一种云台故障检测方法及装置

摘要

本发明公开了一种云台故障检测方法及装置，所述方法包括步骤：A、向待测云台发出云台控制指令，并获取连续采集的系列图像作为待分析图像；B、对待分析图像进行特征提取并分析，得出其中背景图像的变化状态，据此确定待测云台的变化状态；C、判断背景图像的运动状态和云台控制指令是否一致，据此判定待测云台是否工作正常。本发明所提供的故障检测方法及装置对光照变化、图像前景目标运动干扰、随机噪声干扰的适应性更强；扩展了云台故障检测的功能，不仅可检测到云台的运动或静止状态，还可检测出云台运动时具体的运动方向和移动大小；还可进一步估计出云台的运动速度，更加准确地判断云台的可靠性。

主权项

1.一种云台故障检测方法，其特征在于，包括步骤：A、向待测云台发出云台控制指令，并获取所述待测云台上的视频设备连续采集的系列图像；并从所述系列图像中选取两幅图像作为待分析图像，且所述两幅图像间隔20帧-30帧；B、对所述待分析图像进行特征提取并分析，得出其中背景图像的变化状态，并据此确定待测云台的变化状态；步骤B进一步包括：B1、利用SURF算法计算得出所述待分析图像的对应特征点集合O：O＝{(x，y)→(x′，y′)|(x₁，y₁)→(x′₁，y′₁)，...，(x_n，y_n)→(x′_n，y′_n)}；其中的(x_n，y_n)和(x′_n，y′_n)表示所述两幅图像中的对应特征点；B2、根据所述对应特征点集合O计算得出所述待分析图像的图像背景对应点集合O′；步骤B2进一步包括：B21、根据对应特征点集合O计算得到图像特征点对距离集合S；步骤B21中，图像特征点对距离集合S＝{r₁，r₂，...，r_n|r_n＝|x_n-x′_n|+|y_n-y′_n|}，其中的r_n反映所述两幅图像中对应特征点(x_n，y_n)→(x′_n，y′_n)移动的距离；B22、利用自适应聚类算法对所述图像特征点对距离集合S进行分割，最终计算得出图像背景对应点集合O′；步骤B22进一步包括：①定义聚类集合S′＝{φ}，S′表示运动目标类集合；②从S中取出一个元素r_j，加入到S′，加入条件为：当S′＝{φ}时，在S′中添加一个运动目标类c，并直接将r_j加入到该运动目标类c中；其中j取值为(1，2，......n)；当S′≠{φ}时，计算r_j与集合S′＝{c₁，c₂，...，c_m}中每一个类c_i的中心点c_ic的距离得到集合dist＝{|r_j-c_1c|，|r_j-c_2c|，...，|r_j-c_mc|}，计算集合dist中的最小值d_min＝arg min{dist}并将r_j进行归类：i：如果d_min＜T₀，则将r_j加入到与r_j距离最近的中心点c_ic所属类c_i中，同时，将用以对运动目标类中元素进行计数的该类计数器加1，i＝1、2、...、m，其中的m即运动目标类集合S′中元素的个数；ii：如果d_min≥T₀，则在S′中添加一个新的运动目标类c_m+1，并将r_j加入到c_m+1中，同时，增加定义该类计数器并赋初值为0；其中的T₀为分类阈值，T₀＝3；③若S≠{φ}，则转至步骤②，否则继续执行步骤④；④查找出类计数器集合中的最大值然后在对应的运动目标类c_j中找到中心点e；⑤从集合O中挑选出e近邻集合O′，即图像背景对应点集合，O′＝{(x_z，y_z)→(x′_z，y′_z)|z∈[1，2，...，M]，|e-(|x_z-x′_z|+|y_z-y′_z|)|＜T₀)}；M为图像背景对应点集合O′中元素的个数；B3、根据所述图像背景对应点集合O′判定背景图像的变化状态，并据此确定所述待测云台的变化状态；C、判断所述待测云台的变化状态和所述云台控制指令是否一致，若一致，则判定所述待测云台工作正常；若不一致，则判定所述待测云台出现故障。