CN102395043B - 视频质量诊断方法 - Google Patents
视频质量诊断方法 Download PDFInfo
- Publication number
- CN102395043B CN102395043B CN 201110359307 CN201110359307A CN102395043B CN 102395043 B CN102395043 B CN 102395043B CN 201110359307 CN201110359307 CN 201110359307 CN 201110359307 A CN201110359307 A CN 201110359307A CN 102395043 B CN102395043 B CN 102395043B
- Authority
- CN
- China
- Prior art keywords
- degree
- picture
- image
- video
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及视频分析技术领域。公开了一种视频质量诊断方法,包括以下步骤:S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据;S102、在预设的一定时间范围内对所述视频数据的各项指标进行检测,并给出诊断结果;其中,步骤S101和步骤S102异步执行,且在缓存一定数量的视频数据之后,再进行检测,并根据检测结果对视频质量给出诊断结果。本发明通过所设计的对视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小这些指标的检测方式,实现了一种有效的视频质量诊断方法。
Description
技术领域
本发明涉及视频分析技术领域,具体涉及一种视频质量诊断方法。
背景技术
安防系统最重要的特性是稳定可靠,视频监控系统是安防监控系统中最重要的组成部分,在报警发生后,视频信息的可靠可用是视频监控系统的基本要求。鉴于人工检测费事费力,在大系统中几乎是不可能的,因此智能地自动地对系统视频的质量定期进行检测是安防系统的必然要求,将来甚至会成为平台软件的必须模块。
利用视频质量诊断系统,用户能够有效预防因视频采集设备、视频传输等环节导致的图像质量问题及所带来的损失,并及时发现破坏监控系统的不法行为。在设备、传输发生问题后,可以迅速进行处理,保障监控系统有效运行。系统亦有利于帮助用户快速掌握前端设备运行情况,轻松维护大型安防系统。
发明内容
(一)要解决的技术问题
本发明所要解决的技术问题是:如何提供一种有效的视频质量诊断方法。
(二)技术方案
为解决上述技术问题,本发明提供了一种视频质量诊断方法,包括以下步骤:
S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据;
S102、在预设的一定时间范围内对所述视频数据的各项指标进行检测,并给出诊断结果;
其中,步骤S101和步骤S102异步执行,且在缓存一定数量的视频数据之后,再进行检测,并根据检测结果对视频质量给出诊断结果。
优选地,所述各项指标包括视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小中的一种或几种。
优选地,在步骤S101之后,步骤S102之前,还包括对所述视频数据进行预处理的步骤:首先,对所述视频数据进行消除OSD处理;然后进行图像的亮度掩盖和复杂度掩盖处理。
优选地,所述消除OSD处理具体为:首先进行使用形态学方法对OSD文字行进行定位,然后对OSD的笔画部分进行分割,对笔画内的像素,使用其周围的非笔画部分加权后进行填充,从而消除图像中的OSD。
优选地,所述图像的亮度掩盖和复杂度掩盖处理具体为:首先对整帧图像取亮度和复杂度的平均值作为参考,然后对图像中每一个像素点使用N*N大小的算子进行卷积计算,其中N为正整数。
优选地,对所述图像清晰度进行检测的方法为:对亮度掩盖和复杂度掩盖处理后的图像取边缘,判断边缘的方向,并计算边缘法向的灰度变化率,以及灰度敏感度值,根据所述灰度变化率和灰度敏感度值,得出该图像的清晰度评价值。
优选地,对所述视频丢失率进行检测的方法为:对视频图像的所有像素的亮度进行聚类,若图像中的亮度值集中在预设大小范围的区域内,则认为该图像为视频信号的丢失,即无视频信号,从而计算出丢失率。
优选地,对所述画面剧变度进行检测的方法为:根据所述视频丢失率的检测结果,当图像在视频信号正常和无视频信号的状态间震荡时,则认为图像为画面剧变,从而计算出画面剧变度。
优选地,对所述稳定条纹干扰度进行检测的方法为:根据所述视频丢失率的检测结果,当画面的局部行或列出现视频丢失的特征时,则认为该图像存在稳定条纹干扰,从而计算出稳定条纹干扰度。
优选地,对所述画面偏色度进行检测的方法为:将图像转换到Lab色域,对图像在Lab色域中的分布进行统计,按照图像在Lab色域中的偏离程度获取图像的画面偏色度。
优选地,对所述画面增益失衡度进行检测的方法为:取图像灰度的期望值,与预设的阈值进行比较,得到画面是否过亮或过暗的结果,根据该结果判断画面增益失衡度。
优选地,对所述对比度进行检测的方法为:根据图像生成灰度共生矩阵,取所述灰度共生矩阵的局部最大值为图像的对比度检测结果。
优选地,对所述画面冻结度进行检测的方法为:保存第一帧图像,将第n帧开始的每一帧图像,都与第n-1帧图像求残差,得到残差计算结果,连续检测若干帧后,若残差的总和小于预设阈值,则认为这一段视频为画面冻结,从而得出画面冻结度结果,n为大于2的正整数。
优选地,所述画面抖动度的检测方法为:对m帧视频图像进行m-1次全局运动估计,对m-1次的全局运动估计的大小和方向进行统计,从而得到画面抖动度的结果,m为正整数。
优选地,横纹叠加度和噪声大小检测的方法为:参考所述残差计算结果和全局运动估计结果,进行形态学处理,统计后得出横纹叠加度和噪声大小的检测结果。
(三)有益效果
本发明通过异步处理技术,以及所设计的对视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小这些指标的检测方式,实现了一种有效的视频质量诊断方法,其中,建立转发服务器获取远程摄像头数据,能够有效兼容前端各种类型的摄像头;预处理消除了OSD文字对诊断结果的影响,亮度掩盖和复杂度的掩盖使诊断结果与人眼的评价结果更加接近。
附图说明
图1是本发明实施例的方法流程图。
具体实施方式
下面对于本发明所提出的一种视频质量诊断方法,结合附图和实施例详细说明。
如图1所示,本发明提供了一种视频质量诊断方法,包括以下步骤:
S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据;
S102、在预设的一定时间T范围内对所述视频数据的各项指标进行检测,并给出诊断结果。
其中,步骤S101和步骤S102异步执行,且在缓存一定数量的视频数据之后,再进行检测,并根据检测结果对视频质量给出诊断结果,例如,如果检测结果中预设的某几项指标达到预设的值,则认为诊断合格。
本实施例中,所述各项指标包括视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小中的一种或几种。
本实施例中,在步骤S101之后,步骤S102之前,还包括对所述视频数据进行预处理的步骤:首先,对所述视频数据进行消除OSD处理;然后进行图像的亮度掩盖和复杂度掩盖处理。其中,视频数据上常常被叠加了表示时间、地点等信息的文字,即On Screen Display,其简称为OSD。
本实施例中,所述消除OSD处理具体为:首先进行使用形态学方法对OSD文字行进行定位,然后对OSD的笔画部分进行分割,对笔画内的像素,使用其周围的非笔画部分加权后进行填充,从而消除图像中的OSD。
本实施例中,所述图像的亮度掩盖和复杂度掩盖处理具体为:首先对整帧图像取亮度和复杂度的平均值作为参考,然后对图像中每一个像素点使用N*N大小的算子进行卷积计算,其中N取5或7。
本实施例中,对所述图像清晰度进行检测的方法为:对亮度掩盖和复杂度掩盖处理后的图像取边缘,判断边缘的方向,并计算边缘法向的灰度变化率,以及灰度敏感度值,根据所述灰度变化率和灰度敏感度值,得出该图像的清晰度评价值,假设灰度变化率为a,灰度敏感度为s,清晰度评价值为h,则h=2as/π。
本实施例中,对所述视频丢失率进行检测的方法为:对视频图像的所有像素的亮度进行聚类,若图像中的亮度值集中在预设大小范围的区域内,则认为该图像为视频信号的丢失,即无视频信号,从而计算出丢失率,例如可以将无视频信号的时间除以所检测的时间T,得到的计算结果作为丢失率。
本实施例中,对所述画面剧变度进行检测的方法为:根据所述视频丢失率的检测结果,当图像在视频信号正常和无视频信号的状态间震荡时,则认为图像为画面剧变,从而计算出画面剧变度,例如可以将画面剧变的时间除以所检测的时间T,得到的计算结果作为画面剧变度。
本实施例中,对所述稳定条纹干扰度进行检测的方法为:根据所述视频丢失率的检测结果,当画面的局部行或列出现视频丢失的特征时,则认为该图像存在稳定条纹干扰,从而计算出稳定条纹干扰度,例如可以将存在稳定条纹干扰的时间除以所检测的时间T,得到的计算结果作为稳定条纹干扰度。
本实施例中,对所述画面偏色度进行检测的方法为:将图像转换到Lab色域,对图像在Lab色域中的分布进行统计,按照图像在Lab色域中的偏离程度获取图像的画面偏色度。
本实施例中,对所述画面增益失衡度进行检测的方法为:取图像灰度的期望值,与预设的阈值进行比较,得到画面是否过亮或过暗的结果,根据该结果判断画面增益失衡度。
本实施例中,对所述对比度进行检测的方法为:根据图像生成灰度共生矩阵,取所述灰度共生矩阵的局部最大值为图像的对比度检测结果。
本实施例中,对所述画面冻结度进行检测的方法为:保存第一帧图像,将第n帧开始的每一帧图像,都与第n-1帧图像求残差,得到残差计算结果,连续检测若干帧后,若残差的总和小于预设阈值,则认为这一段视频为画面冻结,从而得出画面冻结度结果,n为大于2的正整数,例如可以将存在画面冻结的时间除以所检测的时间T,得到的计算结果作为画面冻结度。
本实施例中,所述画面抖动度的检测方法为:对m帧视频图像进行m-1次全局运动估计,对m-1次的全局运动估计的大小和方向进行统计,从而得到画面抖动度的结果,m为正整数。
本实施例中,横纹叠加度和噪声大小检测的方法为:参考所述残差计算结果和全局运动估计结果,进行形态学处理,统计后得出横纹叠加度和噪声大小的检测结果。
由以上实施例可以看出,本发明通过异步处理技术,以及所设计的对视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小这些指标的检测方式,实现了一种有效的视频质量诊断方法,其中,建立转发服务器获取远程摄像头数据,能够有效兼容前端各种类型的摄像头;预处理消除了OSD文字对诊断结果的影响,亮度掩盖和复杂度的掩盖使诊断结果与人眼的评价结果更加接近。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (11)
1.一种视频质量诊断方法,其特征在于,包括以下步骤:
S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据;
S102、在预设的一定时间范围内对所述视频数据的各项指标进行检测,并给出诊断结果;
其中,步骤S101和步骤S102异步执行,且在缓存一定数量的视频数据之后,再进行检测,并根据检测结果对视频质量给出诊断结果。
所述各项指标包括视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小中的一种或几种;
在步骤S101之后,步骤S102之前,还包括对所述视频数据进行预处理的步骤:首先对所述视频数据进行消除OSD处理;然后进行图像的亮度掩盖和复杂度掩盖处理;
所述消除OSD处理具体为:首先进行使用形态学方法对OSD文字行进行定位,然后对OSD的笔画部分进行分割,对笔画内的像素,使用其周围的非笔画部分加权后进行填充,从而消除图像中的OSD;
所述图像的亮度掩盖和复杂度掩盖处理具体为:首先对整帧图像取亮度和复杂度的平均值作为参考,然后对图像中每一个像素点使用N*N大小的算子进行卷积计算,其中N为正整数。
2.如权利要求1所述的方法,其特征在于,对所述图像清晰度进行检测的方法为:对亮度掩盖和复杂度掩盖处理后的图像取边缘,判断边缘的方向,并计算边缘法向的灰度变化率,以及灰度敏感度值,根据所述灰度变化率和灰度敏感度值,得出该图像的清晰度评价值。
3.如权利要求1所述的方法,其特征在于,对所述视频丢失率进行检测的方法为:对视频图像的所有像素的亮度进行聚类,若图像中的亮度值集中在预设大小范围的区域内,则认为该图像为视频信号的丢失,即无视频信号,从而计算出丢失率。
4.如权利要求3所述的方法,其特征在于,对所述画面剧变度进行检测的方法为:根据所述视频丢失率的检测结果,当图像在视频信号正常和无视频信号的状态间震荡时,则认为图像为画面剧变,从而计算出画面剧变度。
5.如权利要求3所述的方法,其特征在于,对所述稳定条纹干扰度进行检测的方法为:根据所述视频丢失率的检测结果,当画面的局部行或列出现视频丢失的特征时,则认为该图像存在稳定条纹干扰,从而计算出稳定条纹干扰度。
6.如权利要求1所述的方法,其特征在于,对所述画面偏色度进行检测的方法为:将图像转换到Lab色域,对图像在Lab色域中的分布进行统计,按照图像在Lab色域中的偏离程度获取图像的画面偏色度。
7.如权利要求1所述的方法,其特征在于,对所述画面增益失衡度进行检测的方法为:取图像灰度的期望值,与预设的阈值进行比较,得到画面是否过亮或过暗的结果,根据该结果判断画面增益失衡度。
8.如权利要求1所述的方法,其特征在于,对所述对比度进行检测的方法为:根据图像生成灰度共生矩阵,取所述灰度共生矩阵的局部最大值为图像的对比度检测结果。
9.如权利要求1所述的方法,其特征在于,对所述画面冻结度进行检测的方法为:保存第一帧图像,将第n帧开始的每一帧图像,都与第n-1帧图像求残差,得到残差计算结果,连续检测若干帧后,若残差的总和小于预设阈值,则认为这一段视频为画面冻结,从而得出画面冻结度结果,n为大于2的正整数。
10.如权利要求9所述的方法,其特征在于,所述画面抖动度的检测方法为:对m帧视频图像进行m-1次全局运动估计,对m-1次的全局运动估计的大小和方向进行统计,从而得到画面抖动度的结果,m为正整数。
11.如权利要求10所述的方法,其特征在于,横纹叠加度和噪声大小检测的方法为:参考所述残差计算结果和全局运动估计结果,进行形态学处理,统计后得出横纹叠加度和噪声大小的检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110359307 CN102395043B (zh) | 2011-11-11 | 2011-11-11 | 视频质量诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110359307 CN102395043B (zh) | 2011-11-11 | 2011-11-11 | 视频质量诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102395043A CN102395043A (zh) | 2012-03-28 |
CN102395043B true CN102395043B (zh) | 2013-09-11 |
Family
ID=45862239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110359307 Active CN102395043B (zh) | 2011-11-11 | 2011-11-11 | 视频质量诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102395043B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724541B (zh) * | 2012-05-21 | 2014-06-04 | 浙江捷尚视觉科技有限公司 | 一种监控影像智能诊断恢复方法 |
CN103517063A (zh) * | 2012-06-27 | 2014-01-15 | 苏州工业园区天华网络技术有限公司 | 一种视频质量诊断系统 |
CN102857789B (zh) * | 2012-09-07 | 2015-04-01 | 中兴通讯股份有限公司 | 一种摄像头效果智能处理的装置与方法 |
CN103780899B (zh) * | 2012-10-25 | 2016-08-17 | 华为技术有限公司 | 一种检测摄像机是否被干扰的方法、装置及视频监控系统 |
CN104243969B (zh) * | 2013-06-20 | 2017-11-24 | 中兴通讯股份有限公司 | 图像条纹检测方法及装置 |
CN104282011B (zh) * | 2013-07-04 | 2018-05-25 | 浙江大华技术股份有限公司 | 一种检测视频图像中干扰条纹的方法及装置 |
CN103702111B (zh) * | 2013-12-24 | 2016-01-27 | 北京佳讯飞鸿电气股份有限公司 | 一种检测摄像头视频偏色的方法 |
CN104023209B (zh) * | 2014-06-12 | 2018-07-13 | 浙江宇视科技有限公司 | 一种自适应视频诊断方法和装置 |
CN104392203B (zh) * | 2014-10-13 | 2017-08-01 | 浙江工业大学 | 一种基于视频分析的点状条纹噪声检测方法 |
CN105721887B (zh) * | 2014-12-05 | 2019-02-22 | 鹏博士电信传媒集团股份有限公司 | 视频播放方法、装置及系统 |
CN106993185A (zh) * | 2015-12-10 | 2017-07-28 | 青岛海信网络科技股份有限公司 | 一种视频质量诊断方法和系统 |
CN106204524B (zh) * | 2016-06-23 | 2019-02-01 | 凌云光技术集团有限责任公司 | 一种评价图像质量的方法及装置 |
CN106851263B (zh) * | 2017-03-30 | 2018-11-02 | 安徽四创电子股份有限公司 | 基于定时自学习模块的视频质量诊断方法及系统 |
CN107147902A (zh) * | 2017-05-27 | 2017-09-08 | 华勤通讯技术有限公司 | 摄像设备的检测方法及摄像设备 |
CN110870305B (zh) * | 2017-07-03 | 2021-06-15 | 株式会社K-Will | 影像监视装置的调整方法及影像监视装置 |
CN107959850B (zh) * | 2017-12-14 | 2019-12-06 | 合肥寰景信息技术有限公司 | 一种基于图像分析的视频质量诊断方法 |
CN109413413B (zh) * | 2018-09-26 | 2020-06-05 | 央视国际网络无锡有限公司 | 视频质量评价方法及装置 |
CN112949390B (zh) * | 2021-01-28 | 2024-03-15 | 浙江大华技术股份有限公司 | 一种基于视频质量的事件检测方法、装置 |
CN113905147B (zh) * | 2021-09-30 | 2023-10-03 | 桂林长海发展有限责任公司 | 一种船用监控视频画面去抖方法、装置以及存储介质 |
CN115118934A (zh) * | 2022-06-28 | 2022-09-27 | 广州阿凡提电子科技有限公司 | 一种直播效果监控处理方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540890A (zh) * | 2009-04-28 | 2009-09-23 | 南京航空航天大学 | 一种获得监控视频中运动人体清晰人脸图像的方法 |
CN102176758A (zh) * | 2011-03-07 | 2011-09-07 | 北京文安科技发展有限公司 | 一种视频质量诊断系统及其实现方法 |
CN102148934B (zh) * | 2011-04-02 | 2013-02-06 | 北京理工大学 | 一种多模式实时电子稳像系统 |
CN102202227B (zh) * | 2011-06-21 | 2013-02-20 | 珠海世纪鼎利通信科技股份有限公司 | 一种无参考视频质量客观评估方法 |
-
2011
- 2011-11-11 CN CN 201110359307 patent/CN102395043B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102395043A (zh) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102395043B (zh) | 视频质量诊断方法 | |
WO2021036636A1 (zh) | 升降设备的振动检测方法、装置、服务器及存储介质 | |
CN202085261U (zh) | 智能视频诊断监控系统 | |
JP4718253B2 (ja) | 監視カメラの画像異常検出装置 | |
CN111381579B (zh) | 一种云台故障检测方法、装置、计算机设备及存储介质 | |
CN105430384A (zh) | 一种视频质量诊断方法和系统 | |
CN103067740B (zh) | 视频监控设备故障智能检测方法及其检测系统 | |
CN103702111B (zh) | 一种检测摄像头视频偏色的方法 | |
US20110221895A1 (en) | Detection of Movement of a Stationary Video Camera | |
CN102740121B (zh) | 应用于视频监控网络的视频质量诊断控制系统及方法 | |
CN104394377B (zh) | 一种监控图像的模糊异常的识别方法及装置 | |
CN111757096A (zh) | 一种视频运维管理系统及方法 | |
CN104767913B (zh) | 一种对比度自适应的视频去噪系统 | |
CN102724541B (zh) | 一种监控影像智能诊断恢复方法 | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN103095966A (zh) | 一种视频抖动量化方法及装置 | |
KR20220151583A (ko) | 영상 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN108230288B (zh) | 一种确定雾性状况的方法和装置 | |
CN102413355A (zh) | 一种视频质量诊断系统中视频信号缺失检测方法 | |
CN104954627B (zh) | 一种信息处理方法及电子设备 | |
CN105554494A (zh) | 雪点图像检测方法和装置以及视频质量检测装置和系统 | |
CN105469413B (zh) | 一种基于归一化振铃加权的无参考模糊复原图像综合质量评估方法 | |
CN101510306B (zh) | 一种视频图像照度分布估计方法 | |
CN101282419A (zh) | 一种自动坏点检测方法与设备 | |
KR20220151130A (ko) | 영상 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |