业务的快速增长，也其存在的问题也逐渐暴露出来，如视频故障诊断系统频繁出现故障监测难度大、处理不及时、运维量大等状况，同时监控摄像机也常常因得不到及时的维护、修复和更换，从而使得视频故障诊断系统的使用效果大打折扣。在既有的视频质量诊断系统中，一方面运维工作主要都是靠人工检测和处理；另一方面目前的监控平台上也出现了类似故障自动检测等功能，但是这些功能只停留在简单的判断设备图像是否存在、网络是否连通等简单的故障判断；同时从时间与空间维度分析监控摄像机存在一定困难，对摄像机监测数据的应用也都还不够充分。是否可开发出一种同时考虑监控摄像机的时间和空间特征的分析方法，从而可根据视频故障检测系统中检测的初步异常摄像机数据，运用数理统计原理与时空分析方法识别在下雨、下雪、冰雹、团雾天气或者停电等特殊情况下的摄像机故障的时空特性，从而在极大提高视频故障的诊断准确率的同时显著降低故障诊断的误报率，为本领域近年来所亟待解决的技术难题。

技术实现要素：

本发明的目的是克服上述现有技术的不足，提供一种基于时空分析技术的故障摄像机快速定位方法，其以空间与时间自相关理论为基础，运用数理统计基本理论，根据视频故障检测系统中检测的初步异常摄像机，分析在下雨、下雪、冰雹、团雾天气或者停电的情况下，摄像机故障的产生、发展和消散过程。运用这种方法统计不同的摄像机在时空上的分布特征，可从时间和空间上识别和判断异常的摄像机，从而进一步支撑视频故障诊断实施。本发明不但能极大提高视频故障的诊断准确率，同时还能显著降低故障诊断的误报率。

为实现上述目的，本发明采用了以下技术方案：

一种基于时空分析技术的故障摄像机快速定位方法，其特征在于包括以下步骤：

(1)、从数据库中读取计算分析所需的待诊断视频监控摄像机中的时空数据，并存储在临时数据表中，建立时空基础的视频故障检测系统；

(2)、读取步骤(1)产生的临时数据表中的数据，利用数据异常识别和处理规则对上述视频监控摄像机存在的异常进行识别与标记，标记出初步异常的摄像机，过程如下：

1)根据诊断目标获得摄像机所在位置，沿摄像机的位置顺序选取n个位置点，形成位置点序列l1、l2、…、ln，其中n为自然数；

2)沿所述位置推进，顺序遍历所述位置序列，在每一个位置点lx，执行步骤3)，其中1≤x≤n；

3)根据诊断目标选择相应的时间，沿时间轴顺序选取n个时间点，形成时间点序列t1、t2、…、tn；其中n为自然数；

4)沿所述时间轴推进，顺序遍历所述时间点序列，在每一个时间点tx，执行步骤5)，其中1≤x≤n；

5)从摄像机c1开始查询是否存在目标摄像机ci的配置文件，如果不存在目标摄像机ci的配置文件则执行步骤6)，如果存在目标摄像机ci的配置文件则执行步骤7)；

6)对目标摄像机ci进行算法适配，其适配过程为：用适配算法fj对目标摄像机ci所有时间点拍摄的照片进行故障诊断运算，其中1≤j≤m，m为故障项数，从而计算出适配算法fj的最佳适配时间点tj，同时根据目标摄像机ci所在的位置点lj而确定其位置是否存在下雨、下雪、冰雹、团雾天气或者停电的情况，从而获得上述时间点tj、位置点lj与适配算法fj形成对应关系；将目标摄像机ci算法适配的结果进行保存，得到目标摄像机ci中所有时间点、位置点与适配算法对应关系的配置文件，简称目标摄像机ci的配置文件；执行步骤7)；

7)如所述目标摄像机ci的配置文件中存在时间点tx对应的适配算法，则执行该适配算法进行视频诊断；执行步骤8)；

8)若诊断结果为模糊或者掉线的摄像机，则标记为初步异常的摄像机；

(3)、获取摄像机之间的空间邻接关系，结合时间邻接关系，获取时空对象之间的邻接关系矩阵，具体流程如下：

a、获取目标摄像机ci所在的空间对象之间的邻接关系，此处的空间对象指的就是空间上的目标摄像机ci周围某一范围内的监控摄像机的点位；两个监控摄像机的编号相邻，则表示它们相邻，否则不相邻；

b、获取目标摄像机ci所在的时间对象之间的相邻关系，此处由于视频监控摄像机中的时空数据都是在某一范围内按一定的时间间隔均匀分布，因此将研究的时间范围按数据采集时间间隔分成很多个时段，时间按天、周、月或季度统计；若两个时间在相邻时段内，则表明两个时间对象相邻；

c、根据获取的空间邻接关系和时间邻接关系确定时空对象之间的时空邻接关系，若两个摄像机对象在空间上和时间上都相邻，那么他们在时空关系上就相邻；对于任意两个摄像机对象都按步骤a和b得出它们的邻接关系，从而得到时空邻接矩阵；

(4)、根据步骤(2)中摄像机的时空数据及步骤(3)得到的时空对象邻接矩阵，判断目标摄像机ci是否故障，具体为：

对目标摄像机ci附近范围内的其他摄像机进行视频故障诊断；若附近范围内的其他摄像机检测状态同样也为模糊或者掉线，则另作标记，过段时间再检测；若附近范围内的其他摄像机检测为正常状态，复测tj时间其他摄像机的状态，若状态为模糊或者掉线状态，则另作标记，过段时间再检测；若其他摄像机在tj时间检测仍为正常状态，方才判断该目标摄像机ci为异常状态机，也即故障摄像机；

(5)、对所述步骤(4)中得出的故障摄像机进行报警，达到视频故障检测的效果。

优选的，所述步骤1)中的待诊断视频监控摄像机中的时空数据的读取过程如下：

a、将查询条件设置成参数由用户个性化设置，如起始日期和时间、终止日期和时间、监控摄像机位置的范围，位置范围允许用户从地图上直接选择，或者直接输入位置或者直接输入监控摄像机的编号；

b、连接数据库，将用户输入的查询条件嵌套在查询语句中输入数据库进行数据的查询操作，查询所得数据存放在一个临时的数据表中，作为后续异常识别和处理操作的基础数据。

本发明的有益效果在于：

1)、本发明解决了现有视频故障诊断流程的使用效果差以及判断精准度差乃至误诊率高的问题，并提供了一种利用时空分析技术来提高视频故障检测准确度的方法。

具体而言，本发明是以空间自相关和时间自相关理论为基础，定义某一个摄像机在某一时刻的状态为一个时空对象，那么时空相关性就是指时空对象某一属性值与其相邻的所有时空对象的同一属性值之间的相关关系。利用该时空向关系，本发明首先根据时间轴上的不同时间点的每个摄像机的图像差异性进行算法适配，从而找到每个摄像机适配特定算法的最佳适配时间点，再搭配目标摄像机ci所处的位置点，从而摒除下雨、下雪、冰雹、团雾天气或者停电的因素，此时才能进行视频故障诊断。而在视频故障诊断时，再以目标摄像机ci所处的位置点为基点，利用该时空向关系，对其周遭的时空上邻近的摄像机进行同步视频故障诊断。只有在周遭的时空上邻近的摄像机在上述最佳适配时间点的图像均无问题时，方可确诊目标摄像机ci为故障摄像机。实践表明：本发明通过上述多重复检方式，对清晰度异常、掉线异常故障现象的诊断准确率可达99％。

综上，本发明以空间与时间自相关理论为基础，运用数理统计基本理论，根据视频故障检测系统中检测的初步异常摄像机，分析在下雨、下雪、冰雹、团雾天气或者停电的情况下，摄像机故障的产生、发展和消散过程。运用这种方法统计不同的摄像机在时空上的分布特征，可从时间和空间上识别和判断异常的摄像机，从而进一步支撑视频故障诊断实施。本发明不但能极大提高视频故障的诊断准确率，而且降低了故障诊断的误报率。

附图说明

图1为本方法的方法流程示意框图；

图2为实施例1的诊断流程框图。

具体实施方式

为便于理解，此处结合附图，对本发明的具体结构及工作方式作以下进一步描述：

如图1-2所示的，本方法主要包括以下几个步骤：

(1)、从数据库中读取计算分析所需的待诊断视频监控摄像机中的时空数据。

此时空数据不仅对于每个监控摄像机具有不同的观测值，对于同一位置在不同时刻也有不同的观测值，具有典型的时空双重性质。

上述数据读取具体过程如下：

1、为了能根据需要实时查询视频监控摄像机的空数据，将查询条件设置成参数由用户个性化设置，如起始日期和时间、终止日期和时间、监控摄像机位置的范围，位置范围允许用户从地图上直接选择，直接输入位置，或者直接输入监控摄像机的编号；

2、连接数据库，将用户输入的查询条件嵌套在查询语句中输入数据库进行数据的查询操作，查询所得数据存放在一个临时的数据表中，作为后续异常识别和处理操作的基础数据。

(2)、利用数据异常识别和处理规则对视频监控摄像机存在的异常进行识别与标记。

读取步骤(1)产生的临时数据表中的数据，按照异常数据的识别规则判断数据中存在的故障的视频监控摄像机，并标记为初步异常的摄像机。标记为初步异常的摄像机作为后续步骤进行时空相关指标的计算的依据。

(3)、获取摄像机之间的空间邻接关系，结合时间邻接关系，获取时空对象之间的邻接关系矩阵；

根据时空相关指标的涵义，定义与一个时空对象相邻空间位置、相邻时间点上的所有时空对象为该时空对象的时空邻域，则时空邻接关系就可以由空间邻接关系和时间邻接关系获得。

因此，计算两个时空对象的时空邻接关系的步骤如下：

a、获取目标摄像机ci所在的空间对象之间的邻接关系，此处的空间对象指的就是空间上的目标摄像机ci周围某一范围内的监控摄像机的点位；两个监控摄像机的编号相邻，则表示它们相邻，否则不相邻；

b、获取目标摄像机ci所在的时间对象之间的相邻关系，此处由于视频监控摄像机中的时空数据都是在某一范围内按一定的时间间隔均匀分布，因此将研究的时间范围按数据采集时间间隔分成很多个时段，时间按天、周、月或季度统计；若两个时间在相邻时段内，则表明两个时间对象相邻；

c、根据获取的空间邻接关系和时间邻接关系确定时空对象之间的时空邻接关系，若两个摄像机对象在空间上和时间上都相邻，那么他们在时空关系上就相邻；对于任意两个摄像机对象都按步骤a和b得出它们的邻接关系，从而得到时空邻接矩阵；

(4)、根据步骤(2)中摄像机的时空数据及步骤(3)得到的时空对象邻接矩阵，判断目标摄像机ci是否故障，具体为：

通过时空邻接矩阵，在某一时间点对目标摄像机ci附近范围内的其他摄像机进行视频故障诊断；若附近范围内的其他摄像机检测状态同样也为模糊或者掉线，则另作标记，过段时间再检测，该种情况，可能因为出现团雾现象或者掉线造成的影响。若附近范围内的其他摄像机检测为正常状态，则复测位于其他时间点时的其他摄像机的状态，若此时其他摄像机状态为模糊或者掉线状态，则另作标记，过段时间再检测。该种情况，可能因为出现团雾现象或者掉线造成的影响。若其他摄像机在tj时间检测为正常状态，则判断出该目标摄像机ci为故障摄像机。

(5)、对故障摄像机进行报警，以达到视频故障检测的效果。

上述步骤(2)、(3)、(4)是本发明的核心，下面结合实施例1对本发明的诊断过程作进一步的详细说明。

实施例1：

视频故障诊断系统设有n台摄像机，形成摄像机序列c1、c2、…、cn；本实施例1中n＝20000，即有20000台摄像机。

所述视频故障为预先设定的m种故障，相应地匹配有m种预设的适配算法，形成适配算法序列。本实施例1中所述视频故障包括清晰度异常以及掉线异常等共2种，即m＝2，相应的适配算法为适配算法为清晰度异常诊断算法以及掉线异常诊断算法。

本实施例中如图2所示，包括以下步骤：

根据诊断目标选择相应的时间位置，以一台安装在地下停车场的补光摄像机为例，其采用自然光加上一般补光的时间段通常为早上6:00到19:00，剩余时间段则为加强性的补光。由于其图像故障在一天时间内有周期性变化，因此选择1天中的24小时为时间变化。根据一天中的光线变化率，从0点开始，每1小时为一个时间点，即所述时间点沿时间轴均匀分布，并形成时间点序列t1、t2、…、tn；其中本实施例中n为自然数24。根据诊断目标选择相应的时间轴为现有技术，实际操作时可根据一段时间的结果进行适当调整，比如选择周、月、季度等，并可相应地调整时间间隔。

1)根据诊断目标获得摄像机所在位置，沿摄像机的位置顺序选取n个位置点，形成位置点序列l1、l2、…、ln，其中n为自然数；

2)沿所述位置推进，顺序遍历所述位置序列，在每一个位置点lx，执行步骤3)，其中1≤x≤n；

3)根据诊断目标选择相应的时间，沿时间轴顺序选取n个时间点，形成时间点序列t1、t2、…、tn；其中n为自然数；

4)沿所述时间轴推进，顺序遍历所述时间点序列，在每一个时间点tx，执行步骤5)，其中1≤x≤n；

5)从摄像机c1开始查询是否存在目标摄像机ci的配置文件，如果不存在目标摄像机ci的配置文件则执行步骤6)，如果存在目标摄像机ci的配置文件则执行步骤7)；

6)对目标摄像机ci进行算法适配，其适配过程为：用适配算法fj对目标摄像机ci所有时间点拍摄的照片进行故障诊断运算，其中1≤j≤m，m为故障项数，从而计算出适配算法fj的最佳适配时间点tj，同时根据目标摄像机ci所在的位置点lj而确定其位置是否存在下雨、下雪、冰雹、团雾天气或者停电的情况，从而获得上述时间点tj、位置点lj与适配算法fj形成对应关系；将目标摄像机ci算法适配的结果进行保存，得到目标摄像机ci中所有时间点、位置点与适配算法对应关系的配置文件，简称目标摄像机ci的配置文件；执行步骤7)；

7)如所述目标摄像机ci的配置文件中存在时间点tx对应的适配算法，则执行该适配算法进行视频诊断；执行步骤8)；

8)若诊断结果为模糊或者掉线的摄像机，则标记为初步异常的摄像机。

9)获取所述目标摄像机ci对象所在的空间对象之间的邻接关系，此处的空间对象指的就是空间上的某一范围内的监控摄像机的点位，两个监控摄像机的编号相邻，则表示它们相邻，否则不相邻；

10)获取所述目标摄像机ci所在的时间对象之间的相邻关系，此处由于视频监控摄像机中的时空数据都是在某一范围内按一定的时间间隔均匀分布，因此将研究的时间范围按数据采集时间间隔分成很多个时段，时间按天、周、月或季度统计。若两个时间在相邻时段内，则表明两个时间对象相邻；

11)对目标摄像机ci附近范围内的其他摄像机进行视频故障诊断。若附近范围内的其他摄像机检测状态同样也为模糊或者掉线，则另作标记，过段时间再检测。该种情况，可能因为出现团雾现象或者掉线造成的影响。若附近范围内的其他摄像机检测为正常状态，之后执行下一步骤。

12)检测tj时间其他摄像机的状态，若状态为模糊或者掉线状态，则另作标记，过段时间再检测。该种情况，可能因为出现团雾现象或者掉线造成的影响。若其他摄像机在tj时间检测为正常状态，则判断出该目标摄像机ci为异常状态机，也即故障摄像机。

13)将i+1赋值给i，从而实现摄像机的诸葛检查；此时需返回执行步骤3)，直到所有的摄像机处理完毕；

14)将i+1赋值给i，返回执行步骤2)，直到所有的时间点均处理完毕；

15)将i+1赋值给i，返回执行步骤1)，直到所有的位置点均处理完毕；

直到所述时间序列与位置序列均遍历完成后，完成视频故障诊断。