本發(fā)明涉及攝像頭移位檢測(cè)，具體地，涉及一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法、系統(tǒng)、終端及介質(zhì)。

背景技術(shù)：

1、隨著現(xiàn)代視頻監(jiān)控設(shè)備的普及，攝像頭的部署日益廣泛。在某些關(guān)鍵場(chǎng)景，如安全生產(chǎn)和敏感區(qū)域中，攝像頭的位置改變可能會(huì)違反相關(guān)規(guī)定或直接影響監(jiān)控效果，甚至引發(fā)安全隱患。這種位置改變可能由人為調(diào)整、外部環(huán)境干擾或設(shè)備異常引起。此外，因外部環(huán)境變化導(dǎo)致攝像頭位置發(fā)生改變，同樣可能造成監(jiān)控失效。因此，準(zhǔn)確地識(shí)別攝像頭是否發(fā)生移位成為一個(gè)關(guān)鍵技術(shù)難題。

2、目前，針對(duì)攝像頭移位的識(shí)別方法大多依賴于人工檢查或傳統(tǒng)計(jì)算機(jī)視覺(jué)技術(shù)，例如基于圖像匹配的攝像頭移位檢測(cè)方法。該方法通過(guò)提取攝像頭前后幀的特征點(diǎn)，并使用圖像配準(zhǔn)技術(shù)比較其空間分布和差異，從而判斷攝像頭是否發(fā)生移位。這一過(guò)程通常包括以下步驟：首先從圖像中提取顯著的特征點(diǎn)，如角點(diǎn)或邊緣特征；然后利用特定的配準(zhǔn)算法(如ransac)對(duì)前后幀的特征點(diǎn)進(jìn)行匹配與對(duì)齊；最后通過(guò)分析特征點(diǎn)的分布變化或偏移量判斷攝像頭是否發(fā)生位置變化。但是該基于圖像匹配的攝像頭移位檢測(cè)方法，通常存在如下技術(shù)問(wèn)題：

3、對(duì)環(huán)境依賴性強(qiáng)，無(wú)法適應(yīng)光照變化、動(dòng)態(tài)遮擋以及攝像頭花屏等復(fù)雜場(chǎng)景。

4、缺乏端到端的深度學(xué)習(xí)模型支持，識(shí)別效果受手工特征設(shè)計(jì)的限制，難以有效處理低質(zhì)量或破損圖像輸入。

5、當(dāng)攝像頭出現(xiàn)花屏、模糊等極端情況時(shí)，容易出現(xiàn)誤判。

6、在實(shí)時(shí)性上存在一定瓶頸，尤其是在需要處理高分辨率視頻時(shí)，對(duì)cpu和存儲(chǔ)資源的需求較高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)中存在的上述不足，提供了一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法、系統(tǒng)、終端及介質(zhì)。

2、根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，包括：

3、獲取包含多種場(chǎng)景的前后幀圖像數(shù)據(jù)集；

4、利用一孿生網(wǎng)絡(luò)模型對(duì)所述前后幀圖像數(shù)據(jù)進(jìn)行特征提取，得到前后幀多層特征；利用空間注意力機(jī)制對(duì)所述前后幀多層特征分別進(jìn)行特征差異計(jì)算，得到多層差異特征；對(duì)所述多層差異特征進(jìn)行差異特征融合與分類，訓(xùn)練得到結(jié)合孿生網(wǎng)絡(luò)和空間注意力機(jī)制的多任務(wù)模型；

5、對(duì)所述多任務(wù)模型進(jìn)行優(yōu)化，得到用于對(duì)待識(shí)別圖像進(jìn)行攝像頭移位識(shí)別的攝像頭移位檢測(cè)模型。

6、優(yōu)選地，上述方法，還包括：

7、利用所述攝像頭移位檢測(cè)模型，對(duì)待識(shí)別圖像進(jìn)行攝像頭移位識(shí)別。

8、根據(jù)本發(fā)明的另一個(gè)方面，提供了一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別系統(tǒng)，包括：

9、數(shù)據(jù)獲取模塊，該模塊用于獲取包含多種場(chǎng)景的前后幀圖像數(shù)據(jù)集；

10、模型訓(xùn)練模塊，該模塊利用一孿生網(wǎng)絡(luò)模型對(duì)所述前后幀圖像數(shù)據(jù)進(jìn)行特征提取，得到前后幀多層特征；利用空間注意力機(jī)制對(duì)所述前后幀多層特征分別進(jìn)行特征差異計(jì)算，得到多層差異特征；對(duì)所述多層差異特征進(jìn)行差異特征融合與分類，訓(xùn)練得到結(jié)合孿生網(wǎng)絡(luò)和空間注意力機(jī)制的多任務(wù)模型；

11、模型優(yōu)化模塊，該模塊用于對(duì)所述多任務(wù)模型進(jìn)行優(yōu)化，得到用于對(duì)待識(shí)別圖像進(jìn)行攝像頭移位識(shí)別的攝像頭移位檢測(cè)模型。

12、優(yōu)選地，上述系統(tǒng)，還包括：

13、移位識(shí)別模塊，該模塊利用所述攝像頭移位檢測(cè)模型，對(duì)待識(shí)別圖像進(jìn)行攝像頭移位識(shí)別。

14、根據(jù)本發(fā)明的第三個(gè)方面，提供了一種計(jì)算機(jī)終端，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，該處理器執(zhí)行該計(jì)算機(jī)程序時(shí)可用于執(zhí)行本發(fā)明上述中所述的方法，或，運(yùn)行本發(fā)明上述中所述的系統(tǒng)。

15、根據(jù)本發(fā)明的第四個(gè)方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)可用于執(zhí)行本發(fā)明上述中所述的方法，或，運(yùn)行本發(fā)明上述中所述的系統(tǒng)。

16、由于采用了上述技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有如下至少一項(xiàng)的有益效果：

17、本發(fā)明提供的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法、系統(tǒng)、終端及介質(zhì)，結(jié)合孿生網(wǎng)絡(luò)和空間注意力機(jī)制構(gòu)建多任務(wù)模型，提高了攝像頭移位識(shí)別的準(zhǔn)確性和魯棒性，通過(guò)深度網(wǎng)絡(luò)和多層次特征建模捕捉細(xì)微變化，提升了特征對(duì)比的精度和移位檢測(cè)的敏感性。

18、本發(fā)明提供的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法、系統(tǒng)、終端及介質(zhì)，通過(guò)多任務(wù)學(xué)習(xí)框架精確區(qū)分移位、非移位和拒絕判定三類情況，實(shí)現(xiàn)了對(duì)復(fù)雜場(chǎng)景(如光照變化、動(dòng)態(tài)遮擋、花屏等)的適應(yīng)，特別是通過(guò)拒絕判定機(jī)制有效應(yīng)對(duì)極端情形。

19、本發(fā)明提供的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法、系統(tǒng)、終端及介質(zhì)，可在邊緣計(jì)算設(shè)備上高效運(yùn)行，實(shí)現(xiàn)實(shí)時(shí)處理，支持實(shí)時(shí)處理；充分利用邊緣計(jì)算設(shè)備的ai算力，優(yōu)化計(jì)算資源需求，滿足了安全生產(chǎn)及敏感區(qū)域監(jiān)控的高要求。

20、本發(fā)明提供的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法、系統(tǒng)、終端及介質(zhì)，通過(guò)空間注意力機(jī)制在特征對(duì)比中的應(yīng)用，動(dòng)態(tài)關(guān)注前后幀關(guān)鍵區(qū)域差異，增強(qiáng)了模型對(duì)局部顯著性特征的感知能力，不僅提升了魯棒性和識(shí)別精度，還顯著降低了誤判和漏判率，拓展了實(shí)際應(yīng)用場(chǎng)景。

技術(shù)特征：

1.一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，所述獲取包含多種場(chǎng)景的前后幀圖像數(shù)據(jù)集，包括：

3.根據(jù)權(quán)利要求2所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，還包括：

4.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，還包括如下任意一項(xiàng)或任意多項(xiàng)：

5.根據(jù)權(quán)利要求4所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，還包括如下任意一項(xiàng)或任意多項(xiàng)：

6.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，所述對(duì)所述多任務(wù)模型進(jìn)行優(yōu)化，包括：

7.根據(jù)權(quán)利要求6所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，還包括如下任意一項(xiàng)或任意多項(xiàng)：

8.根據(jù)權(quán)利要求1-7中任一項(xiàng)所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法，其特征在于，還包括：

9.一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別系統(tǒng)，其特征在于，包括：

10.根據(jù)權(quán)利要求9所述的基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別系統(tǒng)，其特征在于，還包括：

11.一種計(jì)算機(jī)終端，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，該處理器執(zhí)行該計(jì)算機(jī)程序時(shí)可用于執(zhí)行權(quán)利要求1-8中任一項(xiàng)所述的方法，或，運(yùn)行權(quán)利要求9-10中任一項(xiàng)所述的系統(tǒng)。

12.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)可用于執(zhí)行權(quán)利要求1-8中任一項(xiàng)所述的方法，或，運(yùn)行權(quán)利要求9-10中任一項(xiàng)所述的系統(tǒng)。

技術(shù)總結(jié)
本發(fā)明提供了一種基于孿生網(wǎng)絡(luò)的攝像頭移位識(shí)別方法及系統(tǒng)，其中方法包括：獲取包含多種場(chǎng)景的前后幀圖像數(shù)據(jù)集；利用一孿生網(wǎng)絡(luò)模型對(duì)前后幀圖像數(shù)據(jù)進(jìn)行特征提取，得到前后幀多層特征；利用空間注意力機(jī)制對(duì)前后幀多層特征分別進(jìn)行特征差異計(jì)算，得到多層差異特征；對(duì)多層差異特征進(jìn)行差異特征融合與分類，訓(xùn)練得到結(jié)合孿生網(wǎng)絡(luò)和空間注意力機(jī)制的多任務(wù)模型；對(duì)多任務(wù)模型進(jìn)行優(yōu)化，得到用于對(duì)待識(shí)別圖像進(jìn)行攝像頭移位檢測(cè)的攝像頭移位檢測(cè)模型。本發(fā)明結(jié)合孿生網(wǎng)絡(luò)和空間注意力機(jī)制，提升了特征對(duì)比的精度和移位檢測(cè)的敏感性。引入空間注意力機(jī)制，用于動(dòng)態(tài)關(guān)注前后幀關(guān)鍵區(qū)域差異，增強(qiáng)了模型對(duì)局部顯著性特征的感知能力。

技術(shù)研發(fā)人員：時(shí)晨皓,李峰
受保護(hù)的技術(shù)使用者：中科海微（北京）科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8