CN102572504A - 一种基于快速傅里叶变换检测滚屏的方法 - Google Patents

一种基于快速傅里叶变换检测滚屏的方法 Download PDF

Info

Publication number
CN102572504A
CN102572504A CN2011100764331A CN201110076433A CN102572504A CN 102572504 A CN102572504 A CN 102572504A CN 2011100764331 A CN2011100764331 A CN 2011100764331A CN 201110076433 A CN201110076433 A CN 201110076433A CN 102572504 A CN102572504 A CN 102572504A
Authority
CN
China
Prior art keywords
fast fourier
fourier transform
frequency
frame difference
dominant frequency
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.)
Pending
Application number
CN2011100764331A
Other languages
English (en)
Inventor
曹江中
敖勤
高传江
周斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGZHOU HAOYUN SECURITY TECHNOLOGY Co Ltd
Original Assignee
GUANGZHOU HAOYUN SECURITY TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUANGZHOU HAOYUN SECURITY TECHNOLOGY Co Ltd filed Critical GUANGZHOU HAOYUN SECURITY TECHNOLOGY Co Ltd
Priority to CN2011100764331A priority Critical patent/CN102572504A/zh
Publication of CN102572504A publication Critical patent/CN102572504A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种基于快速傅里叶变换检测滚屏的方法，具体包括步骤如下：S100.针对视频中条纹滚动的周期性，通过快速傅里叶变换计算出条纹滚动频率;S200.针对视频中条纹滚动的匀速性，计算相邻两帧图像之差区域面积;S300.最后运用概率统计数学工具实现结果的量化，来判断是否存在滚屏。本发明通过滚屏的周期性和条纹匀速移动的特点，再通过概率统计等数学工具，自动判断视频中是否存在滚动干扰。减少人力成本，同时提高了判断视频质量的可靠性。由于本发明采用傅里叶变换，可以精确地计算条纹滚动的频率，为后续开发提供了参考数据。简言之，本发明是一个自动、精确的滚屏检测系统。

Description

一种基于快速傅里叶变换检测滚屏的方法
技术领域
本发明涉及及计算机数字视频处理领域，具体是一种基于快速傅里叶变换检测滚屏的方法。
背景技术
目前，视频质量问题一般表现为条纹滚动干扰（滚屏）、雪花干扰、网状干扰、扭曲干扰、跳动干扰等。由于人工监测视频质量工作量大且不可靠，自动检测视频质量是未来发展的趋势。滚屏表现为条纹往某个方向匀速的移动，所以滚屏具有以下几个性质：
(a) 周期性，对于滚屏的周期性，可以通过分析频率来判断。傅里叶变换是一种计算频率常用方法。傅里叶变换的实质是将一个信号分离为无穷多多正弦/复指数信号的加成，从而能够分析出信号的频谱构成。
(b) 匀速移动，对于条纹匀速移动的性质，可以利用相邻两帧图像帧差来判断。由于相邻两帧图像之间的时间间隔非常短，对于正常的视频来说几乎没有差别，除非视频中有运动的物体；对于存在干扰的特殊视频来说，可能会有差别，比如噪声干扰。但是这些差别都是随机的，没有持续性或者一致性。而滚屏的帧差是条纹滚动产生的区域，由于条纹匀速移动，这个区域的面积是稳定的，有持续性和一致性。
(c) 条纹形状一般固定。
发明内容
本发明为了解决用计算机视觉技术自动识别视频中的滚屏干扰，提供了一种基于快速傅里叶变换滚屏检测方法。
采用的技术方案：一种基于快速傅里叶变换检测滚屏的方法，具体包括步骤如下：S100. 针对视频中条纹滚动的周期性，通过快速傅里叶变换计算出条纹滚动频率;
S200. 针对视频中条纹滚动的匀速性，计算相邻两帧图像之差区域面积;
S300. 最后运用概率统计数学工具实现结果的量化，来判断是否存在滚屏。
进一步，在所述步骤S100中，要求采集点个数为N=[20,50]之间，在视频上随机选取N 个采集点，分别对该N个采集点采集512个数据，该512个数据为[N*512]个灰度值。
进一步，在所述步骤S100中，对512个数据根据                                                
Figure 454843DEST_PATH_IMAGE001
傅里叶变换，求出各个采集点灰度值序列的主频，根据所述傅里叶变换得出频谱上最大幅值对应的频率为主频。
进一步，根据
Figure 702285DEST_PATH_IMAGE002
求所有主频的均值，根据
Figure 897643DEST_PATH_IMAGE003
求所有主频的方差。
进一步，上述所有主频均值大于对应的阈值，所有主频方差小于对应的阈值，则周期频率存在，否则不存在。
进一步，在所述步骤S200中，采集513帧视频上的灰度值数据，将连续两帧视频上的灰度值数据根据
Figure 138000DEST_PATH_IMAGE004
和
Figure 915463DEST_PATH_IMAGE005
求帧差面积，存储512个数据。
 
进一步，根据求所有帧差面积的均值，根据
Figure 149DEST_PATH_IMAGE003
求所有帧差面积的方差。 
进一步，如上述所有帧差面积求均值大于对应的阈值，所有帧差面积方差小于对应的阈值，匀速滚动干扰存在，否则不存在。
进一步，上述阈值通过测试预设数量的滚屏得到预设数量的主频均值和预设数量的主频方差，取最小的主频均值作为其参考阈值，取最大的主频方差作为其参考阈值，同时得到预设数量的帧差面积均值和预设数量的帧差面积方差，取最小的帧差面积均值作为其参考阈值，取最大的帧差面积方差作为其参考阈值。
进一步，在所述步骤S300中，周期频率存在，匀速滚动干扰存在，则判定滚屏干扰，否则不存在滚屏干扰。
本发明的优点：通过滚屏的周期性和条纹匀速移动的特点，再通过概率统计等数学工具，自动判断视频中是否存在滚动干扰。减少人力成本，同时提高了判断视频质量的可靠性。由于本发明采用傅里叶变换，可以精确地计算条纹滚动的频率，为后续开发提供了参考数据。 简言之，本发明是一个自动、精确的滚屏检测系统。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1是本发明的实现流程图；
图2是滚屏上某点的灰度值变化图；
图3是对图2上该点512个灰度数据进行快速傅里叶变换后的频谱图；
图4是正常视频上某点的灰度值变化图；
图5是对图4上该点512个灰度数据进行快速傅里叶变换后的频谱图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
我们可以通过对图像的若干个位置进行采样，然后通过傅立叶变化，分析采样序列是否具有稳定的周期。如果主频的均值大于对应的阈值，方差小于对应的阈值，说明主频具有一致性。这就证明存在一个固定的周期干扰，为判断滚屏奠定了基础。
  对于条纹匀速移动的性质，可以利用相邻两帧图像帧差来判断。由于相邻两帧图像之间的时间间隔非常短，对于正常的视频来说几乎没有差别，除非视频中有运动的物体；对于存在干扰的特殊视频来说，可能会有差别，比如噪声干扰。但是这些差别都是随机的，没有持续性或者一致性。而滚屏的帧差是条纹滚动产生的区域，由于条纹匀速移动，这个区域的面积是稳定的，有持续性和一致性。如果帧差面积的均值大于对应的阈值，方差小于对应的阈值，就证明存在匀速滚动干扰，为判断滚屏提供了另一个重要证据
如图1所示，一种基于快速傅里叶变换检测滚屏的方法，具体包括以下步骤：
S101.对一帧视频设置30个采集点
在视频上均匀地标记30个采集点是为了采集到足够的数据用以分析。采集点太少会受较大的干扰影响，采集点太多会增加数据处理的计算量。综合测试得到，取30个点左右可以较好地满足检测和计算的要求。
S102.采集灰度值，存储512个数据
这里默认视频大小为
Figure 794930DEST_PATH_IMAGE006
，也就是在这个区域内均匀地标记30个采集点用来采集像素灰度值。设置长度为512，方便利用快速傅里叶变换计算频率，。
S103.对数据进行傅里叶变换，求出各个采集点的主频
一般正常视频不存在固定的频率或者说频率为无限大。通过FFT处理上述数据可以计算出这30个采集点在512帧图像上的表现出的频率。如图2所示，滚屏上该点的灰度值表现出了很强的规律性，就是随着帧数呈现出周期性的波动，而且波动是在固定的范围之内。也就是说，在时域上可以观察到周期性。如图3所示，经过将上述灰度值序列进行快速傅里叶变换后，频谱图上幅值的大小直观地显示出了频率的存在，对应最大幅值的非零频率就是主频。这样就通过FFT找到了主频。对于长度为N的有限长序列
Figure 676167DEST_PATH_IMAGE007
，其傅里叶变换DFT如下：
                 （公式1）
Figure 435361DEST_PATH_IMAGE008
  
Figure 17521DEST_PATH_IMAGE009
图4和图5是对正常视频采用同样的方法处理得到的。通过对比发现，正常视频没有表现出周期性，只能得到一个为零的主频，这是直流分量所致，这里排除掉。
S104.对所有主频求均值和方差
该30个采集点采集到的灰度值序列都存在各自的频率，如果这些频率很相似，或者说很一致，说明视频存在周期性的干扰。可以利用概率统计中的均值和方差来判断。若
Figure 503997DEST_PATH_IMAGE010
为一组数据
Figure 710813DEST_PATH_IMAGE011
的均值，则有
Figure 164797DEST_PATH_IMAGE002
            （公式2）
Figure 35801DEST_PATH_IMAGE012
为这组数据的方差，则有
Figure 829314DEST_PATH_IMAGE003
       （公式3）
S105.根据主频均值和方差判断是否存在周期性干扰
只要均值大于对应的阈值，方差小于对应的阈值，说明这个假设的频率不仅存在，而且通过这30个采集点的数据体现出了一致性。这就证明了周期干扰的存在。
S201.采集513帧的图像，根据连续的两帧图像对其灰度化处理。
帧差面积即相邻两帧想减，求二值化后区域的面积，也就是条纹移动产生的区域面积。同样，取512帧也是综合考虑了检测和计算的要求。对于像素大小为N的灰度图像，帧差图像计算公式如下：
Figure 275208DEST_PATH_IMAGE004
                   （公式4）
Figure 888592DEST_PATH_IMAGE013
其中，Pi表示前一帧图像的第i个像素灰度值，Li表示后一帧图像的第i个像素灰度值，Di表示帧差图像的第i个像素灰度值。
S202.求帧差面积，存储512个数据
由于帧差区域以外像素灰度值为零，帧差面积即为像素灰度值之和，其计算公式为：
Figure 828866DEST_PATH_IMAGE005
                     （公式5）
Figure 476885DEST_PATH_IMAGE013
S203.对所有帧差面积求均值和方差 ，求均值和方差的方法同上述所述。
S204.根据帧差面积和方法来判断是否存在匀速滚动现象
同样的道理，如果均值大于对应的阈值，方差小于对应的阈值，说明这个假设的区域面积不仅存在，而且通过这30个采集点的数据体现出了一致性。这就证明了目标匀速滚动现象的存在。
S300.综合上述内容确定是否存在滚屏干扰
周期频率存在，匀速滚动干扰存在，则判定存在滚屏干扰，否则不存在滚屏干扰。
阈值的确定：上述阈值是通过一定数量的滚屏案例测试得到的，通过测试100个典型滚屏案例，得到100个主频均值和100个主频方差。取最小的主频均值作为其参考阈值，取最大的主频方差作为其参考阈值。同时得到100个帧差面积均值和100个帧差面积方差。取最小的帧差面积均值作为其参考阈值，取最大的帧差面积方差作为其参考阈值。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。其中该技术方案的顺序可以变换，可以先进行两个步骤的采集，再进行计算均值、方差，也可以先进行帧差面积的采集和计算，再进行周期性的采集和计算。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

Claims (10)

1.步骤如下：S100. 针对视频中条纹滚动的周期性，通过快速傅里叶变换计算出条纹滚动频率；
S200. 针对视频中条纹滚动的匀速性，计算相邻两帧图像之差区域面积；
S300. 最后运用概率统计数学工具实现结果的量化，来判断是否存在滚屏。
2.根据权利要求1所述的一种基于快速傅里叶变换检测滚屏的方法，其特征在于，在所述步骤S100中，要求采集点个数为N=[20,50]之间，在视频上随机选取N 个采集点，分别对该N个采集点采集512个数据，该512个数据为[N*512]个灰度值。
3.根据权利要求2所述的一种基于快速傅里叶变换检测滚屏的方法，其特征在于， 在所述步骤S100中，对512个数据根据                                                
Figure 325453DEST_PATH_IMAGE001
傅里叶变换，求出各个采集点灰度值序列的主频，根据所述傅里叶变换得出频谱上最大幅值对应的频率为主频。
4.根据权利要求3所述的一种基于快速傅里叶变换检测滚屏的方法，其特征在于，根据
Figure 837206DEST_PATH_IMAGE002
求所有主频的均值，根据
Figure 3745DEST_PATH_IMAGE003
求所有主频的方差。
5.根据权利要求4所述的一种基于快速傅里叶变换检测滚屏的方法，其特征在于，上述所有主频均值大于对应的阈值，所有主频方差小于对应的阈值，则周期频率存在，否则不存在。
6.根据权利要求1所述一种基于快速傅里叶变换检测滚屏的方法，其特征在于，在所述步骤S200中，采集513帧视频上的灰度值数据，将连续两帧视频上的灰度值数据根据
Figure 222237DEST_PATH_IMAGE004
和
Figure 81608DEST_PATH_IMAGE005
求帧差面积，存储512个数据。
7.其特征在于，根据
Figure 815078DEST_PATH_IMAGE002
求所有帧差面积的均值，根据
Figure 50887DEST_PATH_IMAGE003
求所有帧差面积的方差。
8.根据权利要求1所述一种基于快速傅里叶变换检测滚屏的方法，其特征在于，如上述所有帧差面积求均值大于对应的阈值，所有帧差面积方差小于对应的阈值，匀速滚动干扰存在，否则不存在。
9.根据权利要求5或8所述一种基于快速傅里叶变换检测滚屏的方法，其特征在于，上述阈值通过测试预设数量的滚屏得到预设数量的主频均值和预设数量的主频方差，取最小的主频均值作为其参考阈值，取最大的主频方差作为其参考阈值，同时得到预设数量的帧差面积均值和预设数量的帧差面积方差，取最小的帧差面积均值作为其参考阈值，取最大的帧差面积方差作为其参考阈值。
10.根据权利要求1所述的一种基于快速傅里叶变换检测滚屏的方法，其特征在于，在所述步骤S300中，周期频率存在，匀速滚动干扰存在，则判定滚屏干扰，否则不存在滚屏干扰。
CN2011100764331A 2011-03-29 2011-03-29 一种基于快速傅里叶变换检测滚屏的方法 Pending CN102572504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011100764331A CN102572504A (zh) 2011-03-29 2011-03-29 一种基于快速傅里叶变换检测滚屏的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011100764331A CN102572504A (zh) 2011-03-29 2011-03-29 一种基于快速傅里叶变换检测滚屏的方法

Publications (1)

Publication Number Publication Date
CN102572504A true CN102572504A (zh) 2012-07-11

Family

ID=46416781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100764331A Pending CN102572504A (zh) 2011-03-29 2011-03-29 一种基于快速傅里叶变换检测滚屏的方法

Country Status (1)

Country Link
CN (1) CN102572504A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282011A (zh) * 2013-07-04 2015-01-14 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
CN104378628A (zh) * 2014-11-28 2015-02-25 广东中星电子有限公司 一种检测图像闪烁条纹的方法
CN112714308A (zh) * 2020-12-22 2021-04-27 武汉微创光电股份有限公司 一种检测视频滚动条纹的方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1509069A (zh) * 2002-12-17 2004-06-30 运动画面中闪烁的消除方法
CN101500076A (zh) * 2008-02-03 2009-08-05 深圳艾科创新微电子有限公司 一种消除图像滚动条纹的方法及装置
CN101567977A (zh) * 2009-06-09 2009-10-28 北京中星微电子有限公司 一种闪烁检测方法及其装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1509069A (zh) * 2002-12-17 2004-06-30 运动画面中闪烁的消除方法
CN101500076A (zh) * 2008-02-03 2009-08-05 深圳艾科创新微电子有限公司 一种消除图像滚动条纹的方法及装置
CN101567977A (zh) * 2009-06-09 2009-10-28 北京中星微电子有限公司 一种闪烁检测方法及其装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282011A (zh) * 2013-07-04 2015-01-14 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
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
CN104378628A (zh) * 2014-11-28 2015-02-25 广东中星电子有限公司 一种检测图像闪烁条纹的方法
CN104378628B (zh) * 2014-11-28 2018-04-24 广东中星电子有限公司 一种检测图像闪烁条纹的方法
CN112714308A (zh) * 2020-12-22 2021-04-27 武汉微创光电股份有限公司 一种检测视频滚动条纹的方法及装置
CN112714308B (zh) * 2020-12-22 2022-05-06 武汉微创光电股份有限公司 一种检测视频滚动条纹的方法及装置

Similar Documents

Publication Publication Date Title
CN107678192B (zh) 一种基于机器视觉的Mura缺陷检测方法
CN101489121B (zh) 一种基于视频监控的背景模型初始化和更新方法
US10713798B2 (en) Low-complexity motion detection based on image edges
CN106303158B (zh) 一种视频图像中的条纹异常检测方法
CN111815578B (zh) 图像条纹检测方法、视频监控系统及相关装置
CN103996204A (zh) 分析系统、分析程序和分析方法
CN102567996A (zh) 一种遥感卫星图像质量评价的方法
CN103761826A (zh) 一种热成像视频双鉴林火识别系统的识别方法
KR20100128855A (ko) 이동 소음원 가시화 장치 및 가시화 방법
CN105550694B (zh) 一种度量人脸图像模糊程度的方法
CN103473779B (zh) 图像中条纹干扰的检测方法和装置
US10375383B2 (en) Method and apparatus for adjusting installation flatness of lens in real time
CN102572504A (zh) 一种基于快速傅里叶变换检测滚屏的方法
US10332244B2 (en) Methods and apparatuses for estimating an ambiguity of an image
JP5507903B2 (ja) 震度推定方法及び装置
Nawrot et al. Elimination of response latency variability in neuronal spike trains
CN113838097B (zh) 摄像机镜头角度偏离检测方法、装置及存储介质
CN115755015A (zh) 座舱内的活体检测方法、装置、设备及介质
CN110855382B (zh) 基于csi进行人体活动数据检测的方法、装置及电子设备
CN112714308B (zh) 一种检测视频滚动条纹的方法及装置
CN113899349A (zh) 海浪参数检测方法、设备及存储介质
KR101435648B1 (ko) 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템
US20150213595A1 (en) Image monitoring apparatus for estimating size of singleton, and method therefor
CN106824826B (zh) 一种玉米单倍体分拣系统
CN114598849B (zh) 一种基于物联网的建筑施工安全监控系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120711