[发明专利]位姿异常检测方法及装置

说明书

本发明公开了一种位姿异常检测方法及装置，其中，方法包括：获取初始监控图像，得到初始参考帧，并获取摄像机的初始位姿；周期获取视频关键帧，并增量式建立桥接图像数据库，得到桥接图像；根据检测周期获取检测帧，并将检测帧与初始参考帧或桥接图像进行特征提取和匹配，并计算检测帧的位姿；获取检测帧的摄像机位姿与初始参考帧的初始位姿间的差异值；判断差异值是否大于预设阈值；如果差异值大于预设阈值，则检测位姿异常，发出警报。该方法可以通过对检测帧与初始参考帧或桥接图像进行特征提取和匹配，从而判断检测摄像机位姿是否发生异常变化，降低监控系统因异常移动造成的风险，降低检测成本，提高监控系统效能。

技术领域

本发明涉及位姿检测技术领域，特别涉及一种位姿异常检测方法及装置。

背景技术

近年来，人们对安全的需求不断提升，多摄像机监控系统的应用越来越广，成为了解决安全问题的一种重要方式，多摄像机监控系统被应用于街道、机场、车站、广场等场景。伴随着图像传感器技术的进步，摄像机越来越廉价的同时，图像质量(分辨率)越来越高，从而使得多摄像机监控系统的规模越来越大，大中型城市中的监控摄像机数量可达数十万。经历长时间的使用后，监控摄像机的位姿(位置和姿态)与初始安装状态是否一致，即摄像机是否产生较大偏移，进而导致有效监控区域减少，甚至监控无效。导致摄像机异常偏移的原因有可能是建筑物沉降、风吹、鸟兽移动等自然原因，也有可能面临人为破坏。摄像机异常偏移可能使监控效率下降，安全风险上升，甚至导致安全系统失效，而摄像机异常偏移往往比较隐蔽，大多是在重大安全问题发生后，才被发现和修正，产生很大的安全代价。

摄像机位姿异常是指镜头变焦和摄像机被移动或转动，通过对监控视频(序列图像)进行分析，从而检测摄像机位姿是否异常，这也是当前计算机视觉领域的一个重要研究方向，在智能监控、视频会议、人机交互和基于内容的图像检索等方面具有广泛的应用，业界开展了一些相关的研究。

当前已经有的多种视频(序列图像)分析的方法，背景差分方法是典型的方法之一，这一方法的流程是首先进行背景建模，其次再用背景减除法提取目标，但是，其缺点是背景模型的建立、保持与更新都受到场景复杂度的影响。在背景差分法中，时间差分是最基本的方法，它取上一帧视频图像作为当前帧的背景模型，在相邻两帧间根据基于像素的差分获得运动目标。在其基础上，又发展出利用三帧差分代替两帧差分等变种算法。时间差分检测的方法在物体运动时，无法对物体进行检测，虽然这一方法对光照条件不敏感，但提取的目标内容容易产生孔洞。此外，背景差分法的另一个发展是基于时间轴滤波的背景模型，利用多帧中稳定的值作为背景，可以改善背景模型。

背景差分方法处理速度较快，但算法比较简单粗糙，在缺少运动目标的状态下难以发挥效果。为获得更为实用的背景模型，减少动态场景变化对于运动分割的影响。学界展开了广泛的研究，如根据分层原理，将图像分为像素级、区域级、帧级，并逐层进行处理，还有的是为场景中每个像素进行统计和周期背景建模，基于最小、最大强度值和最大时间差分值的原理。基于卡尔曼滤波的自适应背景模型方法的优势是可以适应天气和光照随时间变化，基于核密度估计的非参数模型可以描述背景分布，基于核密度估计的背景模型能准确地给背景建模，但算法对计算机内存有较高要求。mean-shift方法被用于多峰分布建模，运动目标分割效果较好，但其需要考虑数据空间的收敛特性，计算复杂。图像变化同现法和特征背景法认为场景背景中相邻像素块的颜色变化在一段时间内是相似的，利用像素点颜色的空间相关性是这两种算法的特点。此外，像素级的混合高斯模型因其能够能有效描述多峰背景，对动态背景自适应能力较强，对运动目标的检测能力较强。

然而，相关技术中，缺乏摄像机位姿信息，无法反映摄像机位姿异常变化；只能针对视频内容进行异常检测，并对运动目的检测依赖较强；只能反映短期剧烈的内容变化，难以处理长期缓慢的场景变化，有待解决。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。