本發(fā)明涉及了一種基于視頻的判定地鐵攝像機移位的方法，屬于視頻采集技術(shù)領(lǐng)域。

背景技術(shù)：

隨著自動化技術(shù)的發(fā)展，地鐵環(huán)境的綜合監(jiān)控系統(tǒng)集成了各個子專業(yè)系統(tǒng)以實現(xiàn)各子系統(tǒng)之間的資源共享、協(xié)同調(diào)度。 CCTV 視頻監(jiān)控子系統(tǒng)在安全、監(jiān)控、協(xié)同聯(lián)動等方面有著重要的作用。攝像機因為敲擊等人為因素容易造成機體非正常移位；另一方面，因為機械故障也會間接導致機體移位或鏡頭旋轉(zhuǎn)。這些都將導致監(jiān)控區(qū)域無法得到預期的畫面，因此實時監(jiān)控攝像機的位置和角度將尤為關(guān)鍵。

目前對攝像機位置的監(jiān)測主要采用兩種方式：一種方式是通過攝像機中的硬件裝置或內(nèi)置的視頻模塊，但是這種方式的缺點是：提高了攝像機成本，單一的硬件裝置容易出現(xiàn)漏判和誤判，視頻模塊由于對整幅圖做判斷，計算量巨大，無法滿足實時性要求；另一方面，對大量已經(jīng)安裝的不帶硬件裝置和內(nèi)置視頻模塊的攝像機不適用。另一種方式是通過人為比對視頻，這種方式的缺點是：攝像機數(shù)量眾多，人工耗時耗力，也無法滿足實時性要求。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于視頻的判定地鐵攝像機移位的方法，通過對特征標志物和感興趣區(qū)域做檢測，增強特征的獲取能力和減少了計算量，從而提高了準確性和實時性。

為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

一種基于視頻的判定地鐵攝像機移位的方法，包括如下步驟：

（1）選取和設(shè)計定位標志物，選定感興趣區(qū)域，遵循目標與背景最大差異化原則；

（2）依據(jù)站內(nèi)外環(huán)境不同，分別設(shè)計背景幀的生成方法，其中，站內(nèi)環(huán)境的背景幀通過一段穩(wěn)定的視頻序列幀求均值而得到；站外背景幀的生成利用歷史視頻圖像數(shù)據(jù)，將依據(jù)不同天氣w、光照l、典型時間段t，收集序列幀并通過高斯模型生成背景幀M（w，l，t），其表征的意義為w天氣，l光照，t時間輸入下所對應(yīng)的背景幀M；

（3）對視頻幀進行圖像預處理，以便形成特征檢測的基礎(chǔ)；其中視頻幀的圖像預處理包括如下步驟：

（a）把當前幀與背景幀做差分運算，得到差分圖，對差分圖做一次canny運算增強并進行二值化處理，得到二值圖像；對二值圖像上的感興趣區(qū)域ROI做統(tǒng)計，判斷統(tǒng)計圖上是否形成較清晰的雙峰；并在二值圖像上手動框選檢測特征區(qū)，并標記為模板和存儲。

（b）通過當前圖像與背景圖像上對應(yīng)的像素點比值確定明暗區(qū)，在暗區(qū)上用灰度比值統(tǒng)計和正太曲線擬合的方法估算出陰影的范圍，并適當松弛a，把二值圖像上對應(yīng)的陰影區(qū)像素點的值置為0；

（c）二值圖像通過形態(tài)學的連通域算法形成主要的檢測特征，其具體過程為：掃描一遍圖像記錄鏈式線段的信息，對相鄰的鏈式線段進行追溯合并，記錄連通域的個數(shù)C，第i個連通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分別表征面積、長度和高度；

（d）對得到的連通域做基于規(guī)則的過濾，具體過程如下：對于每個連通域，如果Hi大于感興趣區(qū)域高度的一半時，則過濾掉連通域(即認為該連通域是符合我們的檢測特征)，對過濾出來的連通域做一次判定，如果面積Si大于我們設(shè)定的閾值t，則統(tǒng)計變量Cot的值加1；

（4）對攝像機移位的判定：統(tǒng)計二值圖像上像素值為1的點的個數(shù)Cout，如果Cout大于我們設(shè)定的閾值Tc并且有步驟（3）得到的連通域個數(shù)C大于1時，則初步認為攝像機有可能偏移，并進入模板匹配階段，否則即認為計算機沒有發(fā)生非預期的偏移；

（5）模板匹配階段的判定：模板集的獲取通過兩種方式：一是通過歷史數(shù)據(jù)形成模板，二是實時通過人為交互的方式得到；把二值圖像分別與模板P做差分運算，并分別統(tǒng)計模板與差分圖像素值為l的個數(shù)，分別記為tl，dl, 如果dl與tl的比值小于0.5，則不認為攝像機移位，否則認為攝像機移位并發(fā)出報警。

前述的一種基于視頻的判定地鐵攝像機移位的方法，其特征在于：所述步驟（1）中定位標志物的選取可以是人為設(shè)計或是在工程場景中選取，標志物紋理清晰、不被遮擋，標志物與背景能形成較大差異特征。

前述的一種基于視頻的判定地鐵攝像機移位的方法，其特征在于：所述步驟（1）中感興趣區(qū)域包含完整的特征標志物，并以其為中心向四周外延一定范圍，設(shè)定松弛程度為β，計算其最大外接矩形并保存其坐標。

前述的一種基于視頻的判定地鐵攝像機移位的方法，其特征在于：步驟（3）中，對二值圖像上的感興趣區(qū)域ROI做統(tǒng)計，判斷統(tǒng)計圖上是否形成較清晰的雙峰；并在二值圖像上手動框選檢測特征區(qū)，并標記為模板和存儲。

前述的一種基于視頻的判定地鐵攝像機移位的方法，其特征在于：在步驟（3）之前引入陰影消除技術(shù)，避免陰影對檢測和判定的影響，陰影消除技術(shù)主要基于灰度比值統(tǒng)計特性，具體設(shè)計如下：(1)依據(jù)背景素點和當前像素點的比值

ρ（i，j）=b（i，j）/f（i，j）來判定亮區(qū)和暗區(qū)，如果ρ（i，j）＞1則是暗區(qū)，反之則是亮區(qū)，(2) 基于暗區(qū)的像素點灰度比值統(tǒng)計特性，采用正態(tài)分布曲線擬合對陰影灰度的可能分布區(qū)間進行估計，即求子區(qū)間[t₁，t₂]像素個數(shù)C(x)>0，x( t₁，t₂)，正態(tài)分布在其均值處達到概率最大幅值C(x₀)=max{ C(x)}，本方法中對陰影灰度進行了一定的定義置信區(qū)間

[μ-2σ，μ+2σ]，從而增強陰影提取效果，如果當前像素在陰影分布區(qū)，相應(yīng)像素值被置為0。

前述的一種基于視頻的判定地鐵攝像機移位的方法，其特征在于：所述步驟（3）中，差分圖通過當前幀與背景幀做減法∣Fi-Bi∣運算得到，在差分圖像上使用canny算子做一次增強處理，canny閾值分別為50，255。

前述的一種基于視頻的判定地鐵攝像機移位的方法，其特征在于：所述步驟（3）中，形態(tài)學的處理方法是通過一次掃描記錄鏈式線段信息，通過對相鄰兩層的鏈式線段的回溯、標記和合并得到連通域信息，基于鏈式掃描線段的連通域方法形成檢測特征，并記錄每個連通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分別表征面積、長度和高度。

本發(fā)明的有益效果是：基于特征標志物和感興趣區(qū)域做檢測，增強特征的獲取能力和減少了計算量，從而提高了準確性和實時性；不需要額外的硬件裝置和內(nèi)置視頻模塊，只要能獲得實時視頻幀就能完成檢測功能；考慮到綜合監(jiān)控系統(tǒng)地鐵環(huán)境的室外站點，本方法增加了歷史數(shù)據(jù)建模，提高了模型的準確性；通過引入了光照、陰影消除方法增強了算法的魯棒性；增加模板匹配階段提高了判斷準確率。

附圖說明

圖1為本發(fā)明一次檢測流程判定流程；

圖2 為本發(fā)明預處理階段流程。

具體實施方式

下面將結(jié)合說明書附圖，對本發(fā)明作進一步的說明。

如圖1和圖2所示，本發(fā)明提出的基于視頻的判定攝像機移位方法的實現(xiàn)。該方法通過獲取實時畫面，經(jīng)由檢測算法，有計算機自動判定攝像機是否移位。

主要包括以下步驟：

步驟1 ：特征標志物的選取和設(shè)計

1. 特征標志物的選取和設(shè)計為了增加檢測特征，因此它的選取和設(shè)計遵循兩個主要原則，其一標志物的位置不允許被其它場景遮擋；其二標志物選取和設(shè)計時應(yīng)該能與其四周的背景形成最大的差異化特征，定位標志物的選取可以是人為設(shè)計或是在工程場景中選取，標志物紋理清晰、不被遮擋，標志物與背景能形成較大差異特征。

2．通過交互的方式設(shè)定好感興趣區(qū)域，選取的原則是感興趣區(qū)域包含整個標志物并以其為中心向四周外延一定的范圍，設(shè)定松弛程度為β，獲取其最大外接矩形并記錄其坐標位置ROI，通過統(tǒng)計學方法評價感興趣區(qū)域選取質(zhì)量的好壞，計算其最大外接矩形并保存其坐標。

步驟2 ：生成背景幀

考慮到室內(nèi)環(huán)境與室外環(huán)境的不同，分別采用不同的方式生成背景幀：

1.室內(nèi)環(huán)境的背景幀通過一段穩(wěn)定的視頻序列幀求均值而得到。

2.室外環(huán)境的背景幀的生成方法是：考慮歷史的圖像信息數(shù)據(jù)，將依據(jù)不同天氣、光照、典型時間段的數(shù)據(jù)利用高斯模型獲得不同背景幀模型M（w，l，t），其表征的意義為w天氣，l光照，t時間輸入下所對應(yīng)的背景幀M。

步驟 3：實時視頻幀的圖像預處理

1.把當前幀與背景幀做差分運算，得到差分圖，對差分圖做一次canny運算增強并進行二值化處理，得到二值圖像，差分圖通過當前幀與背景幀做減法∣Fi-Bi∣運算得到，在差分圖像上使用canny算子做一次增強處理， canny閾值分別為50，255。

2. 通過當前圖像與背景圖像上對應(yīng)的像素點比值確定明暗區(qū)，在暗區(qū)上用灰度比值統(tǒng)計和正太曲線擬合的方法估算出陰影的范圍，并適當松弛a，把二值圖像上對應(yīng)的陰影區(qū)像素點的值置為0。

3. 二值圖像通過形態(tài)學的連通域算法形成主要的檢測特征，其具體過程為：掃描一遍圖像記錄鏈式線段的信息，對相鄰的鏈式線段進行追溯合并。記錄連通域的個數(shù)C, 第i個連通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分別表征面積、長度和高度。形態(tài)學的處理方法是通過一次掃描記錄鏈式線段信息，通過對相鄰兩層的鏈式線段的回溯、標記和合并得到連通域信息，基于鏈式掃描線段的連通域方法形成檢測特征，并記錄每個連通域的特征向量Vi=（Si，Wi，Hi）。

4. 對得到的連通域做基于規(guī)則的過濾，具體過程如下：對于每個連通域，如果Hi大于感興趣區(qū)域高度的一半時，則過濾掉連通域(即認為該連通域是符合我們的檢測特征)，對過濾出來的連通域做一次判定，如果面積Si大于我們設(shè)定的閾值t,則統(tǒng)計變量Cot的值加1。

步驟 4：攝像機移位的判定

1.統(tǒng)計二值圖像上像素值為1的點的個數(shù)Cout，如果Cout大于我們設(shè)定的閾值Tc并且有步驟4得到的連通域個數(shù)C大于1時，則初步認為攝像機有可能偏移，并進入模板匹配階段，否則即認為計算機沒有發(fā)生非預期的偏移。

步驟5 ：模板匹配階段的判定

模板集的獲取通過兩種方式：一是通過歷史數(shù)據(jù)形成模板，二是實時通過人為交互的方式得到。

把二值圖像分別與模板P做差分運算，并分別統(tǒng)計模板與差分圖像素值為1的個數(shù)，分別記為t1,d1, 如果d1與t1的比值小于0.5，則不認為攝像機移位，否則認為攝像機移位并發(fā)出報警。

其中，在實時視頻幀的圖像預處理之前，引入陰影消除技術(shù)，避免陰影對檢測和判定的影響，陰影消除技術(shù)主要基于灰度比值統(tǒng)計特性，具體設(shè)計如下：(1)依據(jù)背景素點和當前像素點的比值ρ（i，j）=b（i，j）/f（i，j）來判定亮區(qū)和暗區(qū)，如果ρ（i，j）＞1則是暗區(qū)，反之則是亮區(qū)，(2) 基于暗區(qū)的像素點灰度比值統(tǒng)計特性，采用正態(tài)分布曲線擬合對陰影灰度的可能分布區(qū)間進行估計，即求子區(qū)間[t₁，t₂]像素個數(shù)C(x)>0，x( t₁，t₂)，正態(tài)分布在其均值處達到概率最大幅值C(x₀)=max{ C(x)}，本方法中對陰影灰度進行了一定的定義置信區(qū)間[μ-2σ，μ+2σ]，從而增強陰影提取效果，如果當前像素在陰影分布區(qū)，相應(yīng)像素值被置為0。

綜上所述，本發(fā)明提供的一種基于視頻的判定地鐵攝像機移位的方法，通過對特征標志物和感興趣區(qū)域做檢測，增強特征的獲取能力和減少了計算量，從而提高了準確性和實時性。

以上顯示和描述了本發(fā)明的基本原理、主要特征及優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進都落入要求保護的本發(fā)明范圍內(nèi)。本發(fā)明要求保護范圍由所附的權(quán)利要求書及其等效物界。