[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：

[AI分享]零高数理解人工智能和深度学习

[AI开发]基于深度学习的卡口车型、车牌识别

这里是[AI+计算机视觉]的所有文章，需要的朋友可以点一波关注或者收藏一下。

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。

 '''
 视频帧匹配脚本
 '''
 import numpy as np
 import cv2 

 #至少10个点匹配
 MIN_MATCH_COUNT = 10
 #完全匹配偏移 d<4
 BEST_DISTANCE = 4
 #微量偏移  4<d<10
 GOOD_DISTANCE = 10

 # 特征点提取方法，内置很多种
 algorithms_all = {
     "SIFT": cv2.xfeatures2d.SIFT_create(),
     "SURF": cv2.xfeatures2d.SURF_create(8000),
     "ORB": cv2.ORB_create()
 }

 '''
 # 图像匹配
 # 0完全不匹配 1场景匹配 2角度轻微偏移 3完全匹配
 '''
 def match2frames(image1, image2):
     img1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
     img2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

     size1 = img1.shape
     size2 = img2.shape

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

     sift = algorithms_all["SIFT"]

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

     FLANN_INDEX_KDTREE = 0
     index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
     search_params = dict(checks = 50)

     flann = cv2.FlannBasedMatcher(index_params, search_params)

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

     # 过滤
     good = []
     for m,n in matches:
         if m.distance < 0.7*n.distance:
             good.append(m)

     if len(good) <= MIN_MATCH_COUNT:
         return 0  # 完全不匹配
     else:
         distance_sum = 0  # 特征点2d物理坐标偏移总和
         for m in good:
             distance_sum += get_distance(kp1[m.queryIdx].pt, kp2[m.trainIdx].pt)
         distance = distance_sum / len(good)  #单个特征点2D物理位置平均偏移量

         if distance < BEST_DISTANCE:
             return 3  #完全匹配
         elif distance < GOOD_DISTANCE and distance >= BEST_DISTANCE:
             return 2  #部分偏移
         else:
             return 1  #场景匹配

 '''
 计算2D物理距离
 '''
 def get_distance(p1, p2):
     x1,y1 = p1
     x2,y2 = p2
     return np.sqrt((x1-x2)**2 + (y1-y2)**2)

 if __name__ == "__main__":
     pass

测试

 '''
 摄像机角度偏移告警
 '''
 import cv2
 import do_match
 import numpy as np
 from PIL import Image, ImageDraw, ImageFont

 '''
 告警信息
 '''
 def putText(frame, text):
   cv2_im = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
   pil_im = Image.fromarray(cv2_im)

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

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

   return cv2_text_im

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

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

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

 first_frame = True
 pre_frame = 0

 index = 0

 while(cap.isOpened()):
   ret, frame = cap.read()
   if ret == True:
     if first_frame:
         pre_frame = frame
         first_frame = False
         continue

     index += 1
     if index % 24 == 0:
       result = do_match.match2frames(pre_frame, frame)
       print("检测结果===>", texts[result])

       if result > 1:  # 缓存最近无偏移的帧
         pre_frame = frame

       size = frame.shape

       if size[1] > 720: # 缩小显示
         frame = cv2.resize(frame, (int(size[1]*0.5), int(size[0]*0.5)), cv2.INTER_LINEAR)

       text_frame = putText(frame, texts[result])

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

 cap.release()
 cv2.destroyAllWindows()