(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210808555.3 (22)申请日 2022.06.30 (71)申请人 重庆倍莫 廷科技有限公司 地址 400050 重庆市九龙坡区华龙 大道48 号西部物贸中心D5 -27号 申请人 国科芯智 （重庆） 科技有限公司 (72)发明人 陈松　田文龙　 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/25(2022.01) G06V 10/48(2022.01) G06V 10/75(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种自适应的摄 像头偏移的识别方法 (57)摘要 本发明公开了一种自适应的摄像头偏移的 识别方法， 属于图像识别领域， 包含以下步骤： S1： 采用高斯滤波器降噪； S2： 进行像 素点的灰度 值进行均值化， 得到均值灰度图像； S3： 利用霍夫 变换方法提取直线特征； S4求相交的直线特征； S5： 进行目标检测， 得到相交的特征区域； S6： 进 行分布统计， 得到 各自的分布参数； S7： 利用累积 分布方法来检验分布； S8： 判断相交的特征区域 是否含有相交的直线特征； S9： 计算相交的直线 特征求取斜率和截距， 通过判断斜率和截距关 系， 确定摄像头是否偏移以及相应的偏移量， 以 便进行摄像头偏移预警。 本发明能够降低变化环 境对识别的影 响， 实现对复杂变化环 境下的摄像 头偏移的准确检测。 权利要求书2页 说明书5页 附图2页 CN 115187849 A 2022.10.14 CN 115187849 A 1.一种自适应的摄 像头偏移的识别方法， 其特 征在于， 包 含以下步骤： S1： 采用高斯滤波器对摄 像头采集的HSV图像进行降噪处 理； S2： 将一个识别周期内的摄像头采集HSV图像转化为灰度图像， 并进行像素点的灰度值 进行均值 化， 得到均值灰度图像； S3： 利用霍夫变换方法对均值灰度图像中的直线特征进行提取， 得到本识别周期内的 特征图； S4： 将本识别周期内的特征图与初始识别周期的特征图进行求交， 得到相交的直线特 征的集合； S5： 利用深度学习技术对相交的直线特征进行目标检测， 划定检测区域， 即得到相交 的 特征区域； S6： 提取本识别周期和初始识别周期的均值灰度图像中对应的相交的特征区域， 分别 进行分布统计， 得到各自的分布参数； S7： 利用累积分布方法来检验每一个相交的特征区域本识别周期和初始识别周期的分 布是否为同一分布， 并删除不是同一个分布的相交的特 征区域； S8： 如果相交的特征 区域中不含相交的直线特征， 则返回步骤S2， 对下一个识别周期进 行识别； 当连续多个识别周期相交的特征区域中不含相交的直线 特征时， 进行故障报警； 如 果相交的特 征区域中含有相交的直线特 征， 则进行步骤S9的处 理； S9： 建立图像坐标系， 分别对本识别周期和初始识别周期的相交的直线特征求取斜率 和截距， 通过判断斜率和截距关系， 来确定摄像头是否偏移以及相应的偏移 量， 以便进行摄 像头偏移预警。 2.根据权利要求1所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 所述的识 别周期的长度可以采用自适应方法根据具体的需要调整。 3.根据权利要求1所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 为了减少 计算量， 有针对性的提取明显的直线特征， 所述的步骤S3中的均值灰度图像在进行霍夫变 换前需要进行图像灰度级压缩。 4.根据权利要求1所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 所述的步 骤S4具体为： S401： 将本识别周期内的特征图与初始识别周期的特征图中特征直线包含的特征点进 行查找和匹配； S402： 对特征直线中匹配成功的特征点提取出来， 构成新的特征直线的集合， 即为相交 的直线特 征的集合。 5.根据权利要求1所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 步骤S5所 述的深度学习技 术为Faster R‑CNN、 SSD和YOLO目标识别模型中的一个。 6.根据权利要求1所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 为了进一 步的减少外界环境变化对相交的直线 特征的干扰， 所述的步骤S6所述的本识别周期和初始 识别周期的均值灰度图像可以为本识别周期和初始识别周期的均值的HSV图像， 并每一对 相交的特 征区域分别建立 三原色对应的三个分布。 7.根据权利要求1所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 所述的步 骤S9为：权　利　要　求　书 1/2 页 2 CN 115187849 A 2S901： 按照摄 像头的最大监控角度为 边界， 像素点大小为 最小刻度， 建立图像坐标系； S902： 将每一对相交的直线特征的特征点对应的坐标采用最小二乘法进行拟合， 得到 斜率和截距； S903： 计算每一对相交的直线特 征的斜率差值和截距差值； S094： 计算所有相交的直线特征的斜率差值的均值以及截距差值的均值， 即为 图像偏 移角度和偏移 距离； S095： 当偏移角度和 偏移距离大于设定阈值时， 则输出摄像头偏移的报警， 否则输出摄 像头未偏移的结果。 8.根据权利要求7所述的一种自适应的摄像头偏移的识别方法， 其特征在于， 为了更好 排除干扰， 提高识别精度， 步骤S904可以采用K ‑means方法进行二中心聚类， 分别对本识别 周期和初始识别周期的相交的直线特征进 行聚类， 通过聚类中心直接计算出图像偏移角度 和偏移距离。权　利　要　求　书 2/2 页 3 CN 115187849 A 3