專利名稱：一種云臺故障檢測方法及裝置的制作方法
一種云臺故障檢測方法及裝置本發(fā)明涉及視頻監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種云臺故障檢測方法及裝置。 [背景技術(shù)]在視頻監(jiān)控系統(tǒng)中，為了提高監(jiān)控區(qū)域的范圍，視頻設(shè)備一般都安裝在有一定自 由度的云臺上面，通過控制云臺的轉(zhuǎn)動來完成對同一監(jiān)控點不同角度的監(jiān)控。為了保證云 臺能夠根據(jù)遠端指令控制進行準確轉(zhuǎn)動來實現(xiàn)監(jiān)控目的，需要定期對云臺進行巡檢以保證 云臺不發(fā)生故障。傳統(tǒng)的云臺故障檢測采用人工巡檢方式，這種方式具有勞動強度大、故障檢測不 及時、效率低下的缺點。而專利號為200710119244的中國專利公開了 “一種視頻監(jiān)控設(shè)備 前端云臺故障的自動監(jiān)測方法和裝置”，采用基于圖像像素級運算的方法來實現(xiàn)云臺故障 的自動檢測，基本思想如下首先提取云臺上的視頻設(shè)備采集的靜態(tài)背景圖象，待云臺轉(zhuǎn)動 指令下達后，提取視頻設(shè)備采集的當前圖像，將當前圖像與背景圖像作差，如果差異值大于 閾值，則云臺發(fā)生轉(zhuǎn)動，反之，云臺靜止。該方法存在以下技術(shù)缺陷1)容易受到環(huán)境光照變化、隨機噪聲、前景目標運動的影響，閾值的選取在很大程 度上依賴于圖像內(nèi)容，自適應(yīng)性較差，大大降低了云臺故障自動巡檢的有效性。2)其云臺故障自動巡檢功能只能監(jiān)測到云臺的兩個狀態(tài)運動、靜止，功能比較 單一，而對于云臺錯誤的運動方式無能為力。本發(fā)明要解決的一個技術(shù)問題是提供一種魯棒的云臺故障檢測方法，以及相應(yīng)的 云臺故障檢測裝置，適用于現(xiàn)場光照會產(chǎn)生變化、前景存在運動目標的環(huán)境中，具有較強的 自適應(yīng)性。為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是，一種云臺故障檢測方法，包括步驟A、向所述待測云臺發(fā)出云臺控制指令，并獲取所述待測云臺上的視頻設(shè)備連續(xù)采 集的系列圖像作為待分析圖像；B、對所述待分析圖像進行特征提取并分析，得出其中背景圖像的變化狀態(tài)，并據(jù) 此確定待測云臺的變化狀態(tài)；C、判斷所述待測云臺的變化狀態(tài)和所述云臺控制指令是否一致，若一致，則判定 所述待測云臺工作正常；若不一致，則判定所述待測云臺出現(xiàn)故障。其中，所述步驟A中，從所述待測云臺上的視頻設(shè)備連續(xù)采集的系列圖像中選取 兩幅圖像作為待分析圖像，且所述兩幅圖像間隔20幀-30幀。其中，所述步驟B進一步包括Bi、利用SURF算法計算得出所述待分析圖像的對應(yīng)特征點集合0:0 = {(χ, y) — (χ' ,1’ ) I (χ” Y1) — (χ' γ，ι'》，···，(xn，yn) — (x' n，y' n)}；其中的(xn，yn)
5和(χ' n，y' n)表示所述兩幅圖像中的對應(yīng)特征點；B2、根據(jù)所述對應(yīng)特征點集合0計算得出所述待分析圖像的圖像背景對應(yīng)點集合 0'；B3、根據(jù)所述圖像背景對應(yīng)點集合0'判定背景圖像的變化狀態(tài)，并據(jù)此確定所述 待測云臺的變化狀態(tài)。其中，所述步驟B2進一步包括B21、根據(jù)對應(yīng)特征點集合0計算得到圖像特征點對距離集合S ；B22、利用自適應(yīng)聚類算法對所述圖像特征點對距離集合S進行分割，最終計算得 出圖像背景對應(yīng)點集合0'。其中，所述步驟B3進一步包括利用所述圖像背景對應(yīng)點集合0'采用以下公式估算背景圖像的移動角度θ和 移動距離r，其中，
J M_ ^O = -Yei Oi = arctan(^-^) , {(Xi, Yi) - (χ‘ i y' ,)} e ο'；
Xi-Xi
J Mr =—Y ,Ti = IXi-X' J + ly-y' i | ；且所述M為圖像背景對應(yīng)點集合O'
Mti
中元素的個數(shù)；根據(jù)所述移動角度θ和移動距離r判斷待測云臺的運動狀態(tài)當r <、則判定 待測云臺靜止；當r>r(l，則判定待測云臺運動；其中，Γ(ι為距離閾值，r(le [1,3]；且在判定待測云臺運動時，繼續(xù)判定云臺的運動方向dir 若γ《沒S,則云臺的運動方向dir為向上；若《沒則云臺的運動方向dir為向下； ^—<θ<π u 沒，則云臺的運動方向dir為向左； U沒《0，則云臺的運動方向dir為向右。其中，所述步驟B21中，圖像特征點對距離集合S = Ir1, r2, ... ,rn|rn= |χη-χ' J + |yn-y' n|}，其中的rn反映所述兩幅圖像中對應(yīng)特征點(xn，yn) — (x' n, y' n)移動的距離。其中，所述步驟B22進一步包括①定義聚類集合S' = {(M，S'表示運動目標類集合；②從S中取出一個元素r」，加入到S'，加入條件為當S' ={Φ}時，在S'中添加一個運動目標類C，并直接將h加入到該運動目標 類c中；當S'乒{Φ}時，計算！·」與集合S' = Ic1, c2，...，cj中每一個類Ci的中心點 Cic的距離得到集合dist = {|rrclc|, Irj-C2J,..., | rrcmc; |}，計算集合dist中的最小值 dmin = argmin{dist}并將r」進行歸類
i 如果dmin < T0,則將rj加入到與r」距離最近的中心點Ci。所屬類Ci中，同時，將 用以對運動目標類中元素進行計數(shù)的該類計數(shù)器加1 ； 如果Clmil^Tci，則在S'中添加一個新的運動目標類cm+1，并將r」加入到cm+1中， 同時，增加定義該類計數(shù)器并賦初值為0 ；其中的Ttl為分類閾值，T0 = 3；③若S興{ Φ }，則轉(zhuǎn)至步驟②，否則繼續(xù)執(zhí)行步驟④；④查找出類計數(shù)器集合{A^ I / = IiI...,m}中的最大值，其中的m即運動目
標類集合S'中元素的個數(shù)，然后在Ycy對應(yīng)的運動目標類…中找到中心點r ；⑤從集合0中挑選出r的近鄰集合0'，即圖像背景對應(yīng)點集合，0' = {(xffl, ym) — (X' m，y' Jlrne [1,2,...,Μ], |r-(|xm-x' J + |ym-y' J)|<T0)}。本發(fā)明要解決的另一個技術(shù)問題是提供一種云臺故障檢測裝置，應(yīng)用于視頻監(jiān)控 系統(tǒng)中的視頻管理服務(wù)器，該裝置包括圖像采集模塊，用于在視頻管理服務(wù)器向待測云臺發(fā)出云臺控制指令后獲取所述 待測云臺上的視頻設(shè)備連續(xù)采集的系列圖像作為待分析圖像；運動狀態(tài)檢測模塊，用于對所述待分析圖像進行特征提取并分析，得出其中背景 圖像的變化狀態(tài)，據(jù)此確定待測云臺的變化狀態(tài)；檢測結(jié)果判斷模塊，用于通過對比所述待測云臺的變化狀態(tài)和所述云臺控制指令 是否一致來判定待測云臺是否發(fā)生故障。其中，所述運動狀態(tài)檢測模塊包括SURF特征提取/匹配模塊，用于利用SURF算法計算得出所述待分析圖像的對應(yīng)特 征點集合；背景圖像匹配點對估算模塊，用于根據(jù)所述對應(yīng)特征點集合計算得出待分析圖像 的圖像背景對應(yīng)點集合；運動狀態(tài)判定模塊，用于根據(jù)所述圖像背景對應(yīng)點集合計算得出背景圖像的變化 狀態(tài)，據(jù)此確定待測云臺的變化狀態(tài)。本發(fā)明具有以下有益效果本發(fā)明通過對比背景圖像的運動狀態(tài)和云臺控制指令是否一致的方法來檢測云 臺是否發(fā)生故障，與現(xiàn)有技術(shù)相比，具有如下優(yōu)勢1)本發(fā)明應(yīng)用基于SURF描述子的圖像匹配方法，較圖像像素級匹配方法更加穩(wěn) 定，對光照變化、圖像前景目標運動干擾、隨機噪聲干擾的適應(yīng)性更強；2)擴展了云臺故障檢測的功能，不僅可以檢測到云臺的運動或靜止狀態(tài)，還可以 檢測出云臺運動時具體的運動方向和移動大??；3)利用背景圖像的移動方向和大小還可以進一步估計出云臺的運動速度，更加準 確地判斷云臺的可靠性。下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步詳細的說明。


圖1是本發(fā)明實施例中云臺故障檢測裝置結(jié)構(gòu)圖。圖2是本發(fā)明實施例中云臺故障檢測方法流程圖。圖3是本發(fā)明實施例中圖像背景對應(yīng)點集合0'的計算方法流程圖。本發(fā)明的核心思想為在需要進行巡檢時，向待測云臺發(fā)出云臺控制指令(指令 的種類包括向上、向下、向左、向右、停五種)，同時，云臺上的視頻設(shè)備連續(xù)采集一系列圖像 作為待分析圖像；然后，利用SURF算法對待分析圖像進行特征提取，通過這些特征計算得 出其中背景圖像的變化狀態(tài)，進而據(jù)此確定待測云臺的變化狀態(tài)(包括待測云臺的由靜止 狀態(tài)到運動狀態(tài)的變化、由運動狀態(tài)到靜止狀態(tài)的變化、以及運動狀態(tài)下的運動方向和運 動速度)；最后，將所得待測云臺的變化狀態(tài)與上述云臺控制指令比較得出檢測結(jié)果，若兩 者一致，則表明待測云臺工作正常，否則表明待測云臺發(fā)生故障。其中，SURF(Speeding-Up Robust Feature，快速的健壯特征)算法是在 SIFT (Scale Invarint Feature Transform, 尺度不變特征變換)算法基礎(chǔ)上發(fā)展起來一種更加高效的方法，算法思想與SIFT基本一 致，由于引入了積分圖，計算更加快速，識別性能與SIFT相當；該SURF算法同樣對圖像旋 轉(zhuǎn)、縮放、甚至仿射變換都能很好保持圖像不變特征，對一定范圍內(nèi)的光照變化也有很好的 適應(yīng)性，在圖像識別方面應(yīng)用廣闊，因而本發(fā)明采用SURF算法來實現(xiàn)。請參閱圖1，該圖所示為本實施例中云臺故障檢測裝置的結(jié)構(gòu)，包括依次連接的 圖像采集模塊、運動狀態(tài)檢測模塊、檢測結(jié)果判斷模塊，其中，圖像采集模塊，用于在視頻管理服務(wù)器向待測云臺發(fā)出云臺控制指令后獲取待測 云臺上的視頻設(shè)備連續(xù)采集的系列圖像作為待分析圖像；運動狀態(tài)檢測模塊，用于通過分析計算待分析圖像中背景圖像的變化狀態(tài)來確定 待測云臺的變化狀態(tài)；該模塊具體包括禾_ SURF算法計算得出待分析圖像的對應(yīng)特征點 集合的SURF特征提取/匹配模塊、根據(jù)對應(yīng)特征點集合計算得出待分析圖像的圖像背景對 應(yīng)點集合的背景圖像匹配點對估算模塊、以及根據(jù)圖像背景對應(yīng)點集合計算得出背景圖像 的運動狀態(tài)的運動狀態(tài)判定模塊；檢測結(jié)果判斷模塊，用于通過對比背景圖像的運動狀態(tài)和云臺控制指令是否一致 來判定云臺是否發(fā)生故障。請參閱圖2，該圖所示為上述裝置所實現(xiàn)的云臺故障檢測方法，具體包括以下步 驟步驟201、進行圖像采集在視頻監(jiān)控系統(tǒng)中視頻管理服務(wù)器向編碼器發(fā)出云臺 控制指令、由編碼器根據(jù)云臺控制指令控制云臺發(fā)生轉(zhuǎn)動時，觸發(fā)圖像采集模塊獲取云臺 上視頻設(shè)備連續(xù)采集的多幀圖像，挑選其中兩幅圖像作為分析的輸入圖像(考慮到云臺 轉(zhuǎn)動較慢，圖像內(nèi)容發(fā)生變化需要一定時間，因而所挑選的兩幅圖像之間最好間隔20-30 幀)。步驟202、利用SURF算法計算得到上述兩幅圖像的對應(yīng)特征點集合0 :0 = {(χ, y) — (χ'，y' ) I (xi; Y1) - (χ' 1； y' ^ , . . . , (xn, yn) - (x' n, y' n)}，其中的對應(yīng)特 征點(x，y)與(x'，1’ )反映了兩幅圖像中具有局部紋理相似的像素點。步驟203、采用自適應(yīng)聚類算法從對應(yīng)特征點集合0中分割得到圖像背景對應(yīng)點集合0'(其中的圖像背景對應(yīng)點反映了兩幅圖像中的背景圖像部分的具有局部紋理相似 的像素點)，具體包括以下步驟a、根據(jù)對應(yīng)特征點集合0計算圖像特征點對距離集合S =S = {ri;r2,.. . ,rn|rn = Xn-X' l + |yn-y' n|}，其中的rn反映了對應(yīng)特征點(xn，yn) — (x' n，y' n)移動的距離。b、基于圖像背景點較前景點運動慢的特點，利用自適應(yīng)聚類算法在集合S上進行 分割，最終獲得圖像背景對應(yīng)點集合0'，該步驟具體如圖3所示，包括301、定義聚類集合S' = {Φ}, S'表示運動目標類集合；由于待分析圖像中包 括背景圖像以及一個或者多個運動前景，而背景圖像以及各運動前景的運動速度會有所區(qū) 別，所以本實施例中將根據(jù)運動速度的不同對待分析圖像的對應(yīng)特征點進行分類，并將該 類稱為運動目標類；302、從S中取出一個元素r」，加入到S'，加入條件為ASS' ={Φ}時，在S'中添加一個運動目標類c，并直接將1^加入到該運動目 標類c中；B:當S' Φ {Φ}時，計算！·」與集合S' = {ci，c2，...，cj中每一個類的中心點的 距離得到集合dist= {|rrclc I, rrc2c|, ... , Irj-CmcJ }(其中，Cic表示類Ci的中心點(i =1、2.....m))，計算集合dist中的最小值dmin = argmin{diSt}并將r」進行歸類Bl 如果dmin < TQ，則將rj加入到包含與r」距離最近的中心點的類Ci中，同時，將 用以對運動目標類中元素進行計數(shù)的該類計數(shù)器加1 ；B2 如果dmin >1；，則在5'中添加一個新的運動目標類cm+1，并將r」加入到cm+1中， 同時，增加定義該類計數(shù)器^Cm+1并賦初值為O ；其中的Ttl為分類閾值，T0 = 3；303、若S興{ Φ }，算法轉(zhuǎn)至步驟302，否則繼續(xù)執(zhí)行步驟304 ；304、查找出類計數(shù)器集合{Λ^ I/=I5I".,W}(其中m即運動目標類集合S'中
元素的個數(shù))中的最大值^“。，由于背景點的數(shù)量較前景運動點的數(shù)量大得多且運動更
加一致，所以本實施例中將對應(yīng)的運動目標類…確定為背景圖像點的集合，然后在Cj中 找到中心點r」；305、從集合0中挑選出！·」的近鄰集合0'，即圖像背景對應(yīng)點集合， 步驟204、利用圖像背景對應(yīng)點集合0'估算背景圖像移動角度θ和移動距離r; 按照以下公式計算，
J MV-V移動角度: 移動距離 步驟205、判定云臺運動狀態(tài)，規(guī)則如下若！· < A，則判定云臺靜止；若r > rQ，則 判定云臺運動；A e [1，3]，且運動方向dir表示如下

，則云臺的運動方向dir為向上； 若沒S-·^，則云臺的運動方向dir為向下； ^—<θ<π U 沒,則云臺的運動方向dir為向左； U沒《0,則云臺的運動方向dir為向右。步驟206、將云臺運動狀態(tài)與云臺控制指令進行比較，若兩者一致，表明云臺工作 正常；若不一致，表明云臺運動出現(xiàn)故障。在上述方法中，因為背景圖像的變化狀態(tài)體現(xiàn)了云臺的運動狀態(tài)，所以還可計算 獲取前后兩幅圖像的時間差，根據(jù)該時間差以及步驟205中計算得到的背景圖像的移動角 度和移動距離來進一步確定云臺的運動速度，以便更加準確地判斷云臺的可靠性。另外，可在matlab7. 1平臺上，采用matlab編程語言進行仿真實驗，實驗參數(shù)參照 上文中步驟201至206所述，利用云臺轉(zhuǎn)動視頻流錄像作為輸入數(shù)據(jù)，云臺控制指令可設(shè)置 為向上、向下、向左、向右或靜止不動，圖像中還包含有運動目標和光照變化情況。根據(jù)仿真 試驗結(jié)果可見，本發(fā)明可以準確地檢測出云臺是否按照控制指令進行運動或者靜止以及在 運動時運動方向是否正確。所以，可以采用本發(fā)明對大量云臺進行批量檢測，既大大節(jié)省了 巡檢時間和勞動成本，又保證了檢測的準確性。以上實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，僅僅參照較佳實施例對本發(fā) 明進行了詳細說明。本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，可以對本發(fā)明的技術(shù)方案進行修改 或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范 圍當中。
權(quán)利要求
一種云臺故障檢測方法，其特征在于，包括步驟A、向所述待測云臺發(fā)出云臺控制指令，并獲取所述待測云臺上的視頻設(shè)備連續(xù)采集的系列圖像作為待分析圖像；B、對所述待分析圖像進行特征提取并分析，得出其中背景圖像的變化狀態(tài)，并據(jù)此確定待測云臺的變化狀態(tài)；C、判斷所述待測云臺的變化狀態(tài)和所述云臺控制指令是否一致，若一致，則判定所述待測云臺工作正常；若不一致，則判定所述待測云臺出現(xiàn)故障。
2.根據(jù)權(quán)利要求1所述的云臺故障檢測方法，其特征在于，所述步驟A中，從所述待測 云臺上的視頻設(shè)備連續(xù)采集的系列圖像中選取兩幅圖像作為待分析圖像，且所述兩幅圖像 間隔20幀-30幀。
3.根據(jù)權(quán)利要求2所述的云臺故障檢測方法，其特征在于，所述步驟B進一步包括 Bi、利用SURF算法計算得出所述待分析圖像的對應(yīng)特征點集合0 :0= {(x,y) — (χ'，y' ) I (X1, Y1) - (χ' y' )，···，(χη，yn) — (χ' η，y' η)}；其中的(χη，yn)和(χ' η， y' η)表示所述兩幅圖像中的對應(yīng)特征點；Β2、根據(jù)所述對應(yīng)特征點集合0計算得出所述待分析圖像的圖像背景對應(yīng)點集合0'； Β3、根據(jù)所述圖像背景對應(yīng)點集合0'判定背景圖像的變化狀態(tài)，并據(jù)此確定所述待測 云臺的變化狀態(tài)。
4.根據(jù)權(quán)利要求3所述的云臺故障檢測方法，其特征在于，所述步驟Β2進一步包括 Β21、根據(jù)對應(yīng)特征點集合0計算得到圖像特征點對距離集合S ；Β22、利用自適應(yīng)聚類算法對所述圖像特征點對距離集合S進行分割，最終計算得出圖 像背景對應(yīng)點集合0'。
5.根據(jù)權(quán)利要求3所述的云臺故障檢測方法，其特征在于，所述步驟Β3進一步包括 利用所述圖像背景對應(yīng)點集合0'采用以下公式估算背景圖像的移動角度θ和移動距離r，其中， ；且所述M為圖像背景對應(yīng)點集合0'中元 素的個數(shù)；根據(jù)所述移動角度θ和移動距離!·判斷待測云臺的運動狀態(tài)當r< IV則判定待測 云臺靜止；當r>r(l，則判定待測云臺運動；其中，Γ(ι為距離閾值，r(le [1,3]； 且在判定待測云臺運動時，繼續(xù)判定云臺的運動方向dir 若￥ M《γ，則云臺的運動方向dir為向上； 若-，則云臺的運動方向dir為向下； u 沒丁,則云臺的運動方向dir為向左； 若OS沒U 沒<0，則云臺的運動方向dir為向右。
6.根據(jù)權(quán)利要求4所述的云臺故障檢測方法，其特征在于，所述步驟B21中，圖像特征 點對距離集合 其中的rn反映所述兩幅圖像中對應(yīng)特征點(xn，yn) — (x' n,y' n)移動的距離。
7.根據(jù)權(quán)利要求4所述的云臺故障檢測方法，其特征在于，所述步驟B22進一步包括①定義聚類集合S'= {Φ},S'表示運動目標類集合；②從S中取出一個元素加入到S'，加入條件為當S' ={Φ}時，在S'中添加一個運動目標類c，并直接將&加入到該運動目標類c中；當S'乒{Φ}時，計算！·」與集合S' = {ci; C2,..., cj中每一個類Ci的中心點CiJ勺 距離得到集合dist = {|rrclc|, |rrc2c|,... , | rrcmc; |}，計算集合dist中的最小值dmin = argmin{dist}并將r」進行歸類i 如果dmin < T0,則將&加入到與&距離最近的中心點Ci。所屬類Ci中，同時，將用以 對運動目標類中元素進行計數(shù)的該類計數(shù)器加1 ； 如果dmin ^ T0,則在S'中添加一個新的運動目標類cm+1，并將L加入到cm+1中，同 時，增加定義該類計數(shù)器并賦初值為0 ； 其中的T。為分類閾值，T。= 3; ③若S興{Φ }，則轉(zhuǎn)至步驟②，否則繼續(xù)執(zhí)行步驟④；④查找出類計數(shù)器集合{Α^I = IA...,附}中的最大值^Cy ,其中的m即運動目標類集合S'中元素的個數(shù)，然后在~。對應(yīng)的運動目標類…中找到中心點r ；⑤從集合0中挑選出r的近鄰集合0'，即圖像背景對應(yīng)點集合，
8.—種云臺故障檢測裝置，應(yīng)用于視頻監(jiān)控系統(tǒng)中的視頻管理服務(wù)器，其特征在于，該 裝置包括圖像采集模塊，用于在視頻管理服務(wù)器向待測云臺發(fā)出云臺控制指令后獲取所述待測 云臺上的視頻設(shè)備連續(xù)采集的系列圖像作為待分析圖像；運動狀態(tài)檢測模塊，用于對所述待分析圖像進行特征提取并分析，得出其中背景圖像 的變化狀態(tài)，據(jù)此確定待測云臺的變化狀態(tài)；檢測結(jié)果判斷模塊，用于通過對比所述待測云臺的變化狀態(tài)和所述云臺控制指令是否 一致來判定待測云臺是否發(fā)生故障。
9.根據(jù)權(quán)利要求8所述的云臺故障檢測裝置，其特征在于，所述運動狀態(tài)檢測模塊包括SURF特征提取/匹配模塊，用于利用SURF算法計算得出所述待分析圖像的對應(yīng)特征點 集合；背景圖像匹配點對估算模塊，用于根據(jù)所述對應(yīng)特征點集合計算得出待分析圖像的圖 像背景對應(yīng)點集合；運動狀態(tài)判定模塊，用于根據(jù)所述圖像背景對應(yīng)點集合計算得出背景圖像的變化狀 態(tài)，據(jù)此確定待測云臺的變化狀態(tài)。
全文摘要
本發(fā)明公開了一種云臺故障檢測方法及裝置，所述方法包括步驟A、向待測云臺發(fā)出云臺控制指令，并獲取連續(xù)采集的系列圖像作為待分析圖像；B、對待分析圖像進行特征提取并分析，得出其中背景圖像的變化狀態(tài)，據(jù)此確定待測云臺的變化狀態(tài)；C、判斷背景圖像的運動狀態(tài)和云臺控制指令是否一致，據(jù)此判定待測云臺是否工作正常。本發(fā)明所提供的故障檢測方法及裝置對光照變化、圖像前景目標運動干擾、隨機噪聲干擾的適應(yīng)性更強；擴展了云臺故障檢測的功能，不僅可檢測到云臺的運動或靜止狀態(tài)，還可檢測出云臺運動時具體的運動方向和移動大??；還可進一步估計出云臺的運動速度，更加準確地判斷云臺的可靠性。
文檔編號H04N17/00GK101917599SQ20101023607
公開日2010年12月15日 申請日期2010年7月23日 優(yōu)先權(quán)日2010年7月23日
發(fā)明者向穩(wěn)新, 張巍, 蘇鵬宇, 謝斌 申請人:深圳中興力維技術(shù)有限公司