python收入波动告警分析_[计算机视觉]100行python实现摄像机偏移、抖动告警

背景

在实际项目中，利用深度学习在检测道路车辆并分析车辆行为时，需要按照事先规定的方法绘制检测区(包含道路方向、车道区域等)。由于各种原因(人为、天气)，获取视频数据的摄像角度容易偏移原来设定的位置，造成检测区域和实际画面不匹配，系统容易产生误检误报等错误数据。因此需要在摄像机位置偏移第一时间告诉系统检测模块停止工作，直到摄像机归位后再进行检测。摄像机角度偏移告警属于‘视频诊断’中的一类，本文利用提取图片特征点实现摄像机偏移告警，demo全部python代码不足200行。

前面有几篇博客文字太少，发不了首页：

这里是

图像特征点

对于任何一张二维图片，从像素级别上看，都存在一些我们肉眼看不到的比较独特的像素单元(可以理解为像素块)，就像我们每个人的脸都会与众不同一样，我们称这些具有特点的像素区域为“图像特征点”。已经有非常成熟的算法来提取图片的特征点：

(1)Harris：用于检测角点；

(2)SIFT：用于检测斑点；

(3)SURF：用于检测斑点；

(4)FAST：用于检测角点；

(5)BRIEF：用于检测斑点；

(6)ORB：表示带方向的FAST算法与具有旋转不变性的BRIEF算法；

详细算法原理上网搜一下(我也不是很清楚:))，OpenCV中包含以上几种算法实现。

角点：

图像中涉及到拐角的区域，比如物体有轮廓，图像中的物体有边缘区分。

斑点：

一块有特别规律的像素区域。

方向、尺寸不变性：

指特征点不会受图片尺寸、旋转而改变，比如同一张图，你缩小一倍旋转90度后，特征点还是一样的。

图像匹配

提取两张图片的特征点，然后将这些特征点进行匹配关联。如果匹配程度满足某一阈值，则认为这两张图满足匹配条件。注意，对于同一个物体，拍摄角度不同，亮度不同都应该满足匹配条件。

可以看到，对于同一个场景的不同拍摄角度的两张图片，能找到匹配到的特征点，但是误差非常大。我们设置一个阈值，满足该条件才认为两个点匹配：

误差少很多了，匹配到的特征点也非常正确。

换一组摄像机的照片，前一张和后一张在拍摄时，摄像机角度往左下角有偏移，所以对应匹配到的特征点往右上方移动了：

我们可以看到，虽然拍摄角度不同，但是由于场景类似，仍然能匹配到特征点(为了减少绘图方便看清楚，阈值设置非常严格，如果放宽一点还能看到更多匹配到的点)，而且这些匹配到的点几乎都正确。对于两张完全不同的场景照片，匹配到的特征点非常少或者为零(具体看设置的阈值)

场景不同，匹配到的特征点只有视频上的文字。

角度偏移告警

如果摄像机位置不变，前后拍摄两张照片，那么这两张照片匹配到的特征点的二维物理坐标应该是一样的(可能有轻微偏移，两张照片尺寸一致)。那么我们可以根据摄像机前后两帧(或间隔时间内取得的两帧)的匹配点物理位置是否有偏移，设置一个偏移阈值，大于该阈值时则认为偏移，否则认为没偏移(或轻微偏移)，当然，如果两帧匹配到的特征点非常少(低于一个阈值)，那么我们认为这俩帧完全不一样了(场景不一样了)，这时候摄像机完全偏移了原来的角度。

注意点：

1)阈值非常重要；

2)前后帧匹配时，要去掉类似摄像机自动加上去的“视频位置”、“当前时间”等等区域，因为这些区域很多时候能够匹配到特征点，并且物理位置坐标不会发生变化，造成误差；

3)在计算特征点物理位置偏移量时，取所有特征点物理位置偏移的平均值。

最终效果

间隔时间取视频中的帧，进行特征点对比。根据前面的思路分为4个等级：“无偏移”、“轻度偏移(抖动)”、“严重偏移”、“完全偏移”。

源代码

最重要的是代码，很简单，直接贴上来即可。加起来不到160行。测试很多场景，效果都不错。

1 '''

2 视频帧匹配脚本3 '''

4 importnumpy as np5 importcv26

7 #至少10个点匹配

8 MIN_MATCH_COUNT = 10

9 #完全匹配偏移 d<4

10 BEST_DISTANCE = 4

11 #微量偏移 4

12 GOOD_DISTANCE = 10

13

14

15 #特征点提取方法，内置很多种

16 algorithms_all ={17 "SIFT": cv2.xfeatures2d.SIFT_create(),18 "SURF": cv2.xfeatures2d.SURF_create(8000),19 "ORB": cv2.ORB_create()20 }21

22 '''

23 # 图像匹配24 # 0完全不匹配 1场景匹配 2角度轻微偏移 3完全匹配25 '''

26 defmatch2frames(image1, image2):27 img1 =cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)28 img2 =cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)29

30 size1 =img1.shape31 size2 =img2.shape32

33 img1 = cv2.resize(img1, (int(size1[1]*0.3), int(size1[0]*0.3)), cv2.INTER_LINEAR)34 img2 = cv2.resize(img2, (int(size2[1]*0.3), int(size2[0]*0.3)), cv2.INTER_LINEAR)35

36 sift = algorithms_all["SIFT"]37

38 kp1, des1 =sift.detectAndCompute(img1, None)39 kp2, des2 =sift.detectAndCompute(img2, None)40

41 FLANN_INDEX_KDTREE =042 index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)43 search_params = dict(checks = 50)44

45 flann =cv2.FlannBasedMatcher(index_params, search_params)46

47 matches = flann.knnMatch(des1, des2, k=2)48

49 #过滤

50 good =[]51 for m,n inmatches:52 if m.distance < 0.7*n.distance:53 good.append(m)54

55 if len(good) <=MIN_MATCH_COUNT:56 return 0 #完全不匹配

57 else:58 distance_sum = 0 #特征点2d物理坐标偏移总和

59 for m ingood:60 distance_sum +=get_distance(kp1[m.queryIdx].pt, kp2[m.trainIdx].pt)61 distance = distance_sum / len(good) #单个特征点2D物理位置平均偏移量

62

63 if distance <64 return>

65 elif distance < GOOD_DISTANCE and distance >=BEST_DISTANCE:66 return 2 #部分偏移

67 else:68 return 1 #场景匹配

69

70

71 '''

72 计算2D物理距离73 '''

74 defget_distance(p1, p2):75 x1,y1 =p176 x2,y2 =p277 return np.sqrt((x1-x2)**2 + (y1-y2)**2)78

79

80 if __name__ == "__main__":81 pass

测试

1 '''

2 摄像机角度偏移告警3 '''

4 importcv25 importdo_match6 importnumpy as np7 from PIL importImage, ImageDraw, ImageFont8

9 '''

10 告警信息11 '''

12 defputText(frame, text):13 cv2_im =cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)14 pil_im =Image.fromarray(cv2_im)15

16 draw =ImageDraw.Draw(pil_im)17 font = ImageFont.truetype("fonts/msyh.ttc", 30, encoding="utf-8")18 draw.text((50, 50), text, (0, 255, 255), font=font)19

20 cv2_text_im =cv2.cvtColor(np.array(pil_im), cv2.COLOR_RGB2BGR)21

22 returncv2_text_im23

24

25

26

27 texts = ["完全偏移","严重偏移", "轻微偏移", "无偏移"]28

29 cap = cv2.VideoCapture('videos/test4_new.mp4')30

31 if (cap.isOpened()==False):32 print("Error opening video stream or file")33

34 first_frame =True35 pre_frame =036

37 index =038

39 while(cap.isOpened()):40 ret, frame =cap.read()41 if ret ==True:42 iffirst_frame:43 pre_frame =frame44 first_frame =False45 continue

46

47 index += 1

48 if index % 24 ==0:49 result =do_match.match2frames(pre_frame, frame)50 print("检测结果===>", texts[result])51

52 if result > 1: #缓存最近无偏移的帧

53 pre_frame =frame54

55 size =frame.shape56

57 if size[1] > 720: #缩小显示

58 frame = cv2.resize(frame, (int(size[1]*0.5), int(size[0]*0.5)), cv2.INTER_LINEAR)59

60 text_frame =putText(frame, texts[result])61

62 cv2.imshow('Frame', text_frame)63 if cv2.waitKey(1) & 0xFF == ord('q'):64 break

65 else:66 break

67

68 cap.release()69 cv2.destroyAllWindows()

64>