摄影机的异常侦测方法
【专利摘要】本发明公开了一种摄影机的异常侦测方法,包含:取得摄影机的撷取图像;侦测撷取图像的色彩饱和度;当撷取图像的色彩饱和度低于第一门槛值,判定摄影机进入夜间拍摄模式,相反则为日间拍摄模式;根据日间或夜间的判断,选择适当的背景模型;及以撷取图像比对背景模型的图像边缘所构成的场景结构判定撷取图像是否异常。
【专利说明】摄影机的异常侦测方法
【技术领域】
[0001]本发明与监视摄影系统有关,特别是一种摄影机的异常侦测方法。
【背景技术】
[0002]目前市面上的监视摄影系统,可撷取监视场景的图像,并同步地显示于显示器,以供人员即时由显示器观看一个或多个场景的图像。监视摄影系统所撷取的图像可以进一步记录于录影带或电脑硬盘等储存媒体,以在特定事件(如窃盗事件)发生的后,重新播放该图像以确认事件发生过程。
[0003]然而,为了避免宵小在为犯罪行为的前先对摄影机施以断线/转向/失焦/喷漆/以物遮蔽等手法,造成监视系统录下无效的图像。现有防范方式之一是对摄影机加装侦测回路,以侦测摄影机是否与监视系统之间保持连线。但此侦测回路只能达成摄影机与录影机的图像传输线遭剪断的警示。
[0004]为了侦测摄影机是否被转向,另一种防范方式是将位移感应器(如三轴陀螺仪或三轴加速规)装设于摄影机,通过位移感应器侦测摄影机是否有位移的情形。然而,此种方法只能支援摄影机转向,若摄影机遭受遮蔽、失焦等情况,此方法将无法侦测出此异常状态。
[0005]因此,还有一种防范方式是针对摄影机所撷取的图像与背景基图进行比对,侦测是否摄影机有遮蔽、失焦等异常事件发生。然而,当环境灯光或光线有重大改变时(如瞬间关灯或开灯),为避免侦测错误而发生误报,需由人员手动设定新的背景模型样本,这样不便的流程将对人员产生额外的负担,使得图像侦测无实质效益。
【发明内容】
[0006]鉴于以上的问题,本发明提供一种摄影机的异常侦测方法,藉以解决先前技术所存在针对光线变化人员需手动设定新的背景模型样本的问题。
[0007]本发明之一实施例提供一种摄影机的异常侦测方法。其中,摄影机具有一日间拍摄模式及一夜间拍摄模式。异常侦测方法包含:取得该摄影机所拍摄的一撷取图像;侦测该撷取图像的色彩饱和度;当该撷取图像的色彩饱和度低于一第一门槛值时,判定该摄影机进入夜间拍摄模式或日间拍摄模式;根据该摄影机的拍摄模式选择对应的一背景模型;及根据该背景模型判定该撷取图像是否异常。
[0008]根据该摄影机的拍摄模式选择对应的该背景模型包含:
[0009]根据该摄影机分别于该日间拍摄模式或该夜间拍摄模式所拍摄的一背景图像,建立该背景模型;
[0010]当该摄影机进入日间拍摄模式时,选择对应该日间拍摄模式的该背景模型;及
[0011]当该摄影机进入夜间拍摄模式时,选择对应该夜间拍摄模式的该背景模型。
[0012]还包含:
[0013]于一背景图像中平均选取多个取样点,以该些取样点的边缘强度建立一边缘特征模型;
[0014]将该背景图像切割为二维分布的多个场景区块而形成一场景结构模型,其中各该场景区块与邻近的该场景区块部分重叠;及
[0015]合并该边缘特征模型及该场景结构模型为该背景模型。
[0016]各该场景区块与邻近的该场景区块部分重叠。
[0017]根据该背景模型判定该撷取图像是否异常,包含:
[0018]根据该边缘特征模型判定该撷取图像的该些取样点的边缘特征是否存在;及
[0019]若该些取样点的边缘特征均不存在,则判定发生失焦事件。
[0020]根据该背景模型判定该撷取图像是否异常,包含:
[0021]根据该边缘特征模型判定该撷取图像的该些取样点的边缘特征是否存在;及
[0022]若部分该些取样点的边缘特征不存在,则判定发生遮蔽事件。
[0023]若部分该些取样点的边缘特征不存在,则判定发生遮蔽事件,包含:
[0024]比对该撷取图像的多个连续帧中分别对应的该些场景区块是否相似;及
[0025]当不相似的该些场景区块于各连续帧中的对应位置为连续变化,则判定发生遮蔽事件。
[0026]根据该背景模型判定该撷取图像是否异常,包含:
[0027]根据该边缘特征模型判定该撷取图像的该些取样点的边缘特征是否存在;及
[0028]若该些取样点的边缘特征均存在,则判定发生开关灯事件。
[0029]根据该背景模型判定该撷取图像是否异常,包含:
[0030]根据该场景结构模型判定该撷取图像的场景结构是否改变;
[0031]若该撷取图像的场景结构改变,则判定发生转向事件。
[0032]还包含:
[0033]若该撷取图像无异常,将该背景模型中该背景图像的该些取样点的边缘特征及该些场景区块更新为当前的该撷取图像中的该些取样点的边缘特征及该些场景区块。
[0034]根据本发明的摄影机的异常侦测方法,可结合边缘特征及场景结构,做为侦测异常事件的背景模型(即边缘特征模型与场景结构模型)。由于边缘特征在不同光源下具有强健性,即使在低光源环境下,通过红外线图像仍可保有边缘特征,因此本发明的摄影机的异常侦测方法可适用于任何光强度的环境,并可抵抗剧烈光线变化,避免误报情形。再者,本发明的摄影机的异常侦测方法进一步根据边缘特征模型与场景结构模型分析异常事件的类型,而可区分出失焦事件、遮蔽事件、转向事件及震动事件(微幅转向)等。
【专利附图】
【附图说明】
[0035]图1为根据本发明一实施例的监视摄影系统的架构示意图。
[0036]图2为根据本发明一实施例的摄影机的异常侦测方法流程图。
[0037]图3为根据本发明一实施例的摄影机的异常侦测方法的初始化流程图。
[0038]图4A为根据本发明一实施例的边缘特征模型的示意图。
[0039]图4B为根据本发明一实施例的场景结构模型的示意图。
[0040]图5A为根据本发明一实施例的图像分析软件的架构示意图。
[0041]图5B为根据本发明一实施例的场景结构模型侦测单元的架构示意图。[0042]图5C为根据本发明一实施例的边缘取样模型侦测单元的架构示意图。
[0043]图6为图2所示的流程图中步骤S250的细部流程图。
[0044]图7为根据本发明一实施例的摄影机的另一异常侦测方法流程图。
[0045]其中,附图标记:
[0046]100监视摄影系统110监视主机
[0047]130摄影机150录影机
[0048]170显示器400背景图像 [0049]410取样点420场景区块
[0050]500图像分析软件510图像撷取模块
[0051]512色彩转换单元514边缘演算单元
[0052]516 二值化单元530光变化侦测模块
[0053]532色彩饱和度侦测单元534边缘数量侦测单元
[0054]536场景结构模型侦测单元538连续区块遮蔽侦测单元
[0055]550摄影机异常侦测模块552场景结构模型侦测单元
[0056]5521背景区块切割子单元5523模糊比对子单元
[0057]5524场景结构比对子单元554边缘取样模型侦测单元
[0058]5541前景侦测子单元
[0059]5543不稳定取样点分析子单元5545高斯模型建置子单元
[0060]570异常发报模块572异常判断单元[0061 ]574异常计数单元576异常发报单元
【具体实施方式】
[0062]图1为根据本发明一实施例的监视摄影系统100的架构示意图。
[0063]如图1所示,监视摄影系统100可包含监视主机110、摄影机130、录影机150及显示器170。监视主机110实质可为电脑主机(如基于x86架构的电脑系统)或嵌入式主机(如基于ARM、SoC或DSP架构的嵌入式系统),用以运行一图像分析软件,并可接收来自摄影机130及录影机150的图像信号,而将这些图像信号输出至显示器170显示。
[0064]摄影机130可设置于监视区域而朝特定方向摄影,根据使用需求可设置一个或多个摄影机130。于此,摄影机130可为数字摄影机,而可经由监视主机110的图像撷取卡或网络卡等介面与监视主机110信号连接,使监视主机110可接收摄影机130拍摄的图像,并于显示器170显示撷取图像。摄影机130亦可为模拟摄影机,将撷取的图像以模拟信号方式输出至录影机150 (如经由同轴电缆线信号连接于摄影机130与录影机150之间)。录影机150可为数字视频录放影机(Digital video recorder, DVR),用以即时备份所连接的摄影机130的撷取图像,并将此撷取图像进一步转换为数字信号后传送至监视主机110以于显示器170显示。显示器170可为阴极射线管显示器或液晶显示器等。
[0065]于此,本发明实施例所指的摄影机130可为红外线摄影机,具有红外线摄影功能。通过红外线摄影功能的启用与否,可获得红外线摄影图像或彩色摄影图像。并且,摄影机130具有光侦测器,可侦测环境光强度,以于环境亮度不足时,自动启用红外线摄影功能,藉以克服亮度不足造成撷取图像不清晰的问题。[0066]换言之,本发明实施例所指的摄影机130具有日间拍摄模式及夜间拍摄模式,于日间拍摄模式可撷取彩色图像,当进入夜间拍摄模式时,摄影机130将开启其内的红外线装置而拍摄红外线图像。
[0067]图2为根据本发明一实施例的摄影机130的异常侦测方法流程图。通过监视主机110运行的图像分析软件及摄影机130,执行图2所示的摄影机130的异常侦测方法。
[0068]请参照图2。首先,取得摄影机130所拍摄的撷取图像(步骤S210)。接着,侦测撷取图像的色彩饱和度(步骤S220)。当撷取图像的色彩饱和度低于第一门槛值时,判定摄影机130进入夜间拍摄模式或日间拍摄模式(步骤S230)。续而,根据摄影机130的拍摄模式选择对应的背景模型(步骤S240)。若摄影机130处于日间拍摄模式,则选择对应日间拍摄模式的背景模型;若摄影机130处于夜间拍摄模式,则选择对应夜间拍摄模式的背景模型。最后,根据所选择的背景模型判定撷取图像是否异常(步骤S250),即可知悉摄影机130是否异常。
[0069]于此,如前所述,摄影机130可为红外线摄影机,而可自动侦测环境光强度。当摄影机130于日间拍摄模式侦测到环境光强度低于第二门槛值(如10勒克司(Lux))时,摄影机130自动切换至红外线摄影模式(即夜间拍摄模式),以取得为红外线图像的撷取图像。反之,则自夜间拍摄模式切换至日间拍摄模式。
[0070]也就是说,当监视区域光线不足时(如关灯时),摄影机130切换至红外线摄影模式,摄影机130的撷取图像因此为红外线图像,撷取图像的色彩饱和度也随之降低。为了进一步区别摄影机日间与夜间的切换或镜头失焦、遮蔽等异常事件,除了色彩饱和度必须低于第一门槛值,场景结构与边缘信息也需要符合特定条件,才能正确区分摄影机日间与夜间的切换或镜头失焦、遮蔽等异常事件。
[0071 ] 在一些实施例中,前述步骤S240可包含下列步骤:首先,根据摄影机130分别于日间拍摄模式或夜间拍摄模式所拍摄的背景图像,建立背景模型。接着,当摄影机130进入日间拍摄模式时,选择对应日间拍摄模式的背景模型;当摄影机130进入夜间拍摄模式时,选择对应夜间拍摄模式的背景模型。
[0072]图3为根据本发明一实施例的摄影机130的异常侦测方法的初始化流程图。在执行本实施例的摄影机130的异常侦测方法的初(即在步骤S210与步骤S220之间),需先利用边缘信息建立场景结构模型并采用混合式高斯模型(Gaussian mixture model)建立边缘特征模型,如图3所示,其步骤包含:
[0073]步骤S301:于摄影机130撷取的一背景图像(即背景场景图像)中平均选取多个取样点410,以此些取样点410的边缘强度建立各取样点410的混合式高斯模型成为边缘特征模型,如图4A所示。图4A为根据本发明一实施例的边缘特征模型的示意图。图4A所示的取样点410数量及分布仅为示意,本发明的实施例非以此为限。混合式高斯模型仅更新平均选取的取样点410,藉此可减少运算量,而可加速获得运算结果。
[0074]于此,取样点410的边缘强度的侦测可以使用索贝尔(Sobel)图像边缘侦测法实现,但本发明的实施例非以此为限,亦可由其他边缘侦测法(如Robert算子、Prewitt算子或Laplacian算子等)实现。在执行图像边缘侦测法的后,还可对背景图像中各点的边缘强度进行二值化(如Otsu演算法)演算,以判定哪些取样点410属于边缘点。也就是说,经由二值化,可将该些取样点410中边缘强度大于特定值的点视为边缘点。[0075]步骤S302:将背景图像400切割为二维分布的多个场景区块420而形成一场景结构模型,其中各场景区块420与邻近的场景区块420部分重叠,如图4B所示。图4B为根据本发明一实施例的场景结构模型的示意图。背景图像可分割为mXn个场景区块420 (m、n为正整数),图4B所示的场景区块420数量仅为示意,本发明的实施例非以此为限。于此,由于相邻的场景区块420彼此部分重叠,因此可减低摄影机130晃动所造成的误报。
[0076]将背景图像400切割为多个个场景区块420的后,可进一步建立各场景区块420的区域性特征,区域性特征可为此场景区块420中的边缘分布与数量,利用场景区块420的区域性特征可组成前述的场景结构模型。
[0077]步骤S303:合并边缘特征模型及场景结构模型为背景模型。也就是说,背景模型包含前述的边缘特征模型及场景结构模型。意即,背景模型以自背景图像400中选取多个取样点410的边缘特征及将背景图像400切割为多个场景区块420所建立而成,藉以通过边缘特征及场景区块420辨别异常事件为摄影机转向、受遮蔽、失焦等情形。
[0078]参照图5A,为根据本发明一实施例的图像分析软件500的架构示意图。图像分析软件500可包含图像撷取模块510、光变化侦测模块530、摄影机异常侦测模块550及异常发报模块570。
[0079]图像撷取模块510接收摄影机130的撷取图像(如背景图像或当前图像),并对其进行图像处理。图像撷取模块510包含色彩转换单元512、边缘演算单元514及二值化单元516。色彩转换单元512用以将三原色光(RGB)色彩空间的撷取图像转换为亮度与色彩分离的色彩空间(如HSV)的撷取图像,以获得撷取图像的色彩饱和度参数。边缘演算单元514可利用索贝尔(Sobel)算子运算图像亮度函数的梯度近似值,以检测出取样点410的边缘强度。二值化单元516可利用如前述Otsu演算法对取样点410的边缘强度进行二值化,以找出边缘点。
[0080]光变化侦测模块530及摄影机异常侦测模块550接收经图像撷取模块510处理后的撷取图像,并分别进行光变化侦测与摄影机异常侦测。当摄影机130的红外线摄影功能未启用时(即环境光线充足时),直接以摄影机异常侦测模块550进行异常侦测,当摄影机130的红外线摄影功能启用时(即环境光线不充足时),由光变化侦测模块530根据撷取图像侦测到光线变化并进行异常侦测。如此,本发明实施例的摄影机130的异常侦测方法,不论光线充足与否均可适用。特别是,在此两种不同环境亮度条件下,可分别建立前述的边缘模型与场景结构模型。
[0081]光变化侦测模块530包含色彩饱和度侦测单元532、边缘数量侦测单元534、场景结构模型侦测单元536及连续区块遮蔽侦测单元538。
[0082]色彩饱和度侦测单元532用以根据前述色彩转换单元512所取得的色彩饱和度参数,侦测撷取图像的色彩饱和度是否低于第一门槛值,即侦测摄影机130由日间拍摄模式转换至夜间拍摄模式。另一方面,色彩饱和度侦测单元532亦可侦测色彩饱和度自低于第一门槛值时而大幅上升至高于第一门槛值的情形,即侦测摄影机130由夜间拍摄模式转换至日间拍摄模式。
[0083]边缘数量侦测单元534用以根据边缘演算单元514的演算结果识别边缘特征的数量。场景结构模型侦测单元536用以将撷取图像切割为前述多个个场景区块420,并侦测当前撷取图像的各场景区块420是否与背景图像400所对应的各场景区块420相似。[0084]连续区块遮蔽侦测单元538用以分辨不相似的场景区块420是否在连续帧(frame)内沿着相邻的场景区块420变化,以判定是否为遮蔽物遮蔽镜头所造成的遮蔽事件。换言之,连续区块遮蔽侦测单元538用以检测是否有连续的场景区块420的相似性低
于一第三门滥值。
[0085]摄影机异常侦测模块550包含场景结构模型侦测单元552及边缘取样模型侦测单元554。前述场景结构模型侦测单元536及摄影机异常侦测模块550的场景结构模型侦测单元552与边缘取样模型侦测单元554将于后述。
[0086]在此,先行说明异常发报模块570包含异常判断单元572、异常计数单元574及异常发报单元576。异常判断单元572用以根据光变化侦测模块530及摄影机异常侦测模块550的侦测结果判断是否发生异常事件,并判断异常事件为何者。异常计数单元574根据异常判断单元572判断为异常事件的结果累计发生次数,当累计至特定次数时,通知异常发报单元576发出警报。藉以避免短暂非刻意而导致图像画面发生巨大的改变造成误报的情形,如行驶车辆的头灯、闪电等。
[0087]图5B为根据本发明一实施例的场景结构模型侦测单元552/536的架构示意图。
[0088]如图5B所示,场景结构模型侦测单元552/536包含背景区块切割子单元5521、模糊比对子单元5523及场景结构比对子单元5525。
[0089]背景区块切割子单元5521用以将撷取图像(如背景图像400或当前图像)切割为前述多个场景区块420。于此,当前的撷取图像同样分割为mXn个场景区块420 (m、η为正整数),即场景区块420的数量与场景结构模型的场景区块420的数量相同。
[0090]模糊比对子单元5523利用模糊相似性(Fuzzy-similarity)演算法计算分别于场景结构模型与撷取图像中对应的各场景区块420之间的相似度,藉以供场景结构比对子单元5525辨识撷取图像的场景区块420中与场景结构模型中所对应的场景区块420不相似者。于此,可视场景区块420的重要程度设定权重参数,而以前述相似度与权重参数的乘积做为辨识相似与否的依据。藉此,可避免因经常性变动的区域(如走廊)而造成误报。
[0091]图5C为根据本发明一实施例的边缘取样模型侦测单元554的架构示意图。
[0092]如图5C所示,边缘取样模型侦测单元554包含前景侦测子单元5541、不稳定取样点分析子单元5543及高斯模型建置子单元5545。
[0093]前景侦测子单元5541用以根据边缘演算单元514的演算结果识别与边缘特征模型中的边缘特征相异的边缘,并将其认定为前景边缘。不稳定取样点分析子单元5543分析边缘稳定程度,例如:可通过各取样点410于不同时间的边缘强度分析其熵值(Entopy)是否为最小值(因取样点410的熵值愈小,表示该取样点愈稳定),以确认此边缘点属于稳定边缘。高斯模型建置子单元5545用以执行前述步骤S301至步骤S303,而于初始时建立前述的边缘特征模型。
[0094]图6为图2所示的流程图中步骤S250的细部流程图,用以说明侦测到色彩饱和度低于第一门槛值后,如何进一步区分是否发生异常事件及异常事件为何者。如图6所示,步骤S250包含:
[0095]步骤S251:比较撷取图像的色彩饱和度是否低于第一门槛值。若撷取图像的色彩饱和度低于第一门槛值,表示该撷取图像可能为红外线图像或发生失焦、遮蔽、开关灯或转向等异常事件,因此进入步骤S2511,以根据夜间拍摄模式的背景模型判断是否发生异常事件,若否,则表示该撷取图像可能为日间拍摄的彩色图像或发生失焦、遮蔽、开关灯或转向等异常事件,而进入步骤S2512。关于如何判定是否发生异常,将于图7详加说明。
[0096]于步骤S2511中,若侦测到异常事件,则进入步骤S252,若否,则进入步骤S260,以更新背景模型。
[0097]相似地,在步骤S2512中,若侦测到异常事件,则进入步骤S252,若否,则进入步骤S260,以更新背景模型。若未侦测到异常而进入步骤S260时,将背景模型中背景图像的取样点410的边缘特征及场景区块420更新为当前的撷取图像中的取样点410的边缘特征及场景区块420。因此,边缘特征模型与场景结构模型(即背景模型)在侦测过程时也会渐进式学习,以适应场景变化(如:家具移位、光线缓慢改变等)。
[0098]步骤S252:根据场景结构模型判定撷取图像的场景结构是否改变,若是,则判定为转向事件;若否,则进入步骤S253,继续判断是否发生其他异常事件(步骤S254)。
[0099]步骤S253:根据边缘取样模型判定撷取图像的取样点的边缘特征是否存在。若取样点的边缘特征均不存在,则可认定发生失焦事件,因若发生关灯事件,红外线图像的所有边缘特征仍会存在(步骤S255)。若部分取样点的边缘特征不存在,则可认定可能发生遮蔽事件(步骤S256)。若取样点的边缘特征均存在,则可认定可能发生开灯/关灯事件(步骤S257)。于侦测到开关灯事件的后(即步骤S257的后),进入步骤S260,以更新背景模型。
[0100]在步骤S260中,若侦测到为关灯事件,则将对应日间拍摄模式的背景模型更换为对应夜间拍摄模式的背景模型;反的,则由对应夜间拍摄模式的背景模型更换为对应日间拍摄模式的背景模型。于侦测到发生遮蔽事件、失焦事件或转向事件后(即于步骤S254、S255及S256的后),将进入步骤S270,以发出警报。
[0101]于此,为了进一步确认是否确实发生遮蔽事件,步骤S256还可包含下列步骤:首先,比对撷取图像的多个个连续帧中分别对应的场景区块420是否相似。接着,当不相似的场景区块420于各连续帧中的对应位置为连续变化,则判定发生遮蔽事件。
[0102]为了进一步区分确认摄影机的转向,步骤S254还可包含下列步骤:首先,比对撷取图像的一帧中的场景区块420与其连续帧中对应与该场景区块420相邻的场景区块420是否相似。接着,根据此些相邻区块中的相似者,判定摄影机的转向。例如,若于当前的撷取图像中的各场景区块420,相较于前一帧中相似且相邻的各场景区块420,为向左位移,则可判定摄影机130朝相反方向(即向右)转向。
[0103]图7为根据本发明一实施例的摄影机130的另一异常侦测方法流程图,用以说明如何利用监视主机Iio运行的图像分析软件及摄影机130,侦测异常事件并更新已建置的背景模型。于此,本流程图将省略初始建置背景模型的流程及区分异常事件的流程,其相关流程请参照图3及图6。
[0104]如图7所示,首先,使用者只要先将摄影机130的红外线功能是否开启的状态输入至监视主机Iio (步骤S710),其后监视摄影系统100将开始进行全自动学习与判断,无需针对环境光线明暗与否而手动更换背景模型样本。于此,本步骤的输入除使用者输入的红外线功能开启状态外,亦包含摄影机130的撷取图像。
[0105]于步骤S710的后,进入步骤S720,侦测撷取图像的色彩饱和度,以判断摄影机130的红外线功能的启用状态是否改变,即环境光线是否产生明暗变化(步骤S730)。藉此,可根据红外线启用状态是否改变,进行不同的侦测程序。也就是说,若改变(即由红外线未启用的状态转变为红外线启用的状态,或由红外线启用的状态转变为红外线未启用的状态),则进入步骤S740 ;若否,则进入步骤S750。
[0106]在步骤S740中,分别进行连续区块相异度分析(步骤S741)、边缘数量侦测(步骤S743)及背景结构比对(步骤S745)。
[0107]在步骤S741中,进行连续区块相异度分析,意即如前述的分辨不相似的场景区块420是否在连续帧内沿着相邻的场景区块420变化。续而,于步骤S742中,判断连续相异的场景区块420的数量是否小于一第四门槛值,并输出逻辑判断结果(即True (是/真)或False (否/假))。若逻辑判断结果为假,代表可能发生遮蔽事件或转向事件。
[0108]在步骤S743后,进入步骤S744,以判断边缘数量是否小于一第五门槛值,并输出逻辑判断结果。若逻辑判断结果为假,代表可能发生遮蔽事件或失焦事件。
[0109]在步骤S745后,进入步骤S746,以判断撷取图像的背景结构与光线变化后的场景结构模型间的相似度是否大于一第六门槛值,并输出逻辑判断结果。若逻辑判断结果为假,代表可能发生遮蔽事件、失焦事件或转向事件。
[0110]于此,如欲进一步判定异常事件为遮蔽事件、失焦事件或转向事件,可通过前述图6所示的流程进行判断。
[0111]在步骤S742、步骤S744及步骤S746的后,对所输出的结果进行“AND ”逻辑运算,若运算结果为真(True),即步骤S742、步骤S744及步骤S746所输出的结果均为真,代表侦测到摄影机的红外线装置切换且未发生异常事件,则进入步骤S761 ;若运算结果为假(False),代表发生异常事件,则进入步骤S762。
[0112]于步骤S761中,更新背景模型,意即将背景模型中背景图像的取样点410的边缘特征及场景区块420更新为当前的撷取图像中的取样点410的边缘特征及场景区块420,并重新取样所有取样点410的边缘特征,而回到步骤S710,对下一撷取图像进行分析。
[0113]于步骤S762中,累计异常事件次数,并判断异常事件次数是否超过预定次数(步骤S771),若是,则发送警报(步骤S772)。藉以避免短暂非刻意而导致图像画面发生巨大的改变造成误报的情形,如行驶车辆的头灯、闪电等。
[0114]在步骤S750中,判断前述重新取样是否完成,若完成则分别进入步骤S781与步骤S745 (虚线);若否,则仅进入步骤S745 (点虚线)。
[0115]于此,说明重新取样未完成时的流程(点虚线)。当执行完步骤S745后,进入步骤S747,以判断撷取图像的背景结构与相同光线状态的场景结构模型间的相似度是否大于一第七门槛值,并输出逻辑判断结果。若是,则进入步骤S748,以更新背景模型,意即将背景模型中背景图像的取样点410的边缘特征及场景区块420更新为当前的撷取图像中的取样点410的边缘特征及场景区块420 ;若否,代表可能发生遮蔽事件、失焦事件或转向事件,则进入步骤S762,累计异常事件次数,并判断异常事件次数是否超过预定次数(步骤S771),若超过预定次数,则发送警报(步骤S772)。
[0116]接着,说明重新取样完成时的流程(虚线),同时执行步骤S745及步骤S781。步骤S745及其后续的步骤S747请参考前述,于此不再重复赘述。在步骤S781中,根据取样点410进行前景边缘侦测,并进入步骤S782。于步骤S782中,判断前景比例是否小于一第八门槛值,意即部分边缘特征是否消失(如遮蔽事件所造成)。
[0117]根据步骤S747及步骤S782的逻辑判断结果进行“AND”逻辑运算,若运算结果为真(True),即步骤S747及步骤S782所输出的结果均为真,代表未发生异常事件,则进入步骤S748,而更新背景模型;若运算结果为假(False),代表发生异常事件(步骤S748),则进入步骤S762,累计异常事件次数,并于超出预定次数时发出警报(步骤S772)。
[0118]在一些实施例中,可结合如前述图6及图7所示的流程,于步骤S772中,对特定异常事件发出警报,以使使用者得知何异常事件(如遮蔽事件、失焦事件或转向事件)发生。
[0119]根据本发明的摄影机130的异常侦测方法,可依输入图像自动判定摄影机130的红外线模式是否开启,进而比对日间或夜间的边缘特征及场景结构,做为侦测异常事件的背景模型(即边缘特征模型与场景结构模型)。由于边缘特征在不同光源下具有强健性,即使在低光源环境下,通过红外线图像仍可保有边缘特征,因此本发明的摄影机130的异常侦测方法可适用于任何光强度的环境,并可抵抗剧烈光线变化,避免误报情形。再者,本发明的摄影机130的异常侦测方法进一步根据边缘特征模型与场景结构模型分析异常事件的类型,而可区分出失焦事件、遮蔽事件、转向事件及震动事件(微幅转向)等。
[0120]虽然本发明以前述的实施例公开如上,然其并非用以限定本发明,任何本领域的一般技术人员,在不脱离本发明的精神和范围内,当可作些许的变更与修改,因此本发明的专利保护范围以权利要求书为准。
【权利要求】
1.一种摄影机的异常侦测方法,该摄影机具有一日间拍摄模式及一夜间拍摄模式,其特征在于,该异常侦测方法包含: 取得该摄影机所拍摄的一撷取图像; 侦测该撷取图像的色彩饱和度; 当该撷取图像的色彩饱和度低于一第一门槛值时,判定该摄影机进入夜间拍摄模式或日间拍摄模式; 根据该摄影机的拍摄模式选择对应的一背景模型;及 根据该背景模型判定该撷取图像是否异常。
2.如权利要求1所述的摄影机的异常侦测方法,其特征在于,根据该摄影机的拍摄模式选择对应的该背景模型包含: 根据该摄影机分别于该日间拍摄模式或该夜间拍摄模式所拍摄的一背景图像,建立该背景模型; 当该摄影机进入日间拍摄模式时,选择对应该日间拍摄模式的该背景模型;及 当该摄影机进入夜间拍摄模式时,选择对应该夜间拍摄模式的该背景模型。
3.如权利要求1所述的摄影机的异常侦测方法,其特征在于,还包含: 于一背景图像中平均选取多个取样点,以该些取样点的边缘强度建立一边缘特征模型; 将该背景图像切割为二维分布的多个场景区块而形成一场景结构模型,其中各该场景区块与邻近的该场景区块部分重叠;及 合并该边缘特征模型及该场景结构模型为该背景模型。
4.如权利要求3所述的摄影机的异常侦测方法,其特征在于,各该场景区块与邻近的该场景区块部分重叠。
5.如权利要求3所述的摄影机的异常侦测方法,其特征在于,根据该背景模型判定该撷取图像是否异常,包含: 根据该边缘特征模型判定该撷取图像的该些取样点的边缘特征是否存在;及 若该些取样点的边缘特征均不存在,则判定发生失焦事件。
6.如权利要求3所述的摄影机的异常侦测方法,其特征在于,根据该背景模型判定该撷取图像是否异常,包含: 根据该边缘特征模型判定该撷取图像的该些取样点的边缘特征是否存在;及 若部分该些取样点的边缘特征不存在,则判定发生遮蔽事件。
7.如权利要求6所述的摄影机的异常侦测方法,其特征在于,若部分该些取样点的边缘特征不存在,则判定发生遮蔽事件,包含: 比对该撷取图像的多个连续帧中分别对应的该些场景区块是否相似;及 当不相似的该些场景区块于各连续帧中的对应位置为连续变化,则判定发生遮蔽事件。
8.如权利要求3所述的摄影机的异常侦测方法,其特征在于,根据该背景模型判定该撷取图像是否异常,包含: 根据该边缘特征模型判定该撷取图像的该些取样点的边缘特征是否存在;及 若该些取样点的边缘特征均存在,则判定发生开关灯事件。
9.如权利要求8所述的摄影机的异常侦测方法,其特征在于,根据该背景模型判定该撷取图像是否异常,包含: 根据该场景结构模型判定该撷取图像的场景结构是否改变; 若该撷取图像的场景结构改变,则判定发生转向事件。
10.如权利要求3所述的摄影机的异常侦测方法,其特征在于,还包含: 若该撷取图像无异常,将该背景模型中该背景图像的该些取样点的边缘特征及该些场景区块更新为当前的该撷取·图像中的该些取样点的边缘特征及该些场景区块。
【文档编号】H04N17/00GK103716618SQ201210380791
【公开日】2014年4月9日 申请日期:2012年10月9日 优先权日:2012年10月9日
【发明者】陈宣辑, 吴仁琪, 苏弘 申请人:中兴保全股份有限公司