一種基于圖像局部邊緣特征的攝像頭檢測方法
【技術領域】
[0001] 本發明屬于圖像處理領域，具體涉及利用圖像局部邊緣特征來判斷攝像頭是否被 遮擋的方法。
【背景技術】
[0002] 隨著社會的發展和科技的進步，監控系統廣泛的運用在人們生產、生活的各個領 域。攝像頭處在監控系統的最前端，容易受到外界的干擾，最常見的就是攝像頭被遮擋。雖 然現有技術可以較好的判斷出這種情況，但是由于現有算法的局限性以及現場情況的復雜 性，尤其是光照變化的影響，經常會使得設備對于圖像的判斷出現偏差，導致誤報和漏報現 象的發生。因此必須提高智能分析算法的適應性和可靠性，才能準確反映場景的真實情況。
【發明內容】
[0003] 本發明的目的是提供一種基于圖像局部邊緣特征的攝像頭檢測方法，能夠適應光 照的變化，在各種光照條件都能準確的判斷出攝像頭是否被遮擋，同時能排除網絡故障及 設備故障引起的誤報，降低誤報率。
[0004] 為實現上述發明目的，本發明所采用的技術方案是：一種基于圖像局部邊緣特征 的攝像頭遮擋檢測方法，其特征在于：包括以下步驟：
[0005]a、對攝像頭拍攝的RGB圖像I進行灰度變換，得到灰度圖像L，并計算灰度圖像L 中各像素灰度值的均方差ω;
[0006] b、判斷ω的值是否等于〇,若ω =〇,則表明網絡故障或設備故障，結束程序；若 ω> 0,則進行圖像局部邊緣特征點的提取，包括以下步驟：
[0007]bl，采用高斯濾波器對灰度圖像L進行濾波處理，構造出具有Ν幅圖像的多尺度空 間，所述多尺度空間由〇組圖像組成，每組圖像具有S個子層，N=OXS;每層圖像的尺度參 數σi分別通過序號〇和s來標記，尺度參數〇 ^艮據公式（1)計算：
[0008]
, · · ·，0-1]，sG[0,· · ·，S-l]，iG[0,· · ·，Ν]，〇Q是尺度 參數的初始基準值，默認為1. 6 ;
[0009]b2、采用非線性擴散濾波器對多尺度空間內的每層圖像進行擴散處理，生成非線 性多尺度空間，其中最底層的圖像L°=L。上。是用尺寸為9X9,標準差為1.6的高斯核與 所述灰度圖像L進行卷積后得到；其余層圖像根據如下的公式（2)生成進化圖像L1:
[0010]
.1=1
[0011] 其中4表示圖像L1在各維度1上的傳導矩陣，I為原始圖片，τ為時間步長，τ =ti+1_ti，1為以時間為單位的尺度參數，, i e [0,. . .，Ν];
[0012] b3、根據b2步驟中生成的每副進化圖像L1計算其對應的Hessian矩陣響應圖像 ，根據公式（3):
[0013] !Λ_η=。，其中，ΙΛΧ為進化圖像L1在X方向的二階倒 數，L、為進化圖像L1在y方向的二階倒數，L:為進化圖像L1的二階混合偏導數，。 為L1對應尺度的整數值；
[0014]b4、采用3X3X3鄰域的非最大值抑制算法，定位每個Hessian響應圖像中 的局部邊緣特征點；
[0015]c、統計提取到的局部邊緣特征點的數量n，將η與閾值η。進行比較，閾值η。為攝 像頭未遮擋時所拍攝圖像的局部特征點數；若nSη。，則發出攝像頭被遮擋告警。
[0016] 本發明的有益效果：通過提取圖片局部邊緣特征點的數量來進行數值對比，而無 需進行多張圖片的對比，大大減少了計算量，提高了計算速度；并且這些局部邊緣特征具備 良好的尺度和旋轉不變性，對于光照的變化、視角變化變換、圖像縮放等情況也保持一定的 不變性，克服了現有技術存在的一些缺陷，特別是光照變化引起的誤報，局部邊緣特征對光 照變化保持良好的不變性，同一個場景，在不同光照下提取到的特征數相差很小，因此具有 良好的適應性，在各種光照條件都能準確的判斷出攝像頭是否被遮擋。由于本發明提取圖 片局部邊緣特征點的前提是均方差ω>〇,這樣就必然排除了網絡故障或設備故障等異常 情況，大大提高了可靠性，降低了誤報率。
【附圖說明】
[0017] 圖1是本發明的流程框圖。
【具體實施方式】
[0018] 攝像頭未被遮擋時，拍攝的圖片輪廓清晰；而攝像頭被遮擋的時候，遮擋物離鏡頭 很近，導致拍攝的圖片變得很模糊，沒有清晰的邊緣輪廓，因此遮擋前后，圖片被檢測到的 局部邊緣特征點的數量相差很大，當圖片局部邊緣特征點的數量低于設定的閾值，則表明 攝像頭被遮擋。
[0019] 攝像頭拍攝的RGB圖像I的尺寸為1280x720,閾值η。設置為100。
[0020] 如圖1所示，一種基于圖像局部邊緣特征的攝像頭遮擋檢測方法，包括以下步驟：
[0021] a、對攝像頭拍攝的RGB圖像I進行灰度變換，得到灰度圖像L，并計算灰度圖像L 中各像素灰度值的均方差ω。
[0022] b、判斷ω的值是否等于〇,若ω= 〇,則表明網絡故障或設備故障，結束程序；若 ω> 0,則進行圖像局部邊緣特征點的提取，包括以下步驟：
[0023] bl，采用高斯濾波器對灰度圖像L進行濾波處理，構造出具有Ν幅圖像的多尺度空 間，所述多尺度空間由〇組圖像組成，每組圖像具有S個子層，N=OXS;每層圖像的尺度參 數σi分別通過序號〇和s來標記，尺度參數〇 ^艮據公式（1)計算：
[0024] e[0，...，0-l]，sG[0，...，S_l]，iG[0，···，Ν]，σ〇是尺度 參數的初始基準值，默認為1. 6 ;
[0025] b2、采用非線性擴散濾波器對多尺度空間內的每層圖像進行擴散處理，生成非線 性多尺度空間，其中最底層的圖像L°=L。上。是用尺寸為9X9,標準差為1.6的高斯核與 所述灰度圖像L進行卷積后得到；其余層圖像根據如下的公式（2)生成進化圖像L1:
[0026]
[0027] 其中心表示圖像L1在各維度1上的傳導矩陣，I為原始圖片，τ為時間步長，τ =ti+1-ti，h為以時間為單位的尺度參數，6 ，ie[0, ...，Ν];
[0028] b3、根據b2步驟中生成的每副進化圖像L1計算其對應的Hessian矩陣響應圖像 ，根據公式⑶：
[0029] !Λ_η=。，其中，ΙΛΧ為進化圖像L1在X方向的二階倒 數，L、為進化圖像L1在y方向的二階倒數，L:為進化圖像L1的二階混合偏導數，。 為L1對應尺度的整數值；
[0030] b4、采用3X3X3鄰域的非最大值抑制算法，定位每個Hessian響應圖像匕^^&中 的局部邊緣特征點。
[0031] c、統計提取到的局部邊緣特征點的數量n，將η與閾值η。進行比較，閾值η。為攝 像頭未遮擋時所拍攝圖像的局部特征點數；若nSη。，則發出攝像頭被遮擋告警。
[0032] 進一步的，步驟b4具體包括以下步驟：
[0033] b41、遍歷響應圖像L1.-中的每個響應值，若小于預設極值respthresh= 0· 001， 則繼續判斷下一個響應值；
[0034] b42、把當前響應圖ΙΛ_13中的響應值與它同一尺度的8個相鄰點，以及和上下相 鄰尺度對應的9X2個點一一共26個點比較，以確保在尺度空間和二維圖像空間都檢測到 極大值點，該極大值點即為局部邊緣特征點。
[0035] 進一步的，矩陣心是三對角矩陣并且對角占優。
[0036] 進一步的，所述公式（2)是通過對非線性擴散方程進行離散化得來，所述非線性