一种摄像机故障的检测方法.pdf

摘要
申请专利号：	CN201410718592.0	申请日：	2014.12.01
公开号：	CN104378629A	公开日：	2015.02.25
当前法律状态：	授权	有效性：	有权
法律详情：	专利权人的姓名或者名称、地址的变更IPC(主分类):H04N 17/00变更事项:专利权人变更前:广州市浩云安防科技股份有限公司变更后:浩云科技股份有限公司变更事项:地址变更前:511400 广东省广州市番禺区桥南街市良路金业花园东二街16号101变更后:511400 广东省广州市番禺区东环街番禺大道北555号天安总部中心2号楼2201\|\|\|授权\|\|\|实质审查的生效IPC(主分类):H04N 17/00申请日:20141201\|\|\|公开
IPC分类号：	H04N17/00	主分类号：	H04N17/00
申请人：	广州市浩云安防科技股份有限公司
发明人：	曹江中; 茅庆江; 李燕强
地址：	511400广东省广州市番禺区桥南街市良路金业花园东二街16号101
优先权：
专利代理机构：	深圳市科吉华烽知识产权事务所(普通合伙)44248	代理人：	胡吉科
PDF下载：	PDF下载

内容摘要

本发明公开了一种摄像机故障的检测方法，包含以下几个步骤：使用图像处理算法对摄像机视频画面进行偏亮和偏暗程度的诊断，得到原始诊断值；利用照度计获取摄像机所在环境的照度值；建立摄像机故障的低照度Logistic回归模型、正常照度模型和高照度Logistic回归模型，整合这三个模型成为照度的回归模型；用照度回归模型计算照度的回归值；用照度回归值校正偏亮和偏暗程度的原始诊断结果；最后根据校正后的偏亮和偏暗程度诊断结果判断摄像机是否存故障。本发明在图像处理算法的基础上结合了硬件传感的方法，弥补了纯软件算法检测的不足。

权利要求书

权利要求书1. 一种摄像机故障的检测方法，其特征在于，包含以下步骤：S1、使用图像处理算法对摄像机视频画面进行诊断，得到偏亮和偏暗程度的诊断值，偏亮程度的计算方法如下：其中，α∈[0,1]，如果Ll＜0，则Ll＝0；式中，Ll是指偏亮程度，Lavg是指亮度图的平均亮度，Lσ是指亮度图的标准差；偏暗程度的计算方法如下：其中，β∈[0,1]，如果Ld＜0，则Ld＝0；式中，Ld是指偏暗程度，Lavg是指亮度图的平均亮度，Lσ是指亮度图的标准差；S2、使用照度计获取摄像机所在环境的照度值，用照度回归模型计算照度的回归值；所述照度模型如下：式中，W1(l)是照度值回归模型得到的值，l是从照度计中获取的照度值，Lmin是摄像机的最低照度值，Lmax是摄像机的过曝照度值，e≈2.71828；S3、使用照度值的回归模型来校正诊断值Ll和Ld：V(s1)＝W1(l)·D(s1)式中，s1表示的是偏亮或偏暗；V(s1)表示诊断项s1被校正后的诊断值；W1(l)是照度值回归模型得到的值，相当于是权重；D(s1)是诊断项s1在图像处理算法中的原始诊断值。当s1表示偏亮时,D(s1)表示的是偏亮的原始诊断值，D(s1)＝Ll；当s1表示偏暗时,D(s1)表示的是偏暗的原始诊断值，D(s1)＝Ld；S4、利用校正后的诊断判断摄像机是否发生故障，如果校正后的偏亮或偏暗程度诊断值大于一定的阈值，则说明该摄像机出现了故障。2. 根据权利要求1所述的摄像机故障的检测方法，其特征在于：所述步骤S1包括以下分步骤：S101，获取摄像机视频流中的连续32帧图像，计算这32帧图像的平均图像；S102，计算平均图像的亮度图，并计算出亮度图的平均亮度Lavg，计算出亮度图的标准差Lσ；S103，分别计算偏亮、偏暗的程度。3. 根据权利要求1所述的摄像机故障的检测方法，其特征在于：所述步骤S2包括以下分步骤：S201、获取照度计读数；S202、使用摄像机的最低照度建立摄像机故障的低照度Logistic回归模型；使用摄像机过曝照度建立摄像机故障的高照度Logistic回归模型，结合这两种模型以及正常照度模型，整合出照度的回归模型；S203、通过照度回归模型计算照度的回归值。4. 如权利要求1所述的摄像机故障的检测方法，其特征在于：设置偏亮异常的阈值为0.7,设置偏暗异常的阈值为0.7。

说明书

说明书一种摄像机故障的检测方法
技术领域
本发明涉及安防领域，尤其涉及摄像机故障检测方法。
背景技术
随着监控系统网络的发展，视频监控系统在向着规模化的方向发展，对监控系统的维护以及保证监控视频质量的难度也逐渐加大。摄像机故障最直接的表现是视频画面质量下降，出现偏亮、偏暗的情况。在一些特定场合，对监控视频的质量要求比较高，比如在大众活动场所、交通路口、军事基地、港口和机场等敏感区域，需要实时保证摄像机的正常运行。如果监控摄像机出现异常或遭遇故障导致视频质量下降然而又没有得到及时诊断和解决，有可能会导致重大的损失。对于大型监控系统，若采用人工排查故障，不仅效率低下，且易受到人类本身特性的制约。因此，设计一种摄像机故障自动检测方法是非常必要的。
当前监控产品中，采用图像处理的方法分析视频图像质量是常用的摄像机故障检测方式。这种方法从视频画面分析图像是否异常以判断设备是否异常。然而影响视频画面质量的因素有环境因素、设备故障和人为因素等多种因素。采用视频图像分析的方式并不能判断画面异常是由环境因素引起的，还是设备故障或人为因素导致的，而且大部分异常报警是因为环境因素产生的误报。环境照度对摄像机视频画面影响的直接结果是偏亮或偏暗。当环境照度过大时，摄像机容易过曝，视频画面就会偏亮；当环境照度过小时，其照度值小于摄像机的最低照度，视频画面偏暗。环境照度过亮或过暗时，采用图像算法检测出来的摄像机故障结果往往受到影响，此时通过摄像机视频画面诊断出来的设备异常结果是很不可靠的。因此，很有必要发明一种更有效的方式来检测摄像机故障。
发明内容
本发明的目的是减少环境因素引起摄像机故障检测的误报，增加摄像机故障检测方法的可靠性。
本发明的技术方案是一种摄像机故障的检测方法。该新方法首先利用图像处理算法对视频画面质量进行分析获得偏亮和偏暗程度的诊断值，然后利用照度计来获取环境照度并建立环境照度的回归模型，最后利用照度的回归模型校正视频画面的偏亮和偏暗程度诊断结果，并根据校正后的偏亮和偏暗程度诊断结果判断摄像机是否存在故障。该方法包括以下几个步骤：
(1)使用图像处理方法诊断摄像机视频画面的偏亮和偏暗程度
首先，获取摄像机视频流中的连续32帧图像，计算这32帧图像的平均图像；
其次，计算平均图像的亮度图，并计算出亮度图的平均亮度Lavg，计算出亮度图的标准差Lσ；
最后，分别计算偏亮、偏暗的程度；
偏亮程度的计算方法如下：

其中，α∈[0,1]，如果Ll＜0，则Ll＝0；
式中，Ll是指偏亮程度，Lavg是指亮度图的平均亮度，Lσ是指亮度图的标准差。Ll越大，偏亮程度越高。如果亮度图的方差较大时，则图像中有些区域的亮度是比较低的，在一定程度上会降低偏亮程度。
偏暗程度的计算方法如下：

其中，β∈[0,1]，如果Ld＜0，则Ld＝0；
式中，Ld是指偏暗程度，Lavg是指亮度图的平均亮度，Lσ是指亮度图的标准差。Ld＝0。Ld越大，偏暗程度越高。如果亮度图的方差较大时，则图像中有些区域的亮度是比较高的，在一定程度上会降低偏暗程度。
(2)使用照度计获取摄像机所在环境的照度值并建立照度回归模型
对于偏亮和偏暗的异常诊断值，环境照度上的偏高或偏低会影响到摄像机画面的偏亮和偏暗的诊断值。摄像机的最低照度和过曝照度就是界定环境照度上的偏高和偏低的一个阈值。当环境照度小于摄像机的最低照度或者大于摄像机的过曝照度时，如果摄像头本身正常的，环境照度对画面偏亮或偏暗影响的严重程度逐渐增大。画面异常的严重程度代表摄像机发生故障的概率，严重程度越高，故障概率越大。结合本发明的目的，如果画面出现异常，此时真正是摄像机发生故障的概率会随着环境照度的偏低或偏高逐渐减少，而且是从1减少到0。Logistic回归模型就可以满足这种关系，且摄像机发生故障是0、1二分类资料。本发明利用摄像机的最低照度建立摄像机故障的低照度Logistic回归模型；利用摄像机的过曝照度建立摄像机故障的高照度Logistic回归模型；照度正常且画面异常时摄像机故障的概率为1。
整合低照度Logistic回归模型、正常照度模型、高照度Logistic回归模型为照度的回归模型。用照度的回归模型校正摄像机的原始诊断结果的原理是：给定环境照度值和原始诊断值后，相当于两个条件同时发生时摄像机会发生故障的概率，由此采用照度回归模型值和原始诊断值的乘积作为校正结果。
本发明中照度的回归模型：

其中，l是从照度计中获取的照度值，Lmin是摄像机的最低照度值，Lmax是摄像机的过曝照度值，e≈2.71828。该模型将低照度Logistic回归模型、正常照度模型、高照度Logistic回归模型整合在一起。
(3)利用照度回归模型校正图像处理算法的诊断结果
摄像机画面在偏亮和偏暗程度诊断结果的校正方法是使用照度值的回归模型来校正诊断值：
V(s1)＝W1(l)·D(s1)
其中，s1代表的是偏亮或偏暗；V(s1)表示诊断项s1被校正后的诊断值；W1(l)是照度值回归模型得到的值，相当于是权重；D(s1)是诊断项s1在图像处理算法中的原始诊断值；当s1表示偏亮时,D(s1)表示的是偏亮的原始诊断值，D(s1)＝Ll；当s1表示偏暗时,D(s1)表示的是偏暗的原始诊断值，D(s1)＝Ld。当照度值小于摄像机的最低照度时，照度值逐渐增大则回归模型是逐渐趋向于1，校正的诊断值也逐渐趋向于原始诊断值；当照度值在正常范围，回归模型的值为1，此时校正诊断值为原始诊断值；当照度值大于摄像机的过曝照度时，照度值逐渐增大则回归模型是逐渐趋向于0，校正诊断值趋向于0。
(4)利用校正后的诊断值判断摄像机是否发生故障
用阈值化方法对校正后的诊断值作处理，以判断摄像机是否发生故障。对偏亮程度设定阈值Tl，Tl＝0.7，如果校正后的偏亮诊断值大于0.7，则说明摄像机发生故障；对偏亮程度设定阈值Td，Td＝0.7，如果校正后的偏暗诊断值大于0.7，则说明摄像机发生故障。
有益效果：本技术方案中摄像机故障的检测方法，减少了环境因素引起摄像机故障检测的误报，增加了摄像机故障检测方法的可靠性。
附图说明
图1是本发明实施例的连接框图；
图2是本发明的另一种实施例的工作流程图。
图中标记：1-摄像机；2-球机；3-针孔摄像机；4-硬盘录像机；5-流媒体服务器；6-诊断服务器；7-报警服务器；8-无线网络；9-照度计。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明：
本发明具体实施例的连接框图，如图1所示。视频图像使用摄像机采集，所使用的前端摄像机包含普通摄像机1、球机2、针孔摄像机3等各种摄像机，每一个摄像机都编有唯一的ID。环境照度值通过照度计9来获取，每个摄像机所处的环境中都放置有照度计9，照度计9也有唯一的ID，并且该环境的照度计9与摄像机是根据ID关联起来的。视频图像存储使用硬盘录像机4，其中包含嵌入式硬盘录像机和混合型硬盘录像机。监控视频通过流媒体服务器5转发到诊断服务器6，用基于图像处理算法的诊断软件诊断出原始诊断值。诊断服务器6根据当前诊断的摄像机ID查询对应的照度计9的ID，通过无线网络8查询对应照度计9的照度值，然后用照度回归模型校正原始诊断值，如果出现异常则向报警服务器7发出报警信息。诊断服务器6与照度计9通过无线网络8通信的好处是照度计9的安装比较方便、布线方法也简单一些。
参见图1和图2，一种摄像机故障的检测方法，具体步骤如下：
(1)获取摄像机视频图像
诊断服务器6从流媒体服务器5上获取指定的摄像机视频流。
(2)用图像处理算法诊断摄像机画面的偏亮和偏暗程度
诊断软件取出其中摄像机的连续32帧视频图像，计算出这32帧图像的平均图像，然后计算出平均图像的亮度图；对亮度图求出平均亮度Lavg和标准差Lσ；最后分别计算偏亮、偏暗的程度。
偏亮程度的计算方法如下：

其中，α∈[0,1]，如果Ll＜0，则Ll＝0；
式中，Ll是指偏亮程度，Lavg是指亮度图的平均亮度，Lσ是指亮度图的标准差。
偏暗程度的计算方法如下：

其中，β∈[0,1]，如果Ld＜0，则Ld＝0；
式中，Ld是指偏暗程度，Lavg是指亮度图的平均亮度，Lσ是指亮度图的标准差。
(3)获取照度计9的读数
每一个摄像机都编有唯一的ID，照度计9也有唯一的ID。摄像机和照度计9是根据ID关联起来的。诊断服务器6查询摄像机关联的照度计9，通过无线网络8获取对应照度计9的读数。
(4)用照度回归模型计算照度的回归值
照度的回归模型是一个分段函数，它是将低照度Logistic回归模型、正常照度模型、高照度Logistic回归模型整合在一起。照度的回归模型如下：

其中，l是从照度计9中获取的照度值。Lmin是摄像机的最低照度值，Lmin＝100；Lmax是摄像机的过曝照度值，Lmax＝700；e≈2.71828。
摄像机的最低照度是当被摄景物的光照度低到一定程度而使摄像机的输出的视频信号电平低到某一规定值时的景物光照度。本发明是要求摄像机的输出视频信号电平保持在100％时的最低环境光照度。按这个要求，不同公司生产的摄像机的最低照度会有一定的差别，但大多数的摄像机在小于Lmin＝100时，摄像机的输出视频信号电平会小100％。因此，在实施例中，Lmin＝100。
摄像机的过曝照度是当被摄景物的光照度高到一定程度而使摄像机画面产生曝光过度效果的最低环境光照度。在实验过程中，关闭了所有摄像机的自动增益功能，当环境照度达到700及以上时，大多数摄像机容易产生过曝情况。实施例中Lmax＝700。
(5)校正偏亮和偏暗的原始诊断值
使用照度回归模型计算出照度的回归值后，即可对偏亮和偏暗的原始诊断值进行校正，校正方法如下：
V(s1)＝W1(l)·D(s1)
其中，s1代表的是偏亮或偏暗；V(s1)表示诊断项s1被校正后的诊断值；W1(l)是照度值回归模型得到的值，相当于是权重；D(s1)是诊断项s1在图像处理算法中的原始诊断值。当s1表示偏亮时,D(s1)表示的是偏亮的原始诊断值，D(s1)＝Ll；当s1表示偏暗时,D(s1)表示的是偏暗的原始诊断值，D(s1)＝Ld。
(6)判断摄像机是否出现故障
偏亮和偏暗的诊断值被校正后，取值范围还是[0,1]。取偏亮异常的阈值为Tl＝0.7,如果校正后的偏亮诊断值大于Tl，则说明摄像机发生故障；取偏暗异常的阈值为Td＝0.7，如果校正后的偏暗诊断值大于Td，则说明摄像机发生故障。
诊断服务器6通过以上步骤得到所有异常的原始诊断值的校正结果。当校正结果还是出现异常时，则向报警服务器7发出摄像机故障预警。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

资源描述

《一种摄像机故障的检测方法.pdf》由会员分享，可在线阅读，更多相关《一种摄像机故障的检测方法.pdf（9页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 (43)申请公布日 (21)申请号 201410718592.0(22)申请日 2014.12.01H04N 17/00(2006.01)(71)申请人广州市浩云安防科技股份有限公司地址 511400 广东省广州市番禺区桥南街市良路金业花园东二街16号101(72)发明人曹江中茅庆江李燕强(74)专利代理机构深圳市科吉华烽知识产权事务所(普通合伙) 44248代理人胡吉科(54) 发明名称一种摄像机故障的检测方法(57) 摘要本发明公开了一种摄像机故障的检测方法，包含以下几个步骤：使用图像处理算法对摄像机视频画面进行偏亮和偏暗程度的诊断，得到原始诊断值；利用照度计获取摄。

2、像机所在环境的照度值；建立摄像机故障的低照度Logistic回归模型、正常照度模型和高照度Logistic回归模型，整合这三个模型成为照度的回归模型；用照度回归模型计算照度的回归值；用照度回归值校正偏亮和偏暗程度的原始诊断结果；最后根据校正后的偏亮和偏暗程度诊断结果判断摄像机是否存故障。本发明在图像处理算法的基础上结合了硬件传感的方法，弥补了纯软件算法检测的不足。(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页说明书5页附图1页(10)申请公布号 CN 104378629 A(43)申请公布日 2015.02.25CN 104378629 A1/。

3、2页21.一种摄像机故障的检测方法，其特征在于，包含以下步骤：S1、使用图像处理算法对摄像机视频画面进行诊断，得到偏亮和偏暗程度的诊断值，偏亮程度的计算方法如下：其中，0,1，如果Ll0，则Ll0；式中，Ll是指偏亮程度，Lavg是指亮度图的平均亮度，L是指亮度图的标准差；偏暗程度的计算方法如下：其中，0,1，如果Ld0，则Ld0；式中，Ld是指偏暗程度，Lavg是指亮度图的平均亮度，L是指亮度图的标准差；S2、使用照度计获取摄像机所在环境的照度值，用照度回归模型计算照度的回归值；所述照度模型如下：式中，W1(l)是照度值回归模型得到的值，l是从照度计中获取的照度值，Lmin是摄像机的最低照度。

4、值，Lmax是摄像机的过曝照度值，e2.71828；S3、使用照度值的回归模型来校正诊断值Ll和Ld：V(s1)W1(l)D(s1)式中，s1表示的是偏亮或偏暗；V(s1)表示诊断项s1被校正后的诊断值；W1(l)是照度值回归模型得到的值，相当于是权重；D(s1)是诊断项s1在图像处理算法中的原始诊断值。当s1表示偏亮时,D(s1)表示的是偏亮的原始诊断值，D(s1)Ll；当s1表示偏暗时,D(s1)表示的是偏暗的原始诊断值，D(s1)Ld；S4、利用校正后的诊断判断摄像机是否发生故障，如果校正后的偏亮或偏暗程度诊断值大于一定的阈值，则说明该摄像机出现了故障。2.根据权利要求1所述的摄像机故障。

5、的检测方法，其特征在于：所述步骤S1包括以下分步骤：S101，获取摄像机视频流中的连续32帧图像，计算这32帧图像的平均图像；S102，计算平均图像的亮度图，并计算出亮度图的平均亮度Lavg，计算出亮度图的标准差L；S103，分别计算偏亮、偏暗的程度。权利要求书CN 104378629 A2/2页33.根据权利要求1所述的摄像机故障的检测方法，其特征在于：所述步骤S2包括以下分步骤：S201、获取照度计读数；S202、使用摄像机的最低照度建立摄像机故障的低照度Logistic回归模型；使用摄像机过曝照度建立摄像机故障的高照度Logistic回归模型，结合这两种模型以及正常照度模型，整合。

6、出照度的回归模型；S203、通过照度回归模型计算照度的回归值。4.如权利要求1所述的摄像机故障的检测方法，其特征在于：设置偏亮异常的阈值为0.7,设置偏暗异常的阈值为0.7。权利要求书CN 104378629 A1/5页4一种摄像机故障的检测方法技术领域0001 本发明涉及安防领域，尤其涉及摄像机故障检测方法。背景技术0002 随着监控系统网络的发展，视频监控系统在向着规模化的方向发展，对监控系统的维护以及保证监控视频质量的难度也逐渐加大。摄像机故障最直接的表现是视频画面质量下降，出现偏亮、偏暗的情况。在一些特定场合，对监控视频的质量要求比较高，比如在大众活动场所、交通路口、军事基地、。

7、港口和机场等敏感区域，需要实时保证摄像机的正常运行。如果监控摄像机出现异常或遭遇故障导致视频质量下降然而又没有得到及时诊断和解决，有可能会导致重大的损失。对于大型监控系统，若采用人工排查故障，不仅效率低下，且易受到人类本身特性的制约。因此，设计一种摄像机故障自动检测方法是非常必要的。0003 当前监控产品中，采用图像处理的方法分析视频图像质量是常用的摄像机故障检测方式。这种方法从视频画面分析图像是否异常以判断设备是否异常。然而影响视频画面质量的因素有环境因素、设备故障和人为因素等多种因素。采用视频图像分析的方式并不能判断画面异常是由环境因素引起的，还是设备故障或人为因素导致的，而且大部分异常报。

8、警是因为环境因素产生的误报。环境照度对摄像机视频画面影响的直接结果是偏亮或偏暗。当环境照度过大时，摄像机容易过曝，视频画面就会偏亮；当环境照度过小时，其照度值小于摄像机的最低照度，视频画面偏暗。环境照度过亮或过暗时，采用图像算法检测出来的摄像机故障结果往往受到影响，此时通过摄像机视频画面诊断出来的设备异常结果是很不可靠的。因此，很有必要发明一种更有效的方式来检测摄像机故障。发明内容0004 本发明的目的是减少环境因素引起摄像机故障检测的误报，增加摄像机故障检测方法的可靠性。0005 本发明的技术方案是一种摄像机故障的检测方法。该新方法首先利用图像处理算法对视频画面质量进行分析获得偏亮和偏暗程度。

9、的诊断值，然后利用照度计来获取环境照度并建立环境照度的回归模型，最后利用照度的回归模型校正视频画面的偏亮和偏暗程度诊断结果，并根据校正后的偏亮和偏暗程度诊断结果判断摄像机是否存在故障。该方法包括以下几个步骤：0006 (1)使用图像处理方法诊断摄像机视频画面的偏亮和偏暗程度0007 首先，获取摄像机视频流中的连续32帧图像，计算这32帧图像的平均图像；0008 其次，计算平均图像的亮度图，并计算出亮度图的平均亮度Lavg，计算出亮度图的标准差L；0009 最后，分别计算偏亮、偏暗的程度；0010 偏亮程度的计算方法如下：0011 说明书CN 104378629 A2/5页50012 其中，。

10、0,1，如果Ll0，则Ll0；0013 式中，Ll是指偏亮程度，Lavg是指亮度图的平均亮度，L是指亮度图的标准差。Ll越大，偏亮程度越高。如果亮度图的方差较大时，则图像中有些区域的亮度是比较低的，在一定程度上会降低偏亮程度。0014 偏暗程度的计算方法如下：0015 0016 其中，0,1，如果Ld0，则Ld0；0017 式中，Ld是指偏暗程度，Lavg是指亮度图的平均亮度，L是指亮度图的标准差。Ld0。Ld越大，偏暗程度越高。如果亮度图的方差较大时，则图像中有些区域的亮度是比较高的，在一定程度上会降低偏暗程度。0018 (2)使用照度计获取摄像机所在环境的照度值并建立照度回归模型0019 。

11、对于偏亮和偏暗的异常诊断值，环境照度上的偏高或偏低会影响到摄像机画面的偏亮和偏暗的诊断值。摄像机的最低照度和过曝照度就是界定环境照度上的偏高和偏低的一个阈值。当环境照度小于摄像机的最低照度或者大于摄像机的过曝照度时，如果摄像头本身正常的，环境照度对画面偏亮或偏暗影响的严重程度逐渐增大。画面异常的严重程度代表摄像机发生故障的概率，严重程度越高，故障概率越大。结合本发明的目的，如果画面出现异常，此时真正是摄像机发生故障的概率会随着环境照度的偏低或偏高逐渐减少，而且是从1减少到0。Logistic回归模型就可以满足这种关系，且摄像机发生故障是0、1二分类资料。本发明利用摄像机的最低照度建立摄像机故障。

12、的低照度Logistic回归模型；利用摄像机的过曝照度建立摄像机故障的高照度Logistic回归模型；照度正常且画面异常时摄像机故障的概率为1。0020 整合低照度Logistic回归模型、正常照度模型、高照度Logistic回归模型为照度的回归模型。用照度的回归模型校正摄像机的原始诊断结果的原理是：给定环境照度值和原始诊断值后，相当于两个条件同时发生时摄像机会发生故障的概率，由此采用照度回归模型值和原始诊断值的乘积作为校正结果。0021 本发明中照度的回归模型：0022 说明书CN 104378629 A3/5页60023 其中，l是从照度计中获取的照度值，Lmin是摄像机的最低照度值，。

13、Lmax是摄像机的过曝照度值，e2.71828。该模型将低照度Logistic回归模型、正常照度模型、高照度Logistic回归模型整合在一起。0024 (3)利用照度回归模型校正图像处理算法的诊断结果0025 摄像机画面在偏亮和偏暗程度诊断结果的校正方法是使用照度值的回归模型来校正诊断值：0026 V(s1)W1(l)D(s1)0027 其中，s1代表的是偏亮或偏暗；V(s1)表示诊断项s1被校正后的诊断值；W1(l)是照度值回归模型得到的值，相当于是权重；D(s1)是诊断项s1在图像处理算法中的原始诊断值；当s1表示偏亮时,D(s1)表示的是偏亮的原始诊断值，D(s1)Ll；当s1表示偏暗。

14、时,D(s1)表示的是偏暗的原始诊断值，D(s1)Ld。当照度值小于摄像机的最低照度时，照度值逐渐增大则回归模型是逐渐趋向于1，校正的诊断值也逐渐趋向于原始诊断值；当照度值在正常范围，回归模型的值为1，此时校正诊断值为原始诊断值；当照度值大于摄像机的过曝照度时，照度值逐渐增大则回归模型是逐渐趋向于0，校正诊断值趋向于0。0028 (4)利用校正后的诊断值判断摄像机是否发生故障0029 用阈值化方法对校正后的诊断值作处理，以判断摄像机是否发生故障。对偏亮程度设定阈值Tl，Tl0.7，如果校正后的偏亮诊断值大于0.7，则说明摄像机发生故障；对偏亮程度设定阈值Td，Td0.7，如果校正后的偏暗诊断值。

15、大于0.7，则说明摄像机发生故障。0030 有益效果：本技术方案中摄像机故障的检测方法，减少了环境因素引起摄像机故障检测的误报，增加了摄像机故障检测方法的可靠性。附图说明0031 图1是本发明实施例的连接框图；0032 图2是本发明的另一种实施例的工作流程图。0033 图中标记：1-摄像机；2-球机；3-针孔摄像机；4-硬盘录像机；5-流媒体服务器；6-诊断服务器；7-报警服务器；8-无线网络；9-照度计。具体实施方式0034 下面结合附图，对本发明的较优的实施例作进一步的详细说明：0035 本发明具体实施例的连接框图，如图1所示。视频图像使用摄像机采集，所使用的前端摄像机包含普通摄像机1、球。

16、机2、针孔摄像机3等各种摄像机，每一个摄像机都编有唯一的ID。环境照度值通过照度计9来获取，每个摄像机所处的环境中都放置有照度计9，照度计9也有唯一的ID，并且该环境的照度计9与摄像机是根据ID关联起来的。视频图像存说明书CN 104378629 A4/5页7储使用硬盘录像机4，其中包含嵌入式硬盘录像机和混合型硬盘录像机。监控视频通过流媒体服务器5转发到诊断服务器6，用基于图像处理算法的诊断软件诊断出原始诊断值。诊断服务器6根据当前诊断的摄像机ID查询对应的照度计9的ID，通过无线网络8查询对应照度计9的照度值，然后用照度回归模型校正原始诊断值，如果出现异常则向报警服务器7发出报警信息。诊。

17、断服务器6与照度计9通过无线网络8通信的好处是照度计9的安装比较方便、布线方法也简单一些。0036 参见图1和图2，一种摄像机故障的检测方法，具体步骤如下：0037 (1)获取摄像机视频图像0038 诊断服务器6从流媒体服务器5上获取指定的摄像机视频流。0039 (2)用图像处理算法诊断摄像机画面的偏亮和偏暗程度0040 诊断软件取出其中摄像机的连续32帧视频图像，计算出这32帧图像的平均图像，然后计算出平均图像的亮度图；对亮度图求出平均亮度Lavg和标准差L；最后分别计算偏亮、偏暗的程度。0041 偏亮程度的计算方法如下：0042 0043 其中，0,1，如果Ll0，则Ll0；0044 式中。

18、，Ll是指偏亮程度，Lavg是指亮度图的平均亮度，L是指亮度图的标准差。0045 偏暗程度的计算方法如下：0046 0047 其中，0,1，如果Ld0，则Ld0；0048 式中，Ld是指偏暗程度，Lavg是指亮度图的平均亮度，L是指亮度图的标准差。0049 (3)获取照度计9的读数0050 每一个摄像机都编有唯一的ID，照度计9也有唯一的ID。摄像机和照度计9是根据ID关联起来的。诊断服务器6查询摄像机关联的照度计9，通过无线网络8获取对应照度计9的读数。0051 (4)用照度回归模型计算照度的回归值0052 照度的回归模型是一个分段函数，它是将低照度Logistic回归模型、正常照度模型、高。

19、照度Logistic回归模型整合在一起。照度的回归模型如下：0053 说明书CN 104378629 A5/5页80054 其中，l是从照度计9中获取的照度值。Lmin是摄像机的最低照度值，Lmin100；Lmax是摄像机的过曝照度值，Lmax700；e2.71828。0055 摄像机的最低照度是当被摄景物的光照度低到一定程度而使摄像机的输出的视频信号电平低到某一规定值时的景物光照度。本发明是要求摄像机的输出视频信号电平保持在100时的最低环境光照度。按这个要求，不同公司生产的摄像机的最低照度会有一定的差别，但大多数的摄像机在小于Lmin100时，摄像机的输出视频信号电平会小100。因此，。

20、在实施例中，Lmin100。0056 摄像机的过曝照度是当被摄景物的光照度高到一定程度而使摄像机画面产生曝光过度效果的最低环境光照度。在实验过程中，关闭了所有摄像机的自动增益功能，当环境照度达到700及以上时，大多数摄像机容易产生过曝情况。实施例中Lmax700。0057 (5)校正偏亮和偏暗的原始诊断值0058 使用照度回归模型计算出照度的回归值后，即可对偏亮和偏暗的原始诊断值进行校正，校正方法如下：0059 V(s1)W1(l)D(s1)0060 其中，s1代表的是偏亮或偏暗；V(s1)表示诊断项s1被校正后的诊断值；W1(l)是照度值回归模型得到的值，相当于是权重；D(s1)是诊断项s1。

21、在图像处理算法中的原始诊断值。当s1表示偏亮时,D(s1)表示的是偏亮的原始诊断值，D(s1)Ll；当s1表示偏暗时,D(s1)表示的是偏暗的原始诊断值，D(s1)Ld。0061 (6)判断摄像机是否出现故障0062 偏亮和偏暗的诊断值被校正后，取值范围还是0,1。取偏亮异常的阈值为Tl0.7,如果校正后的偏亮诊断值大于Tl，则说明摄像机发生故障；取偏暗异常的阈值为Td0.7，如果校正后的偏暗诊断值大于Td，则说明摄像机发生故障。0063 诊断服务器6通过以上步骤得到所有异常的原始诊断值的校正结果。当校正结果还是出现异常时，则向报警服务器7发出摄像机故障预警。0064 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。说明书CN 104378629 A1/1页9说明书附图CN 104378629 A。

展开阅读全文