TWI502964B

TWI502964B - 攝影機畫面異常之檢測方法

Info

Publication number: TWI502964B
Application number: TW102145473A
Authority: TW
Inventors: Chao Ho Chen; Tsong Yi Chen; Bo Cin Chen
Original assignee: Univ Nat Kaohsiung Applied Sci
Priority date: 2013-12-10
Filing date: 2013-12-10
Publication date: 2015-10-01
Also published as: TW201524188A

Description

攝影機畫面異常之檢測方法

本發明是有關於一種攝影機畫面異常之檢測方法，特別是有關於一種針對攝影機拍攝畫面是否遭遮蔽、噴漆、搖晃、鏡頭轉移、失焦、色偏、濃霧、畫面閃爍等現象進行檢測之攝影機畫面異常之檢測方法。

近年來，大眾逐漸重視自身安全，進而電子安全器材之需求便逐年增加。此外，為了維繫治安及嚇阻犯罪，於城市街角、道路或大樓內裝設監視攝影機為較常見的方式，進而亦帶動智慧型視訊安控軟體快速發展。隨著科技演進，相關的安全監控產業也從早期的類比閉路電視系統，往數位錄影監視系統(Digital Video Recorder，DVR)及IP 網路視訊監控系統(Network Video Recorder，NVR)方向發展。

然，監控系統雖朝向數位化邁進，但在安全監控管理方面，仍須仰賴人員的管理，而往往造成安全管理人員須同時監看多個監視畫面。另，監視系統常面臨老化、異常或遭受到蓄意的破壞等問題，其中蓄意破壞更包含遮蔽、噴漆、失焦、色偏或畫面偏移等情況，導致無法攝錄正常影像，而產生監控死角，當事件需藉由監視畫面進行釐清時，很有可能造成莫大損失及憾事。

而針對上述中各種異常狀況，習知技術之主要方法原理是先重建一張絕對背景，藉由絕對背景的資訊判斷畫面是否遭到轉向、位移，或者失焦的問題。攝影機遭到轉向或移位是藉由絕對背景更新延遲的方法判斷畫面遭轉向及位移，統計整張圖像素差異數，經由緩慢的更新，將在n張時的絕對背景與k張前的絕對背景判斷差異，而在當差異大於閥值時則判斷畫面遭到轉向。攝影機遭受遮蔽則是利用在攝影遭受遮蔽時，絕對背景的直方圖與當前影像的直方圖進行差異判斷，即可依據二條件判斷鏡頭遭受遮蔽；條件1係為當鏡頭遭到遮蔽則影像會偏暗，直方圖在某些範圍的數量分佈次數會變高，當影像直方圖次數最高及相鄰的灰階度數量總和大於閥值，則滿足此條件；條件2則為攝影機尚未被遮蔽時，其絕對背景的影像直方圖及當前影像直方圖相減之直方圖，暗部區域總和應小於當攝影機被遮蔽時的總和，當暗部區域i~32總和次數大於前i~k個灰階度總和，即滿足此條件；當兩條件皆為滿足時，則判斷攝影機遭遮蔽。

然，當攝影機被如白紙等透光性的物體所遮蔽時，畫面不一定屬於偏暗，將造成條件2的不成立，因而無法偵測出畫面遭受遮蔽。

接著，畫面失焦偵測是利用傅立葉轉換(Fourier Transform)，分析當前影像高頻資訊與絕對背景高頻資訊進行差異比較，當當前影像高頻資訊小於絕對背景高頻資訊一定的比例，則判斷為畫面失焦。

然，該演算法的缺點係為若同時進行多樣異常檢測時，將可能造成時間複雜度過高，而無法達成即時偵測。

有鑒於上述習知技藝之問題，本發明之目的就是在提供一種攝影機畫面異常之檢測方法，以解決習知偵測攝影機畫面異常時所面臨之問題。

根據本發明之目的，提出一種攝影機畫面異常之檢測方法，其包含下列步驟：擷取連續之複數個畫面。藉由相鄰相減法判斷複數個畫面是否穩定。依據複數個畫面建立二絕對背景，二絕對背景相距時間差，且分別每隔預設時間進行更新。藉由背景相減法判斷更新後之各絕對背景及其對應之更新前之各絕對背景之間之差異。當更新前之至少一絕對背景與對應之更新後之絕對背景差異大於第一門檻值時，依據複數個畫面及二絕對背景之灰階直方圖分佈及邊緣像素，判斷攝影機是否具有影像移位或遭受遮蔽之異常狀態，並對應異常狀態發出警示訊息及執行對應異常狀態之故障排除步驟。當更新前之至少一絕對背景與對應之更新後之絕對背景差異小於第一門檻值時，包含下列步驟：依據複數個畫面之亮度(亦即灰階值)資訊及邊緣資訊，判斷攝影機畫面是否具有濃霧之異常狀態。依據複數個畫面之高頻資訊遺失量，判斷攝影機畫面是否具有失焦之異常狀態。依據複數個畫面之RGB各通道之平均亮度值及RGB各通道之局部區域平均亮度值，判斷攝影機畫面是否具有色偏之異常狀態。依據複數個畫面之平均亮度值，判斷攝影機畫面是否具有閃爍之異常狀態。當攝影機畫面未具有濃霧、失焦、色偏、閃爍或其組合之異常狀態時，則分別每隔預設時間更新各絕對背景，而當攝影機畫面具有異常狀態時，則發出警示訊息。

較佳地，判斷攝影機是否穩定更可包含下列步驟：藉由其中一畫面與相鄰之另一畫面取得差值影像。當差值影像中差值大之像素數量低於預設百分比之總像素數量時，則判斷該攝影機畫面係為穩定狀態，並進行建立二絕對背景。當差值影像中差值大之像素數量高於預設百分比之總像素數量時，則判斷該攝影機畫面係為晃動狀態，並發出警示訊息。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：判斷複數個畫面之灰階直方圖在特定區間之像素總數是否大於各絕對背景之灰階直方圖之像素總數。當複數個畫面之灰階直方圖在特定區間之像素總數大於或等於二絕對背景之灰階直方圖之像素總數時，則判斷複數個畫面之邊緣像素總數是否小於或等於各絕對背景之預設比例之邊緣像素總數。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：當絕對背景差異大，且複數個畫面之灰階直方圖在特定區間之像素總數小於各絕對背景之灰階直方圖之像素總數時，則判斷攝影機處於位移之異常狀態，並發出該警示訊息。當絕對背景差異大，且複數個畫面之灰階直方圖在特定區間之像素總數不小於各絕對背景之灰階直方圖之像素總數，而複數個畫面之邊緣像素總數大於各絕對背景之預設比例之邊緣像素總數時，則判斷攝影機處於位移之異常狀態，並發出警示訊息。當絕對背景差異大，且複數個畫面之灰階直方圖在特定區間之像素總數不小於各絕對背景之灰階直方圖之像素總數，而複數個畫面之邊緣像素總數不大於各絕對背景之預設比例之邊緣像素總數時，則判斷攝影機處於遭受遮蔽之異常狀態，並發出警示訊息。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：判斷複數個畫面之平均亮度值之左邊最高峰峰值與平均亮度值之右邊最高峰峰值之差距是否小於預設差距閥值。判斷複數個畫面之邊緣影像灰階直方圖之250至255灰階值及255灰階值之數量是否小於預設數量閥值。藉由Sobel邊緣檢測取得邊緣影像灰階平均值，並依據複數個畫面之邊緣影像灰階平均值及原畫面之灰階影像標準差以判斷是否有霧及霧濃度，並發佈包含霧濃度之警示訊息。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：當複數個畫面之灰階直方圖之平均亮度值之左邊最高峰峰值與右邊最高峰峰值之差距是小於預設差距閥值時，則初步判斷攝影機畫面處於起霧之異常狀態。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：當邊緣影像直方圖之250至255灰階值及255灰階值之數量皆小於預設數量閥值時，則判斷攝影機畫面處於起霧之異常狀態。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：設定高頻資訊量基準值，再藉由高頻資訊量基準值設定預設遺失量。判斷複數個畫面之高頻資訊遺失量是否大於預設遺失量，當大於預設遺失量時，則判斷攝影機畫面處於失焦之異常狀態，並發佈警示訊息; 當不大於預設遺失量時，則更新高頻資訊基準值，進行下一次複數個畫面之高頻資訊遺失量及預設遺失量之比對判斷。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：判斷複數個畫面之各色彩通道(RGB)之最大平均亮度與各色彩通道之最小平均亮度之差值是否大於預設平均亮度差值。判斷色彩偏移最大之色彩通道之亮部範圍之平均值與其他色彩通道之亮部範圍之平均值之差距是否大於一預設平均值差距。判斷色彩偏移最大之色彩通道之暗部範圍之平均值與其他色彩通道之暗部範圍之平均值之差距是否大於該預設平均值差距。當各色彩通道之最大平均亮度與最小平均亮度之差值大於該預設通道平均亮度差值，且色彩偏移最大之色彩通道之亮部範圍之平均值與其他色彩通道之亮部範圍之平均值之差距，及色彩偏移最大之色彩通道之暗部範圍之平均值與其他色彩通道之暗部範圍之平均值之差距皆大於預設平均值差距時，則判斷攝影機畫面處於色偏之異常狀態，並發佈警示訊息。

較佳地，攝影機畫面異常之檢測方法更可包含下列步驟：判斷複數個畫面之相鄰影格之差異值。當相鄰影格之差異值大於第二門檻值時，則判斷影像狀態改變。當影像狀態改變之次數大於預設累加數時，則判斷攝影機畫面處於影像閃爍之異常狀態，並發佈警示訊息。

承上所述，本發明之攝影機畫面異常之檢測方法可有效自動即時偵測大部分之異常畫面，以利後續監錄維護處理，並可確保監錄畫面品質，以能避免意外事件發生時，無法借助監錄畫面釐清事件經過之憾事發生；此外，本發明亦可節省大量人力管理成本，並可在第一時間針對異常畫面產生時作好適當的應對處理。

S101至S111、S201至S204、S301至S307‧‧‧步驟

第1圖係為本發明之攝影機畫面異常之檢測方法之第一流程圖。
第2圖係為本發明之攝影機畫面異常之檢測方法之第二流程圖。
第3圖係為本發明之攝影機畫面異常之檢測方法之第三流程圖。

為利貴審查員瞭解本發明之技術特徵、內容與優點及其所能達成之功效，茲將本發明配合圖式，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本發明實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍，合先敘明。

請參閱第1至3圖；第1圖係為本發明之攝影機畫面異常之檢測方法之第一流程圖；第2圖係為本發明之攝影機畫面異常之檢測方法之第二流程圖；第3圖係為本發明之攝影機畫面異常之檢測方法之第三流程圖。如圖所示，本發明提出一種攝影機畫面異常之檢測方法，其包含下列步驟：

擷取連續之複數個畫面(步驟S101)。藉由相鄰相減法判斷複數個畫面是否穩定(步驟S102)。依據複數個畫面建立二絕對背景，二絕對背景具有時間差(步驟S103)，且分別每隔預設時間進行更新。藉由背景相減法判斷更新後之各絕對背景及其對應之更新前之各絕對背景之間之差異(步驟S104)。當更新前之至少一絕對背景與對應之更新後之絕對背景差異大於第一門檻值時，依據複數個畫面及二絕對背景之灰階直方圖分佈及邊緣像素，判斷攝影機是否具有影像移位或遭受遮蔽之異常狀態(步驟S105)，並對應異常狀態發出警示訊息及執行對應異常狀態之故障排除步驟(步驟S106)。當更新前之至少一絕對背景與對應之更新後之絕對背景差異小於第一門檻值時，包含下列步驟：依據複數個畫面之亮度資訊及邊緣資訊，判斷攝影機畫面是否具有濃霧之異常狀態(步驟S107)。依據複數個畫面之高頻資訊遺失量，判斷攝影機畫面是否具有失焦之異常狀態(步驟S107)。依據複數個畫面之RGB各通道之平均亮度值及RGB各通道之局部區域平均亮度值，判斷攝影機畫面是否具有色偏之異常狀態(步驟S107)。依據複數個畫面之平均亮度值，判斷攝影機畫面是否具有閃爍之異常狀態(步驟S107)。當攝影機畫面未具有濃霧、失焦、色偏、閃爍或其組合之異常狀態時，則分別每隔預設時間更新各絕對背景(步驟S108)，而當攝影機畫面具有異常狀態時，則發出警示訊息(步驟S109)。

續言之，於進行各種異常偵測之前，應確認攝影機已穩固架設，因為建立好的絕對背景(absolute backgrounds)及穩定的畫面可確保後續各種異常檢測正確率，以避免太多誤判。本發明是採用背景相減的方式來過濾移動物體，利用時間差來快速判斷像素是否為背景像素，如公式(1)所示，如果畫面存在移動物的話，經過n張影格後應已經離開原先所在位置，如在經過n張影格後，像素值皆未有任何改變，則判定為背景。

(1)

其中，t為時間變數；F_t+n (x,y)、F_t (x,y)分別表示為在時間t+n與t在(x,y)的像素值；B_t (x,y)則表示為時間為t時絕對背景(x,y)之像素值。藉此，利用時間差的畫面，可快速的建構出大部分的絕對背景，也可避免過多的運算。在建立基本之絕對背景後，後續可再藉由更新絕對背景以持續保持最新的背景資訊。

背景更新的主要目的，是要從所輸入的畫面中建立一個可靠的背景資訊，使得移動物體偵測能夠正確無誤的被執行。然而隨著時間的變化或移動目標進入畫面的影響，背景影像將不可避免的會產生一些變化，若此時再使用初始建立的絕對背景來做異常偵測，則可能會有誤判的情形出現。為了降低此誤差情形，背景的更新是需要被建立的。本案方法提出了一個背景更新的想法與概念，當畫面中像素值在經過一定的時間，尚未有任何更動時，將目前的像素值依照比例原則更新至背景當中，其判斷規則如公式(2)、公式(3)所示:

(2)　　　　　　　　　　　　　　　　　　　　　　

(3)

其中Count_t ₊₁ (x,y) 為計數器，k為影像差閥值，B_th 為更新的閥值，B_t ₊₁ (x,y)背景更新後新的背景，B_t (x,y)為目前參考背景，F_t (x,y) 為目前影像，α參數為調節背景更新率 (updating rate)，其數值可以介於0~1之間，此值用於控制背景更新的速率，值越大，則背景影像越接近目前影像；反之數值越小，背景更新後的影像越接近當初建立的背景影像，之後即可獲得最新的背景資訊。

而對於絕對背景差異之判斷，其進行各種異常偵測前，會先判斷輸入影像與建構出來的絕對背景是否有發生極大的差異，當發生與原先架設所預設的拍攝畫面有所不同時，極可能是畫面遭遮蔽、噴漆或鏡頭遭轉向、移位等；然，若只藉由輸入影像與絕對背景進行比較，短時間的阻擋，如行人從鏡頭前走過所造成短暫的差異，將可能會造成警示訊息不斷發佈。

因此，在建立絕對背景時，會同時建構兩張具有時間差的絕對背景，兩張絕對背景因時間差，更新時間會有所不同，進而短暫停留的影像並不會被更新為背景，可避免短暫的差異造成誤判。故，正常情況兩張絕對背景的差異不會太大，當兩張絕對背景造成極大差異時，則表示較早更新的絕對背景，被更新為破壞或異常的畫面，導致與原先尚未被更新的絕對背景有極大差異，此時便可初步判斷出攝影機可能遭受破壞或發生異常；而當絕對背景判斷並沒發現任何異狀時，也不代表畫面就是屬於正常狀況，有些異常狀況並不會與原先預設的畫面有所差異，因此還是需要透過偵測才能確定畫面是否屬於正常狀況。

針對畫面是否穩定或晃動之偵測，將於本段落中進行說明。當固定攝影機發生晃動時，其亦為異常狀態之一，然而晃動有很多因素，除了攝影機遭人為刻意推搖及因地震等自然現象造成晃動之外，現實生活中如大型車輛經過而導致路面震動或強風吹襲等，亦可能造成畫面晃動，然，其都屬於可容忍之晃動範圍之內。因此，於檢測晃動時應進一步地控制調整檢測晃度靈敏度。

本發明在畫面穩定偵測中，使用畫面時間差分法(temporal difference)，再根據差值比例來判斷是否穩定。一個穩定視訊其相鄰畫面之差值影像中差值小的像素數量會較多，反之，一個晃動大的畫面其相鄰影像之差值影像中差值大的像素數量較多，故根據其差異比例判定畫面是否穩定，如公式(4)所示，如SP_FD 大於S_th ×S_image，則表示畫面有晃動，反之，SP_FD 不大於S_th ×S_image，則表示畫面為穩定的狀態；SP_FD 為差值影像中差值大的像素數量，S_th 為晃動比例，N_image為影像總像素數目，因此可透過設定S_th 以調整對於晃動偵測的靈敏度(本案方法設定S_th = 0.5 ~ 0.7)，最後若視訊畫面穩定則直接輸出畫面；反之，若檢測出畫面不穩定時，則發出警示訊息(步驟S110)。

SP_FD > S_th ×N_image(4)　

當絕對背景差異較大時，初步判斷出攝影機可能遭受破壞或發生異常，在與絕對背景有所差異時所發生的異常或遭受破壞，最有可能是畫面遭受轉向或移位，該些異常狀態皆使得攝影機無法有效地進行監視。進而，本案方法設定了兩種條件(conditions)來判斷鏡頭是否遭受轉向或移位或畫面遭遮蔽或噴漆。

首先，對複數個畫面及絕對背景進行灰階直方圖分析(步驟S201)，當鏡頭尚未被遮蔽時，複數個畫面之灰階直方圖會呈現常態分佈，與所建構出的絕對背景灰階直方圖差異不大，所以藉由此直方圖分佈便可判斷畫面是否屬於正常狀況；當攝影機被遮蔽或噴漆時，畫面則可能同時遭遮蔽物(如手掌或油漆)覆蓋，進而畫面之灰階直方圖將會發生趨向集中分佈的情形。

判斷複數個畫面與絕對背景之灰階直方圖是否分佈異常(步驟S202)，當複數個畫面灰階直方圖在特定區間之像素總數大於或等於絕對背景灰階直方圖之像素總數，則滿足條件一，如公式(5)所示:

條件一(Condition1): (5)

其中，CF為複數個畫面灰階直方圖；BI為絕對背景灰階直方圖；G_max 係為遮蔽畫面複數個畫面灰階直方圖最高峰值所對應之灰階值，n為參數(本案方法設為2，但不應以此為限)，θ_occlusion 為比例值(本案方法設為1.5，但不應以此為限)。

當滿足條件一後，便可開始對複數個畫面及絕對背景之灰階影像以Sobel運算子進行邊緣偵測(步驟S203)，因鏡頭被遮蔽或噴漆時，原先複數個畫面之大部分邊緣資訊會遺失，因此經Sobel運算子處理後之結果影像會極度缺乏邊緣資訊，故可藉由邊緣資訊的遺失量來判斷原先複數個畫面是否遭遮蔽或噴漆(步驟S204)，此為條件二，如公式(6)所示:

條件二(Condition2):

S_CF ≦S_BI ×θ_edge (6)

其中，S_CF 為複數個畫面之邊緣總像素；S_BI 為絕對背景之邊緣總像素，θ_edge 為比例值(本案方法設為0.7，但不應以此為限)。

最後，當未滿足條件一，或是滿足條件一但未滿足條件二時，則判斷為攝影機遭轉向或移位，並發出警示訊息(步驟S111)；若滿足條件一及條件二時，則判斷為攝影機畫面遭到遮蔽或噴漆，發出警示訊息(步驟S111)。

而有關於畫面之濃霧檢測，本發明係利用Lambert-Beer定律，而提出三個判斷條件式，藉以判斷畫面是否為有霧的畫面。

更進一步地，初步利用影像的亮度區別所擷取的影像是否可能有霧的環境。在霧的環境所生成的影像，其對比度會降低，經由分析直方圖(histogram)的分佈，畫面平均亮度值(亦即灰階值)之左邊最高峰峰值與右邊最高峰峰值之差距會小於閥值PD_th ，進而需要先計算出平均亮度值之左邊最高峰峰值與右邊最高峰峰值，f_avg 為影像平均亮度值，M×N為影像大小(影像像素總數)，f(x,y)為在位置(x,y)之像素值(簡記為f )，n_f 為直方圖中f灰階值之數量，f_L 為影像平均亮度值(f_avg )之左邊最高峰峰值，f_R 為影像平均亮度值(f_avg )之右邊最高峰峰值，而藉由分析，本案方法將霧化影像的平均亮度值之左右峰值差距定義為一個差距範圍，若差距低於閥值PD_th (本案方法設為 30，但不應以此為限)，則滿足條件一(Condition1)(步驟S301)，如公式(7)所示，可初步判定可能為霧化的影像。

條件一: ∣f_L - f_R ∣≦ PD_th 　　　(7)

其中,

條件二(Condition2)是考慮到畫面會有平滑區域的產生，因此針對Sobel影像(經Sobel運算子處理後之結果影像稱為Sobel影像，而此影像會保留原影像之邊緣資訊，故亦可稱為Sobel邊緣影像)的邊緣梯度變化來分析有霧與無霧影像之間的差別(步驟S302)，分析Sobel邊緣影像直方圖在灰階值250~255及灰階值255的像素數目(步驟S303)，在Sobel邊緣影像直方圖的灰階值250~255 及灰階值255的數目變高時，此影像可視為無霧的現象; 而該數目變低時，此影像則視為有霧，若符合公式(8)，則判定影像可能為有霧化情況，其中n_{250≦f≦255} 為Sobel影像直方圖灰階值250~255 之總數，n_f ₌₂₅₅ 為Sobel影像直方圖灰階值255之總數，θ_Range 為閥值(本案方法設為0.001×M×N，但並不以此為限)。

條件二：(步驟S304及S305)

((n_{250≦f≦255} ) < θ_Range )AND((n_f ₌₂₅₅ ) < θ_Range ) 　 (8)

霧化的環境是存在著低能見的影像，因此一張霧化的影像是模糊且不清晰的，若用影像的屬性角度來看，則是於平滑屬性的影像，而一張清晰的影像則屬於複雜屬性的影像，因此，本案方法利用Sobel邊緣影像檢測的方式，將其Sobel影像取其平均數，如公式(9)所示，其中，S_μ 代表整張Sobel影像的平均值，f_E (x,y)表示為Sobel影像中位置(x,y)的灰階值，分析一張霧化影像的梯度變化，一張有霧的影像其Sobel邊緣影像檢測結果之S_μ 較小; 在無霧的環境中Sobel邊緣影像檢測結果之S_μ 較大。

(9)

一般來說，標準差可當做一張影像內容的離均程度，標準差的值愈大代表影像內容的變化較大，也就表示影像對比度較大，其資訊內容愈豐富；而標準差愈小，則變化程度較小，對比度則相對地小，一般而言，其資訊內容愈單調。因此，本案方法利用標準差(σ)做為霧濃度分類級數的基礎，如公式(10)所示，其中σ代表原始灰階影像標準差，μ代表整張影像的平均值，而f(x,y)為原始影像中每一個像素點。

(10)

條件三(Condition3)是透過公式(9)及公式(10)來判斷霧濃度，建立霧級數的歸屬函數，如公式(11)所示：

條件三: z = S_μ + σ(11)

其中，z的數值關係著霧濃度，如z = 0至44則設定為「濃霧」；z = 45至75則設定為「中霧」；z = 76至90則設定為「輕霧」；z > 90則設定為「無霧」(步驟S306)，其可給監控人員作為霧影響畫面程度的參考。

若符合以上三個條件(條件一至條件三)，則其所檢測出畫面便具有霧化之異常狀態，進而須發佈警示訊息(步驟S307)，且該警示訊息中應包含霧的濃度資訊。

而就檢測畫面是否失焦來說，造成畫面失焦的原因可能是設備損壞或霧氣、水滴落在鏡頭前面，而透過水滴拍攝到的畫面，造成模糊不清，都可能造成畫面的失焦。由於畫面失焦主要會使得影像模糊，影響影像邊緣細節，造成高頻資訊的遺失，本案方法使用離散餘弦變換(Discrete Cosine Transform, DCT)將影像轉為頻率域，再計算高頻資訊量以偵測畫面失焦問題。

當畫面失焦時，其高頻資訊量會大減，本案方法藉由統計高頻資訊遺失量，即可判斷出畫面是否失焦。首先利用前面複數個正常畫面設定高頻資訊量基準值Base_HF ，再透過此基準值設定高頻資訊遺失量之閥值α_{HF_Loss} ，而α_{HF_Loss} = Base_HF ×β_U ，β_U 為比例參數(本案方法設定β_U = 0.7，但不應以此為限)。當攝影機攝取影像之高頻資訊遺失量大於α_{HF_Loss} ，則判斷為失焦；否則更新高頻資訊基準值，繼續偵測畫面失焦程序。(本案方法利用DCT高頻係數區域之係數為0之數量而計算出高頻資訊遺失量)

而檢測畫面之色偏(color cast)異常狀態，其發生色偏的原因，可能是現場色溫導致攝影機白平衡錯誤，或是輸入信號異常，信號微弱導致顏色怪異，或是監視螢幕損壞造成畫面出現色偏，根據人眼視覺對顏色的敏銳度，輕微的色彩的差異是無法辨識出其差異，當畫面各通道有極大差異，才可明顯觀測出整體畫面偏向某顏色。本案方法提出兩個判斷條件來判斷畫面是否有色偏，當兩個判斷條件均滿足，則確認為畫面色偏。

當畫面尚未發生色偏時，RGB各通道(Channel)的平均亮度彼此差異不會太大; 反之，當畫面發生色偏時，表示畫面各通道之平均亮度有所差異，透過計算各通道平均亮度值 (R_avg , G_avg , B_avg )，當各通道的最大平均亮度L_max 與最小平均亮度L_min 的差值大於閥值θ_cd (本案方法設定θ_cd = 30，但不應以此為限)，則滿足條件一，如公式(12)所示，可初步判斷畫面可能有色偏發生。

條件一:

(12)
其中 ,
, ,
M×N代表影像的大小，R(x,y)、G(x,y)、B(x,y)分別表示原始影像各通道每點像素值。

當初步判斷輸入影像之RGB各通道有所差異時，為避免因畫面僅僅只是其中單一顏色資訊較豐富或貧乏而造成誤判，因此，判斷條件二是透過局部區域平均亮度值來判斷是否有色偏。首先尋找色彩偏移最大的通道C_cd ，它定義為某一通道與另兩通道差值差異最大的通道，如公式(13)所示，B_diff 、G_diff 、R_diff 為與其它任兩通道的差值。透過此步驟可找出色彩偏移最大的通道。

(13)

其中
　　　　　

找出C_cd 通道，再判斷C_cd 通道的亮部範圍(lighter range)及暗部範圍(darker range)，亮部的範圍為C_cd 通道最亮的灰階度(graylevel)至前n個灰階度範圍，暗部的範圍為C_cd 通道最暗的灰階度至後n個灰階度範圍(本案方法設定n = 5，不應以此為限)。計算出各通道在亮部範圍及暗部範圍的平均灰階值，利用色彩偏移最大的通道C_cd 的亮度範圍及暗部範圍的平均灰階值，與其它通道的亮度範圍及暗部範圍的平均灰階值進行差值運算，如公式(14)所示，為與相減之差值，為與相減之差值，其中為C_cd 暗部範圍的平均灰階值，為C_cd 亮部範圍的平均灰階值，為R、G、或B亮部的範圍各通道的平均灰階值，為R、G、或B暗部的範圍各通道的平均灰階值，上述各項之上標c代表通道(channel): R, G, B。

;　　
(14)

如大於閥值θ_cd 且大於閥值θ_cd (本案方法設定θ_cd = 30，不應以此為限)，則滿足條件二，如公式(15)所示，可判斷畫面有色偏發生。先滿足條件一，若再滿足條件二，則確認發佈色偏之警示訊息。

條件二: (15)

當訊號受到高頻干擾或訊號線遭受破壞時，最容易發生的異常狀況是畫面不正常的閃爍跳動，嚴重情形可能使畫面遺失，無法接受任何訊號而導致黑屏現象發生，使得無法順利攝錄監視畫面，出現監視漏洞。本案方法利用計算畫面平均亮度值(亦即灰階值)，如公式(16)所示，其中L_avg 代表影像畫面灰階值平均值，M×N為影像畫面總像素，f(x,y)為像素(x,y)之灰階值。由於閃爍畫面與正常穩定畫面之灰階值平均值變化曲線會有明顯差異，即閃爍畫面之灰階值平均值變化曲線會呈現凌亂的狀態，而正常穩定畫面之灰階值平均值變化曲線會呈現平滑而穩定的狀態，故可利用此差異性來偵測畫面是否有閃爍異常。

(16)

本案方法利用閃爍畫面及正常穩定畫面之灰階值平均值變化曲線圖的差異來判斷畫面是否閃爍異常，然而判斷該二曲線圖的差異之方法有許多種，下面只是其中一種。

本發明係利用上述畫面灰階值平均值之變化曲線以計算狀態改變數目來判斷畫面是否閃爍異常，狀態設定如公式(17)所示，其中，State_t 為當前狀態0、1或者不變，當相鄰影格之L_avg 相差值大於閥值C_th 時(本案方法設定C_th = 5，不應以此為限)，則狀態改變; 否則維持當前狀態。當狀態從0改變為1或從1變為0時，則計數器進行累加動作，透過判斷計數器的累加值(ACC)，如經連續n個回合改變狀態時，並且計數器累加值大於門檻值θ_A 時，則判斷為畫面有閃爍異常，發出警示訊息，如公式(18)所示。
(17)

If (18)
其中

綜觀上述，本發明之攝影機畫面異常之檢測方法乃為習知技術所不能及者，確實已達到所欲增進之功效，且也非熟悉該項技藝者所易於思及，其所具之進步性、實用性，顯然已符合專利之申請要件，爰依法提出專利申請，懇請貴局核准本件發明專利申請案，以勵創作，至感德便。

無

S101至S111‧‧‧步驟

Claims

【第1項】

一種攝影機畫面異常之檢測方法，其包含下列步驟：
擷取連續之複數個畫面；
藉由相鄰相減法判斷該複數個畫面是否穩定；
依據該複數個畫面建立二絕對背景，該二絕對背景相距一時間差，且分別每隔一預設時間進行更新；
藉由背景相減法判斷更新後之各該絕對背景及其對應之更新前之各該絕對背景之間之差異；
當更新前之至少一該絕對背景與對應之更新後之該絕對背景差異大於一第一門檻值時，依據該複數個畫面及該二絕對背景之灰階直方圖分佈及邊緣像素，判斷該攝影機畫面是否具有影像移位或遭受遮蔽之異常狀態，並對應異常狀態發出一警示訊息及執行對應異常狀態之一故障排除步驟；以及
當更新前之至少一該絕對背景與對應之更新後之該絕對背景差異小於該第一門檻值時，包含下列步驟：
依據該複數個畫面之亮度資訊及邊緣資訊，判斷該攝影機畫面是否具有濃霧之異常狀態；
依據該複數個畫面之高頻資訊遺失量，判斷該攝影機畫面是否具有失焦之異常狀態；
依據該複數個畫面之RGB各通道之平均亮度值及RGB各通道之局部區域平均亮度值，判斷該攝影機畫面是否具有色偏之異常狀態；
依據該複數個畫面之平均亮度值，判斷該攝影機畫面是否具有閃爍之異常狀態；以及
當該攝影機畫面未具有濃霧、失焦、色偏、閃爍或其組合之異常狀態時，則分別每隔該預設時間更新各該絕對背景，而當該攝影機畫面具有異常狀態時，則發出該警示訊息。
【第2項】

如申請專利範圍第1項所述之攝影機畫面異常之檢測方法，其中判斷該攝影機畫面是否穩定更包含下列步驟：
藉由其中一該畫面與相鄰之另一該畫面取得一差值影像；
當該差值影像中差值大之像素數量低於一預設百分比之總像素數量時，則判斷該攝影機畫面係為穩定狀態，並進行建立該二絕對背景；以及
當該差值影像中差值大之像素數量高於該預設百分比之總像素數量時，則判斷該攝影機畫面係為晃動狀態，並發出該警示訊息。
【第3項】

如申請專利範圍第1項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
判斷該複數個畫面之灰階直方圖在特定區間之像素總數是否大於各該絕對背景之灰階直方圖之像素總數；以及
當該複數個畫面之灰階直方圖在特定區間之像素總數大於或等於該二絕對背景之灰階直方圖之像素總數時，則判斷該複數個畫面之邊緣像素總數是否小於或等於各該絕對背景之一預設比例之邊緣像素總數。
【第4項】

如申請專利範圍第3項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
當絕對背景差異大，且該複數個畫面之灰階直方圖在特定區間之像素總數小於各該絕對背景之灰階直方圖之像素總數時，則判斷該攝影機畫面處於位移之異常狀態，並發出該警示訊息；
當絕對背景差異大，且該複數個畫面之灰階直方圖在特定區間之像素總數不小於各該絕對背景之灰階直方圖之像素總數，而該複數個畫面之邊緣像素總數大於各該絕對背景之該預設比例之邊緣像素總數時，則判斷該攝影機畫面處於位移之異常狀態，並發出該警示訊息；以及
當絕對背景差異大，且該複數個畫面之灰階直方圖在特定區間之像素總數不小於各該絕對背景之灰階直方圖之像素總數，而該複數個畫面之邊緣像素總數不大於各該絕對背景之該預設比例之邊緣像素總數時，則判斷該攝影機畫面處於遭受遮蔽之異常狀態，並發出該警示訊息。
【第5項】

如申請專利範圍第1項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
判斷該複數個畫面之平均亮度值之左邊最高峰峰值與平均亮度值之右邊最高峰峰值之差距是否小於一預設差距閥值；
判斷該複數個畫面之邊緣影像灰階直方圖之250至255灰階值及255灰階值之數量是否小於一預設數量閥值；以及
藉由Sobel邊緣檢測取得邊緣影像灰階平均值，並依據該複數個畫面之邊緣影像灰階平均值及原畫面之灰階影像標準差以判斷使否有霧及霧濃度，並發佈包含霧濃度之該警示訊息。
【第6項】

如申請專利範圍第5項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
當該複數個畫面之灰階直方圖之平均亮度之左邊最高峰峰值與平均亮度之右邊最高峰峰值之差距是小於該預設差距閥值時，則初步判斷該攝影機畫面處於起霧之異常狀態。
【第7項】

如申請專利範圍第6項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
當邊緣影像直方圖之250至255灰階值及255灰階值之數量皆小於該預設數量閥值時，則判斷該攝影機畫面處於起霧之異常狀態。
【第8項】

如申請專利範圍第1項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
設定高頻資訊量基準值，再藉由高頻資訊量基準值設定一預設遺失量；
判斷該複數個畫面之高頻資訊遺失量是否大於該預設遺失量；
當大於該預設遺失量時，則判斷該攝影機畫面處於失焦之異常狀態，並發佈該警示訊息；以及
當不大於該預設遺失量時，則更新高頻資訊基準值，進行下一次該複數個畫面之高頻資訊遺失量及該預設遺失量之比對判斷。
【第9項】

如申請專利範圍第1項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
判斷該複數個畫面之各色彩通道之最大平均亮度與各通道之最小平均亮度之差值是否大於一預設平均亮度差值；
判斷色彩偏移最大之色彩通道之亮部範圍之平均值與其他通道之亮部範圍之平均值之差距是否大於一預設平均值差距；
判斷色彩偏移最大之色彩通道之暗部範圍之平均值與其他色彩通道之暗部範圍之平均值之差距是否大於該預設平均值差距；
當各色彩通道之最大平均亮度與各色彩通道之最小平均亮度之差值大於該預設通道平均亮度差值，且色彩偏移最大之色彩通道之亮部範圍之平均值與其他色彩通道之亮部範圍之平均值之差距及色彩偏移最大之色彩通道之暗部範圍之平均灰階值與其他色彩通道之暗部範圍之平均值之差距皆大於該預設平均值差距時，則判斷該攝影機畫面處於色偏之異常狀態，並發佈該警示訊息。
【第10項】

如申請專利範圍第1項所述之攝影機畫面異常之檢測方法，其更包含下列步驟：
判斷該複數個畫面之相鄰影格之差異值；
當相鄰影格之差異值大於一第二門檻值時，則判斷影像狀態改變；以及
當影像狀態改變之次數大於一預設累加數時，則判斷該攝影機畫面處於影像閃爍之異常狀態，並發佈該警示訊息。