CN102413356B - 视频清晰度检测系统及其检测方法 - Google Patents

Abstract

本发明公开了一种视频清晰度检测系统及其检测方法，涉及安防领域中的视频质量诊断技术。本检测系统包括工作环境：视频监控平台（10）、综合接入服务器（20）和视频检测客户端（40）；设置有视频清晰度检测平台（30）；视频监控平台（10）、综合接入服务器（20）和视频清晰度检测平台（30）依次连接；视频清晰度检测平台（30）和视频检测客户端（40）连接。本发明减少维护工作的负担和人力资源成本，提高运维的工作效率；能在短时间内对大量的摄像头进行实时检测，耗时短、实时性强、效率高、准确率高；适用于电信全球眼平台、其他大型网络视频监控平台、视频图像质量要求高的应用场景和智能化要求高的应用场景。

Description

视频清晰度检测系统及其检测方法

技术领域

本发明涉及安防领域中的视频质量诊断技术，尤其涉及一种视频清晰度检测系统及其检测方法，其整合计算机网络技术和图像分析技术对视频图像中出现的不清晰现象导致视频质量低下的问题进行检测。

背景技术

目前我国的视频监控应用行业非常普遍。当视频监控摄像头的规模不断过大时，随之而来的是对整个系统的运维能力提出了更高的要求，即如何高效地管理成千上万的摄像头，快速、准确地排查摄像头的故障，减少维护成本。随着摄像头数量的不断增加，监控的时间不断延长，面对大量的摄像头，单纯依靠人眼诊断视频质量好坏已不现实。此外，由于人眼的主观性，通过人眼诊断会存在一定的偏差，这些因素都给系统维护工作带来了新的挑战。为此，基于计算机视觉和人工智能技术，借助计算机强大处理能力的视频质量诊断系统应运而生。

视频质量诊断系统是一种智能化视频故障分析与预警系统，在网络视频监控系统的基础上叠加视频分析的功能，充分挖掘抽取视频图像资源中的关键信息，它通过分析视频内容从而对视频图像出现的色偏、清晰度异常、无信号等常见摄像头故障做出准确判断并发出报警信息，有效预防因硬件导致的图像质量问题及所带来的不必要的损失，并及时检测破坏监控设备的不法行为。其中，检测视频清晰度是否异常是非常重要的功能之一。

视频清晰度异常的原因主要是由于焦距不当、镜头损坏或异物遮蔽引起的视频主体部分的图像模糊。目前主要通过人工来关注监控视频图像的清晰度是否异常，效率低下而且很费时间和精力。这样，在发生异常后，设备得不到及时的维护，大大降低了视频监控系统的可信度。

发明内容

本发明的目的就在于克服现有技术存在的缺点和不足，提供一种视频清晰度检测系统及其检测方法。本发明可同时对多路视频图像进行监控，检测每个摄像头的时间最多不超过3秒，可实现对视频图像进行实时检测，准确率高，保证了视频质量诊断系统的可信度。

本发明的目的是这样实现的：

一、视频清晰度检测系统(简称系统)

视频清晰度检测系统包括工作环境：视频监控平台、综合接入服务器和视频检测客户端；

设置有视频清晰度检测平台；

视频监控平台、综合接入服务器和视频清晰度检测平台依次连接；

视频清晰度检测平台和视频检测客户端连接。

二、视频清晰度检测方法(简称方法)

本方法包括下列步骤：

①获取图像

首先需要获取连续的视频流，利用计算机视觉库(OPENCV)将连续的视频流提取出来获取每一帧图像，将每一帧图像传送至视频分析算单元；

②将视频转换为YUV(颜色编码方法)制式

判断视频是否为YUV制式，如果不是，则对接收到的视频图像进行灰度化处理，即将视频流转换为YUV制式；

③截取适当的图像区域进行分析

为去除图像中出现的时间、地点等信息的影响，对图像的上下部分各截去小段矩形区域，即只考虑中间剩余部分的矩形区域；

④求取视频清晰度评价函数

利用对每一帧图像求取其锐利点的梯度和以及所有像素点的梯度和，并根据上述两梯度和的比值得到当前图像的清晰度评价函数；

⑤判断单位时间内图像是否清晰

在单位时间内统计视频清晰度异常的视频帧数，若超过单位时间内视频图像的总帧数的某一比值，则可判定这段视频清晰度异常，否则判定这段视频清晰度正常。

所述“截取适当的图像区域”是：

设定两个矩形区域，分别位于图像的顶端和底端，这两个矩形区域包含了屏幕上的时间以及地点信息，如果像素点属于这两个矩形区域，则不作任何处理。

所述“对每一帧图像求取其锐利点的梯度和以及所有像素点的梯度和”是：

计算当前图像帧的梯度值总和，即用某一像素点的Y值分别减去其正下方像素点的Y值和其正右方像素点的Y值，两差值的绝对值之和就是每一个像素点的梯度值(用Y_GRA表示)；

以从左至右、从上往下的方向遍历每一个像素点，对不属于上述矩形区域的所有像素点的梯度值求和，即得到图像的梯度总和(用SUM1表示)；

计算当前图像帧的锐利点梯度值总和，通常称图像像素中梯度值大于某一个阈值的像素为“锐利点”，当上述求得的某个像素点的梯度值Y_GRA大于或等于阈值(用Threshold表示)时，则将此梯度值计入锐利点的梯度值；

以从左至右、从上往下的方向遍历每一个像素点，对不属于上述矩形区域的所有锐利点的梯度值求和，即得到图像的锐利点梯度之和(用SUM2表示)；

上述阈值(Threshold)的计算遵循以下方法：

计算当前图像帧的亮度，若其亮度值低于某一个数字NUM1，则其阈值(Threshold)设定为NUM2/10，(其中NUM2＞NUM1)，若其亮度值高于某一个数字NUM3，则其阈值Threshold设定为NUM3/10，这样处理的目的是为了减少图像的亮度对锐利点判断的影响。

所述视频清晰度评价函数为SUM2/SUM1。

本发明具有下列优点和积极效果：

①减少维护工作的负担和人力资源成本，提高运维的工作效率；

②能在短时间内对大量的摄像头进行实时检测，耗时短、实时性强、效率高和准确率高。

③适用于电信全球眼平台、其他大型网络视频监控平台、视频图像质量要求高的应用场景和智能化要求高的应用场景。

附图说明

图1是视频清晰度检测系统的结构方框图；

图2是视频清晰度检测方法的工作流程图。

其中：

10-视频监控平台，

11-第1视频监控平台，12-第2视频监控平台……

1N-第N视频监控平台；

20-综合接入服务器；

30-视频诊断平台；

40-视频诊断客户端。

具体实施方式

下面结合附图和实施对本发明进一步说明：

一、视频清晰度检测系统

1、总体

如图1，视频清晰度检测系统包括工作环境：视频监控平台10、综合接入服务器20和视频检测客户端40；

设置有视频清晰度检测平台30；

视频监控平台10、综合接入服务器20和视频清晰度检测平台30依次连接，将视频监控平台10的摄像头信息接入到视频清晰度检测平台30；

视频清晰度检测平台30和视频检测客户端40连接，便于用户通过视频检测客户端40对视频清晰度检测平台30进行操作；

视频清晰度检测平台30包含有多个视频分析管理设备，每个视频分析管理设备又包含有多个视频分析单元，视频分析单元支持视频清晰度检测功能，其采用计算机视觉算法对视频图像中出现的视频不清晰现象导致视频质量低下的问题进行诊断。

其工作原理是：

综合接入服务器20采用全球眼二次开发接口，将视频监控平台10的摄像头信息接入到视频清晰度检测平台30；

视频清晰度检测平台30从综合接入服务器20获取视频监控平台10所有摄像头信息以及平台用户信息；

视频诊断客户端40作为用户操作界面，便于用户访问视频清晰度检测平台30，通过视频清晰度检测平台30启动视频分析任务下发给某一个视频分析管理设备中的某一个视频分析单元，并提供报警提示。

2、视频清晰度检测平台30

视频清晰度检测平台30是视频清晰度检测系统的功能实体，它由多个视频分析单元组成，每个视频分析单元实现视频质量分析算法，负责完成视频质量的具体分析工作，系统各部分均接入IP承载网实现通信，视频分析单元支持视频清晰度检测功能。

其硬件配置：

X86CPU系统架构(至少1.8GHz)，160G硬盘，1G内存、百/千兆网口。

其软件的实现方式：C语言实现。

二、视频清晰度检测方法

如图2，视频清晰度检测的工作流程如下：

①获取视频流-101

利用计算机视觉库(OPENCV)将连续的视频流提取出来获取每一帧图像，将每一帧图像传送至视频分析单元；

②判断图像是否为YUV制式102，是则不做任何操作，直接进入步骤④，否则进入步骤③；

③将视频图像转换为YUV制式103，

其方法是进行灰度化处理，灰度化处理的具体实施如公式(1)所示：

Y＝0.299R+0.587G+0.114B                  公式(1)

U＝-0.147R-0.289G+0.436B

V＝0.615R-0.515G-0.100B

其中：Y-明亮度，U-色度，V-色度，R-红，G-绿，B-蓝；

④截取当前图像的部分区域进行分析104；

⑤计算锐利点阈值(Threshold)105；

⑥在剩余的部分区域内，计算当前图像帧的相邻像素点的梯度值

将每一个像素点的Y值减去其相邻的像素点(右方以及正下方)的Y值，即每一像素点的梯度值[Y_gra(i，j)]106；

Y_gra(i，j)＝|Y(i，j)-Y(i+1，j)|+|Y(i，j)-Y(i，j+1)|；

其中：i-像素点在图像中的横坐标，j-像素点在图像中的纵坐标；

U、V也做相同的处理：

Ugra(i，j)＝|U(i，j)-U(i+1，j)|+|U(i，j)-U(i，j+1)|；

Vgra(i，j)＝|V(i，j)-V(i+1，j)|+|V(i，j)-V(i，j+1)|；

SUM1＝SUM1+Ygra(i，j)；

当Ygra(i，j)＞Threshold或Ugra(i，j)+Vgra(i，j)＞Threshold时107，说明像素点(i，j)是锐利点，SUM2＝SUM2+Ygra(i，j)109；

⑦遍历每一个像素点，即可以得到当前图像帧的梯度值总和SUM1 108以及锐利点梯度值总和SUM2 109；

⑧视频清晰度评价函数为SUM2/SUM1 110；

⑨视频清晰度的评价方式111：

当SUM2/SUM1＜阈值Focus_threshold时，此图像清晰度正常112；

当SUM2/SUM1＞＝阈值Focus_threshold时，此图像清晰度严重异常113；

单位时间内若异常的图像帧数除以单位时间总帧数的比值大于某一个比例，则认为这一段时间内的视频清晰度异常。

Claims (1)

1.一种视频清晰度检测系统的检测方法，所述的系统包括工作环境：视频监控平台（10）、综合接入服务器（20）和视频检测客户端（40）；设置有视频清晰度检测平台（30）；

视频监控平台（10）、综合接入服务器（20）和视频清晰度检测平台（30）依次连接，将视频监控平台（10）的摄像头信息接入到视频清晰度检测平台（30）；

视频清晰度检测平台（30）和视频检测客户端（40）连接，便于用户通过视频检测客户端（40）对视频清晰度检测平台（30）进行操作；

视频清晰度检测平台（30）是视频清晰度检测系统的功能实体，它由多个视频分析单元组成，每个视频分析单元实现视频质量分析算法，负责完成视频质量的具体分析工作，系统各部分均接入IP承载网实现通信，视频分析单元支持视频清晰度检测功能；

其特征在于：

①获取图像

首先需要获取连续的视频流，利用计算机视觉库将连续的视频流提取出来获取每一帧图像，将每一帧图像传送至视频分析单元；

②将视频转换为YUV制式

判断视频是否为YUV制式，如果不是，则对接收到的视频图像进行灰度化处理，即将视频流转换为YUV制式；

③截取适当的图像区域进行分析

为去除图像中出现的时间、地点信息的影响，对图像的上下部分各截去小段矩形区域，即只考虑中间剩余部分的矩形区域；

④求取视频清晰度评价函数

利用对每一帧图像求取其锐利点的梯度和以及所有像素点的梯度和，并根据上述两梯度和的比值得到当前图像的清晰度评价函数；

⑤判断单位时间内图像是否清晰

在单位时间内统计视频清晰度异常的视频帧数，若超过单位时间内视频图像的总帧数的某一比值，则可判定这段视频清晰度异常，否则判定这段视频清晰度正常；

视频清晰度检测的工作流程如下：

A、获取视频流（101）

利用计算机视觉库将连续的视频流提取出来获取每一帧图像，将每一帧图像传送至视频分析单元；

B、判断图像是否为YUV制式（102），是则不做任何操作，直接进入步骤D，否则进入步骤③；

C、将视频图像转换为YUV制式（103），

其方法是进行灰度化处理，灰度化处理的具体实施如公式（1）所示：

Y=0.299R+0.587G+0.114B  公式（1）

U=-0.147R-0.289G+0.436B

V=0.615R-0.515G-0.100B

其中：Y-明亮度，U-色度，V-色度，R-红，G-绿，B-蓝；

D、截取当前图像的部分区域进行分析（104）；

E、计算锐利点阈值Threshold（105）；

F、在剩余的部分区域内，计算当前图像帧的相邻像素点的梯度值

将每一个像素点的Y值减去其相邻的像素点的Y值，即将每一个像素点的Y值减去其右侧像素点的Y值，再将此像素点的Y值减去其正下方像素点的Y值,即每一像素点的梯度值[Y_{_gra}(i,j)]（106）；

Y_{_gra}(i,j)=|Y(i,j)-Y(i+1,j)|+|Y(i,j)-Y(i,j+1)|；

其中：i-像素点在图像中的横坐标，j-像素点在图像中的纵坐标；

U、V也做相同的处理：

Ugra(i,j)=|U(i,j)-U(i+1,j)|+|U(i,j)-U(i,j+1)|；

Vgra(i,j)=|V(i,j)-V(i+1,j)|+|V(i,j)-V(i,j+1)|；

SUM1=SUM1+Ygra(i,j)；

当Ygra(i,j)>Threshold或Ugra(i,j)+Vgra(i,j)>Threshold时（107），说明像素点(i,j)是锐利点，SUM2=SUM2+Ygra(i,j)（109）；

G、遍历每一个像素点，即可以得到当前图像帧的梯度值总和SUM1（108）以及锐利点梯度值总和SUM2（109）；

H、视频清晰度评价函数为SUM2/SUM1（110）；

I、视频清晰度的评价方式（111）：

当SUM2/SUM1<阈值Focus_threshold时，此图像清晰度正常（112）；

当SUM2/SUM1>=阈值Focus_threshold时,此图像清晰度严重异常（113）；

单位时间内若异常的图像帧数除以单位时间总帧数的比值大于某一个比例，则认为这一段时间内的视频清晰度异常。

Images