[发明专利]相机移动的识别方法、装置、设备和计算机可读存储介质

说明书

本申请涉及一种相机移动的识别方法、装置、设备和计算机可读存储介质。其中，该相机移动的识别方法包括：获取图像帧序列，确定图像帧序列中每个图像帧的稠密光流场；分别对每个图像帧的稠密光流场进行聚类，并确定每个图像帧的主子光流场，其中，主子光流场为每个图像帧中最多像素分类的聚类子光流场；计算每个图像帧的主子光流场的均值光流矢量；根据每个图像帧的均值光流矢量，判断相机是否移动。通过本申请，解决了相关技术中相机移动识别的准确性低的问题，提高了相机移动识别的准确性。

技术领域

本申请涉及图像处理领域，特别是涉及相机移动的识别方法、装置、设备和计算机可读存储介质。

背景技术

在监控系统中，相机移动是比较常见的操作，但它对于智能视频分析，却会有非常不利的后果。因为当前大多数智能视频分析系统，都会有相机静止假设，然后以此设计了类似于背景建模的运动检测方法，甚至会设置一些与当前场景非常相关的规则区域，一旦相机发生移动，这些策略都将不再适用，最终给用户带来大量的误报或者漏报。

而目前检测相机移动主要方法还是依赖移动前后的图像对比，一般会提取一些匹配特征，比如通过先检测一些关键点，然后在过滤噪声点后进行图像的匹配，得出图像的变换矩阵来判断相机是否移动的方式，这种方法的缺点在于关键点的检测精度，由于选取关键点的特征一般都比较简单，容易受到光照、噪声等因素的影响，一旦相机移动前后的关键点无法做到大量匹配，变换矩阵的精度就无法保证。为解决上述问题，通过检测相机移动前后图像的车道线来进行匹配，从而获得图像的变换矩阵，由于检测车道线的特征往往比较强，所以稳定性有较高的保证，但对于没有车道线的场景，或者车道线破损，或者车辆拥堵遮挡了车道线的情况，性能就会急剧下降，导致了相机移动识别的准确性低。

目前针对相关技术中相机移动识别的准确性低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例中提供了一种相机移动的识别方法、装置、设备和计算机可读存储介质，以至少解决相关技术中相机移动识别的准确性低的问题。

第一方面，本申请实施例中提供了一种相机移动的识别方法，包括：

获取图像帧序列；

确定所述图像帧序列中每个图像帧的稠密光流场；

分别对所述每个图像帧的稠密光流场进行聚类，并确定所述每个图像帧的主子光流场，其中，所述主子光流场为所述每个图像帧中最多像素分类的聚类子光流场；

计算所述每个图像帧的主子光流场的均值光流矢量；

根据所述每个图像帧的均值光流矢量，判断相机是否移动。

在其中一些实施例中，确定所述图像帧序列中每个图像帧的稠密光流场之前，所述方法还包括：

对所述图像帧序列进行预处理，其中，所述预处理包括以下至少之一：灰度处理、降噪处理。

在其中一些实施例中，分别对所述每个图像帧的稠密光流场进行聚类，并确定所述每个图像帧的主子光流场包括：

根据所述每个图像帧的稠密光流场的大小进行分块处理，并获取每个图像区块内各个像素点的光流矢量；

采用K-means聚类算法对每个图像区块内各个像素点的光流矢量进行聚类，并得到所述每个图像帧的主子光流场。

在其中一些实施例中，采用K-means聚类算法对每个图像区块内各个像素点的光流矢量进行聚类，并得到所述每个图像帧的主子光流场包括：

采用K-means聚类算法对每个图像区块内各个像素点的光流矢量进行聚类，得到多个聚类子光流场；

确定所述多个聚类子光流场中每个聚类子光流场的均值光流矢量之间的第一距离；