[发明专利]基于跨时段特征判别及融合的监控视频亮度异常检测方法有效
申请号: | 202110665591.4 | 申请日: | 2021-06-16 |
公开(公告)号: | CN113411570B | 公开(公告)日: | 2023-07-14 |
发明(设计)人: | 徐哲鑫;彭信源;张子涵;陈亮;詹仁辉 | 申请(专利权)人: | 福建师范大学 |
主分类号: | H04N17/00 | 分类号: | H04N17/00;H04N7/18 |
代理公司: | 福州君诚知识产权代理有限公司 35211 | 代理人: | 戴雨君 |
地址: | 350108 福建省福州*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 时段 特征 判别 融合 监控 视频 亮度 异常 检测 方法 | ||
1.基于跨时段特征判别及融合的监控视频亮度异常检测方法,其特征在于:其包括以下步骤:
步骤1:针对摄像头持续输入的视频流,在每个时段周期的起始时刻触发视频帧亮度异常检测;
步骤2:提取每时段起始若干连续视频帧并分别计算极大亮度、极小亮度、平均亮度三个特征值;步骤2中的特征值分别为:平均亮度极大亮度和极小亮度,具体步骤如下:
步骤2-1,将第t时段的视频帧fi,t转换到YCbCr颜色空间,统计所有像素Y分量值分布并计算以及平均亮度设Y分量共有N种取值,其中第n种取值yn的比例为pn;
步骤2-2,根据视频帧fi,t所有像素Y分量值分布定义极大亮度和极小亮度其中对应的ynupper下标索引nupper由如下公式确定:
对应的ynlower下标索引nlower由如下公式确定
其中,pk表示Y分量分布中第k个取值的概率;N表示Y分量分布所有取值的个数;
步骤2-3,将第t个时段起始连续F帧视频帧的极大亮度、极小亮度、平均亮度分别取平均并分别记为具体地表达式如下:
步骤3:判断每个时段视频帧的正常亮度特征值的参考值是否存在;是则,执行步骤4;否则,以当前计算的极大亮度、极小亮度、平均亮度作为该时段特征值的参考值并执行步骤4;
步骤3的具体步骤如下:
步骤3-1,设定第t时段视频帧极大亮度、极小亮度、平均亮度的正常值的参考值分别为和
步骤3-2,根据各个参考值和是否被初始化进行对应的赋值当判断参考值被初始化时,令其中,条件C1为当判断参考值未被初始化时,令
当判断参考值被初始化时,令其中,条件C1为当判断参考值未被初始化时,令当判断参考值被初始化时,令其中,条件C1为当判断参考值未被初始化时,令
步骤4:将每时段计算的极大亮度、极小亮度、平均亮度分别与各自的参考值比较,判断两者之差是否在允许变化区间范围内;是则,加权合并后作为该时段特征值新的参考值;否则,丢弃计算结果保持该时段特征值的当前参考值不变;
步骤5:对每时段视频帧进行亮度异常抽帧检测;每时段以固定周期抽取视频帧进行亮度异常检测,计算所抽取的视频帧的极大亮度、极小亮度和平均亮度;
步骤6:将所抽取的视频帧的极大亮度、极小亮度和平均亮度分别与该时段的当前参考值进行比较,判断两者之差是否在允许变化区间范围内;是则,判定当前抽取的视频帧为正常帧,否则判定当前抽取的视频帧为异常帧;
步骤7:将判断结果以列表的形式输出,第一列是每隔六帧的帧序号,第一行第二列是亮度总异常帧数。
2.根据权利要求1所述的基于跨时段特征判别及融合的监控视频亮度异常检测方法,其特征在于:步骤1中时段周期以一小时为一个时段周期。
3.根据权利要求1所述的基于跨时段特征判别及融合的监控视频亮度异常检测方法,其特征在于:步骤1中,将视频流分帧存入指定文件夹并依照设定规律的命名图片,且检测图片时使得RGB转换灰度图。
4.根据权利要求1所述的基于跨时段特征判别及融合的监控视频亮度异常检测方法,其特征在于:步骤3-2中α和β根据经验分别设为0.8和0.05。
5.根据权利要求1所述的基于跨时段特征判别及融合的监控视频亮度异常检测方法,其特征在于:步骤5包括如下步骤:
步骤5-1,设每时段视频帧检测周期为Td,即每间隔Td抽取一帧进行亮度异常检测;
步骤5-2,第t时段所抽取的视频帧fj,t计算极大亮度极小亮度和平均亮度
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建师范大学,未经福建师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110665591.4/1.html,转载请声明来源钻瓜专利网。