[發明專利]一種檢測場景變換的方法和系統

有效

• 申請號: 201210437502.1
• 申請日: 2012-11-05
• 公開（公告）號: CN102982537A
• 公開（公告）日: 2013-03-20
• 發明（設計）人: 鐘文坤;譚哲
• 申請（專利權）人: 安維思電子科技(廣州)有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 譚英強

技術領域

本發明涉及視頻監控領域，尤其是一種檢測場景變換的方法和系統。

背景技術

在目前的視頻監控應用中，攝像機由于受到某種外力的影響（如人為移動攝像機、攝像機固定架的位移、刮風或攝像機焦距發生變化等），會使實際監控到的視頻場景偏離原來想要監控的場景。另外，若攝像機被外物遮擋，也會使原來要監控的場景丟失。由于上述的種種原因，攝像機監控的場景發生了部分或完全的變換，丟失了原來想要監控的場景，這可能會嚴重影響整個視頻監控系統。因此，我們需要及時準確地檢測到這種異常情況并提示報警，以便工作人員對異常情況做出快速的響應。

目前場景變換的檢測方法大多基于灰度直方圖或亮度變化的方法，這些方法在場景光照變化比較大或場景中運動目標比較多的情況下，準確率會嚴重受到影響。另外，這些方法也無法檢測到場景的微小變換（如攝像機的小角度旋轉），也無法準確的評估出場景變換的程度。

發明內容

為了解決上述的技術問題，本發明的目的是提供一種檢測場景變換的方法。

本發明的另一目的是提供一種檢測場景變換的系統。

本發明所采用的技術方案是：

一種檢測場景變換的方法，該方法包括以下步驟：

A．獲取監控場景的兩幅圖像；

B．采用快速魯棒特征算法提取所述兩幅圖像的特征點；

C．采用k維數據空間樹算法對所述兩幅圖像的特征點進行匹配；

D．采用改進的隨機抽樣一致性算法對所述兩幅圖像匹配到的特征點進行透視變換矩陣的估計；

E．根據估計的透視變換矩陣計算出所述兩幅圖像的空間偏移量，從而得到場景變換的程度。

優選地，所述步驟B包括：

B1．計算圖像的Soble邊緣總灰度值Ｇ；

B2．計算圖像特征點的個數K，計算的公式（1）如下：

K=w*log(G)（1）

其中，W為一系數，且K的值應滿足：

其中，T1和T2均為常數；

B3．取海賽矩陣中響應最大的前K個特征點作為最終提取出來的特征點。

優選地，所述步驟C，其具體為，以所述兩幅圖像的其中一幅圖像作為參考圖像，另一圖像作為實時視頻圖像，在實時視頻圖像的特征點中使用k維數據空間樹算法找到與參考圖像每一個特征點最匹配的特征點，從而得到數對特征點匹配對。

優選地，所述步驟D包括：

D1．將當前最佳估計內點數目設置為0，并將所述參考圖像分割為32*32個子塊，然后在所有子塊中隨機抽取4個至少含有一個特征點的子塊，跟著在每個抽取出的子塊中隨機抽取一個特征點，從而得到4個初始點；

D2.采用最小二乘法對所述4個初始點對應的透視變換矩陣進行計算，進而根據該透視變換矩陣統計所述特征點匹配對的內點數目；

D3.比較當前內點數目與當前最佳估計內點數目，若當前內點數目大于當前最佳估計內點數目，則將當前的透視變換矩陣作為當前最佳估計，并更新當前最佳估計內點數目，同時動態估測所需迭代次數；若當前迭代次數達到所需迭代次數，則保留當前的透視變換矩陣作為最終的透視變換矩陣，反之，則重新執行步驟D1。

優選地，所述步驟E包括：

E1．根據估計的透視變換矩陣把矩形的實時視頻圖像的四個頂點坐標變換到參考圖像上，從而得到變換后的圖像與參考圖像的重合區域；

E2．統計所述重合區域的像素點個數，進而計算場景變換的程度。

本發明所采用的另一方案是：一種檢測場景變換的系統，該系統包括以下模塊：

圖像獲取模塊，用于獲取監控場景的兩幅圖像；

圖像特征提取模塊，用于采用快速魯棒特征算法提取所述兩幅圖像的特征點；

圖像特征匹配模塊，用于采用k維數據空間樹算法對所述兩幅圖像的特征點進行匹配；

透視變換矩陣估計模塊，用于采用改進的隨機抽樣一致性算法對所述兩幅圖像匹配到的特征點進行透視變換矩陣的估計；

場景變換程度計算模塊，用于根據估計的透視變換矩陣計算出所述兩幅圖像的空間偏移量，從而得到場景變換的程度。

優選地，所述圖像特征提取模塊包括：

Soble邊緣總灰度值計算單元，用于計算圖像的Soble邊緣總灰度值Ｇ；

特征點個數計算單元，用于計算圖像特征點的個數K，計算的公式（1）如下：

K=w*log(G)（1）

其中，W為一系數，且K的值應滿足：