[发明专利]基于图像角点集特征的摄像头场景变换检测方法

说明书

技术领域

本发明属于图像处理技术领域，具体的为一种基于图像角点集特征的摄像头场景变换检测方法，主要用于对视频监控中场景变换这一情况进行实时监控，从而判断监控摄像头的监控状态是否符合要求。

背景技术

随着视频监控技术的广泛应用，基于图像处理的异常事件自动检测技术成为了研究热点。目前大多数视频自动检测技术是基于特定检测区域来进行异常事件检测的，一旦摄像头监控范围变化或场景变换，必然使得检测区域出现错位，从而影响事件自动检测的结果。因此，研究如何及时、准确地检测出视频监控设备监控范围场景变换事件，能够有效地为视频监控系统的运行提供可靠保障，具有重要的社会意义和应用前景。

视频监控技术被广泛应用于生活的各个角落，是现代生活管理中一个有力工具。在公共安保中，随着社会的发展以及公共安全形势的日益复杂，许多城市都不同程度地加大了对视频监控系统的投入，视频监控系统正成为安保行业必不可少的环节，由其组成的“天网”在协助安保部门有效预防违法犯罪、保护公共财产、营造安定和谐的社会环境等方面发挥着重要作用；在生产作业中，视频监控技术的引进在节约了大量人力资源的同时，有效防止了安全事故的发生，保障了工业生产的安全进行，减少了经济损失；在交通管理中，视频监控系统能够帮助交通管理部门实时监控道路车辆和人员信息，实现快速、准确的交通指挥调度，确保道路安全畅通，同时视频监控可以准确记录各类车辆信息，为违章处罚、案件侦破等提供科学、有效的依据。

然而，由于监控摄像头反馈的数据众多，传统的人工处理方式已不能胜任，因此，目前视频监控异常事件自动检测技术正逐步代替传统的人工处理技术。然而，自动检测技术的准确性是基于正确的检测场景的基础上的，监控场景的变换可能有以下两类原因：一是前端摄像头受外界因素影响造成大幅偏移，二是监控中心终端监控器与前端摄像头之间的对应关系受操作人员无意的切换。这些监控场景的变换对于目前已有的异常事件检测算法是无法感知的，而监控场景变换后，现有的视频监控异常事件自动检测技术无法保证准确性要求。

摄像头的场景变换，其本质上也体现在摄像头所捕捉的图像的特征信息是否发生了变化。目前，基于图像处理的场景特征提取与匹配的相关方法主要有基于图像像素域特征的视频场景检测和基于图像内容特征的视频场景检测两种方法。视频像素域特征主要体现在视频的颜色值、灰度值等像素特征方面，并结合阈值标定技术来实现偏差检测的，此类特征忽略了图像全局信息，而且很大程度上依赖于合适的阈值，检测精度不高。图像内容特征是基于图像像素规则排列的，由于场景图像中的物体与物体、物体与背景之间的颜色值存在差异，物体的纹理、边缘、角点等信息便通过像素颜色值的突变得以表现出来。

现有文献中提到的场景变化检测方法都是在理想环境下单纯地针对图像特征的提取与匹配，没有考虑到外界因素的干扰以及噪点的影响，直接应用于现实环境下的检测效果不佳，尤其是要在干扰因素众多、环境条件不佳的高速公路等环境下实现较为准确的场景变换的检测，是亟需解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于图像角点集特征的摄像头场景变换检测方法，其能够克服现实工程应用环境中存在的干扰因素众多、环境条件不佳等困难，实现对视频监控中场景变换这一情况进行实时监控。

为达到上述目的，本发明提供如下技术方案：

一种基于图像角点集特征的摄像头场景变换检测方法，包括如下步骤：

步骤一、获取图像角点集信息

(1)在待检测视频图像中选取合适的感兴趣区域，并制作蒙版，得到屏蔽感兴趣区域以外图像信息的感兴趣区域灰度图；

(2)利用统计直方图设置所述感兴趣区域灰度图的自适应二值分割阈值，提取感兴趣区域灰度图的角点；

(3)对提取的角点进行去伪降噪处理，获取稳定可靠的角点集信息；

(4)若

角点集匹配模板的训练次数≥训练角点集匹配模板的样本阀值

则执行步骤三，否则执行步骤二；

步骤二、训练角点集匹配模板

(1)确定训练角点集匹配模板的样本阀值；

(2)选取训练角点集匹配模板时的角点活跃区域尺寸阈值；

(3)利用获取的角点集信息训练角点集匹配模板，角点集匹配模板的训练次数加一；

(4)若

角点集匹配模板的训练次数≥训练角点集匹配模板的样本阀值

则角点集匹配模板训练完成，确定角点高频区阈值，最终得到全局概率角点集匹配模板，并执行步骤一；