CN104168473B

CN104168473B - 一种视频图像的横波干扰的检测方法及装置

Info

Publication number: CN104168473B
Application number: CN201310186630.8A
Authority: CN
Inventors: 潘晖; 潘石柱; 王刚; 定志锋; 张兴明; 傅利泉; 朱江明; 吴军; 吴坚
Original assignee: Zhejiang Dahua Technology Co Ltd
Current assignee: Zhejiang Dahua Technology Co Ltd
Priority date: 2013-05-17
Filing date: 2013-05-17
Publication date: 2016-04-20
Anticipated expiration: 2033-05-17
Also published as: CN104168473A

Abstract

本发明实施例公开了一种视频图像的横波干扰的检测方法及装置，用于解决目前人工诊断视频图像的横波干扰导致的处理效率低、准确率低的问题。本发明的方法包括：针对每路视频监控设备的每一帧视频图像进行如下处理：获取该视频图像的投影特征曲线，并确定该投影特征曲线的至少一个波峰点和至少一个波谷点；针对每个波峰点或每个波谷点，确定该波峰点或该波谷点所在的设定大小的区域的图像块，并确定该图像块的均值及方差；针对每个波峰点对应的图像块，根据该波峰点对应的图像块的均值和方差、至少一个波谷点对应的图像块的均值和方差、以及该视频图像的均值和方差，确定该波峰点对应的图像块是否为横波干扰区域。

Description

一种视频图像的横波干扰的检测方法及装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种视频图像的横波干扰的检测方法及装置。

背景技术

随着视频监控技术的发展，视频监控的应用行业也不断扩大，视频监控网络规模的不断增长，目前一般的大型视频监控系统都包含数万路的摄像头，但是在视频获取、编码、传输等过程中都可能受到干扰，使得视频质量下降，从而影响了后续工作。所以对视频监控系统的整体的运行和维护能力（以下简称：运维能力）提出了更高的要求，即如何高效率地管理、控制这个庞大的系统中的各个摄像头，快速、准确地排除摄像头的故障，减少运维成本。

目前，常见的监控设备故障包括视频图像横波干扰、视频移动、视频冻结、视频遮挡等，其中，视频图像横波干扰是指在视频图像输出时，叠加在该视频图像上的横向的波形，受到横波干扰的视频图像会出现模糊、亮点异常、泛白等缺陷。产生视频横波干扰的主要原因有：线路老化、传输故障、接触不良、电磁干扰等。

目前，大部分的视频监控系统主要通过人眼查看的方式来判断各监控设备输出的视频图像是否存在横波干扰，这样就需要大量的人力资源，同时，由于人的主观性，会存在一定的偏差，因此，采用人工诊断的方式进行横波干扰的检测，会导致处理效率低、准确率低、人力资源浪费严重。另外，在监控设备发生异常后，若该监控设备得不到及时的维护，将会严重影响到视频监控系统的视频图像质量，大大降低了视频监控系统的可信度。

综上所述，目前视频监控系统主要通过人工诊断的方式来检测视频图像的横波干扰，会导致处理效率低、准确率低及人力资源浪费严重。

发明内容

本发明实施例提供了一种视频图像的横波干扰的检测方法及装置，用于解决目前视频监控系统主要通过人工诊断的方式来检测视频图像的横波干扰，会导致处理效率低、准确率低及人力资源浪费严重的问题。

本发明实施例提供了一种视频图像的横波干扰的检测方法，针对每路视频监控设备的每一帧视频图像进行如下处理：

获取该视频图像的投影特征曲线，并确定所述投影特征曲线的至少一个波峰点和至少一个波谷点；

针对每个波峰点或每个波谷点，确定该波峰点或该波谷点所在的设定大小的区域的图像块，并确定该图像块的均值及方差；

针对每个波峰点对应的图像块，根据该波峰点对应的图像块的均值和方差、至少一个波谷点对应的图像块的均值和方差、以及该视频图像的均值和方差，确定该波峰点对应的图像块是否为横波干扰区域。

本发明提供了一种视频图像的横波干扰的检测装置，该装置包括：

第一处理模块，用于针对每路视频监控设备的每一帧视频图像，获取该视频图像的投影特征曲线，并确定所述投影特征曲线的至少一个波峰点和至少一个波谷点；

第二处理模块，用于针对每个波峰点或每个波谷点，确定该波峰点或该波谷点所在的设定大小的区域的图像块，并确定该图像块的均值及方差；

第三处理模块，用于针对每个波峰点对应的图像块，根据该波峰点对应的图像块的均值和方差、至少一个波谷点对应的图像块的均值和方差、以及该视频图像的均值和方差，确定该波峰点对应的图像块是否为横波干扰区域。

本发明实施例利用横波干扰区域的图像的异常特性提取每帧视频图像的投影特征曲线的波峰点及波谷点，根据提取的波峰点及波谷点，确定该横波干扰区域，从而能够快速地对横波干扰的位置做出定位，由于仅需根据提取的波峰点及波谷点，确定该横波干扰区域，从而可以避免对整幅视频图像进行反复遍历，提高了处理速度。

附图说明

图1为本发明实施例提供的第一种视频图像的横波干扰的检测方法的流程示意图；

图2为本发明实施例提供的第二种视频图像的横波干扰的检测方法的流程示意图；

图3为本发明实施例提供的分类器的训练过程示意图；

图4为本发明实施例提供的第三种视频图像的横波干扰的检测方法的流程示意图；

图5A～图5C均为采用本发明实施例提供的视频图像的横波干扰的检测得到的横波干扰检测结果示意图；

图6为本发明实施例提供的第一种视频图像的横波干扰的检测装置的结构示意图；

图7为本发明实施例提供的第二种视频图像的横波干扰的检测装置的结构示意图。

具体实施方式

下面结合说明书附图对本发明实施例作进一步详细描述。

参见图1所示，本发明实施例提供的一种视频图像的横波干扰的检测方法，针对每路视频监控设备的每一帧视频图像进行如下处理：

步骤11、获取该视频图像的投影特征曲线，并确定该投影特征曲线的至少一个波峰点和至少一个波谷点；

步骤12、针对每个波峰点或每个波谷点，确定该波峰点或该波谷点所在的设定大小的区域的图像块，并确定该图像块的均值及方差；

步骤13、针对每个波峰点对应的图像块，根据该波峰点对应的图像块的均值和方差、至少一个波谷点对应的图像块的均值和方差、以及该视频图像的均值和方差，确定该波峰点对应的图像块是否为横波干扰区域。

本发明实施例中，利用横波干扰区域的图像的异常特性提取每帧视频图像的投影特征曲线的波峰点及波谷点，根据提取的波峰点及波谷点，确定该横波干扰区域，从而能够快速地对横波干扰的位置做出定位；

利用横波干扰图像的特性排除非干扰区域，由于仅需根据提取的波峰点及波谷点，确定该横波干扰区域，从而可以避免对整幅视频图像进行反复遍历，提高了处理速度。同时利用本发明实施例提供的方法也能克服运动背景对干扰检测带来的影响，也就是说在有运动背景的情况下也能检测出是否存在横纹干扰。

进一步，在步骤13之后，该方法还包括：

针对确定出的每个横波干扰区域，计算该横波干扰区域的图像的响应强度。

具体的，首先，统计该横波干扰区域的图像的平均亮度响应值，以及统计该视频图像中除该横波干扰区域之外的非横波干扰区域的图像的平均亮度响应值；然后，将横波干扰区域的图像的平均亮度响应值除以非横波干扰区域的图像的平均亮度响应值，并将该比值作为该横波干扰区域的图像的响应强度，并输出。

优选的，在步骤13之后，该方法还包括：

若确定出横波干扰区域，则发出报警信号，以提示操作者该路视频监控设备出现横波干扰故障，以便于操作者及时对该视频监控设备进行维护。

在实施中，步骤11中，获取每帧视频图像的投影特征曲线，进一步包括：

将该视频图像进行编解码处理，得到YUV制式的视频图像；

获取该YUV制式的视频图像的投影特征曲线。

需要说明的是，在对视频图像进行编解码处理时，也可以将视频图像转换为RGB制式。

在实施中，步骤11中，获取该视频图像的投影特征曲线，进一步包括：

采用垂直投影算法，获取该视频图像的投影特征曲线。

在实施中，步骤11中，确定该投影特征曲线的至少一个波峰点和至少一个波谷点，进一步包括：

若投影特征曲线包括多个波峰点，从该投影特征曲线的所有波峰点中，选择波峰值最大的M个波峰点作为确定的波峰点，其中，M为正整数；

若投影特征曲线包括多个波谷点，从该投影特征曲线的所有波谷点中，选择波谷值最大的N个波谷点作为确定的波谷点，其中，N为正整数。

需要说明的是，M及N均为经验值，可根据需要进行设置；另外，M及N可以设置为相同的值，也可以设置为不同的值。

在实施中，步骤12中，针对每个波峰点或每个波谷点，确定该波峰点或该波谷点所在的设定大小的区域的图像块。

优选的，该设定大小的区域为以该波峰点或该波谷点为中心点的矩形区域，其中，该设定大小的区域的宽度为该视频图像的宽度。

举例说明，该矩形区域的宽度为该视频图像的宽度，该矩形区域的中心点为该波峰点或该波谷点，并取以该波峰点或该波谷点为中心点向上及向下各扩展若干个像素点（如各扩展5个像素点）的线段作为该矩形区域的高；当然，向上及向下扩展的像素点的个数根据经验设定，其个数可以相同，也可以不同。

在实施中，步骤13中，针对每个波峰点对应的图像块，确定该波峰点对应的图像块是否为横波干扰区域，进一步包括：

针对至少一个确定的波谷点对应的图像块，将该波峰点对应的图像块的均值与该波谷点对应的图像块的均值的比值作为第一比值，将该波谷点对应的图像块的方差与该波峰点对应的图像块的方差的比值作为第二比值，将该波峰点对应的图像块的均值与所述视频图像的均值的比值作为第三比值，将所述视频图像的方差与该波峰点对应的图像块的方差的比值作为第四比值；若该第一比值大于设定的第一阈值，且该第二比值大于设定的第二阈值，且该第三比值大于设定的第三阈值，且该第四比值大于设定的第四阈值，则确定该波峰对应的图像块是横波干扰区域；否则，确定该波峰对应的图像块不是横波干扰区域。

其中，第一阈值、第二阈值、第三阈值及第四阈值均为经验值，可根据需要进行设定。

具体包括以下两种处理方式：

方式A、针对每个波峰点对应的图像块，将该波峰点与任一确定的波谷点进行组合，即从确定的波谷点中选择一个波谷点与该波峰点进行组合；

进一步，确定该组合对应的第一比值、第二比值、第三比值及第四比值；

若该第一比值大于设定的第一阈值，且该第二比值大于设定的第二阈值，且该第三比值大于设定的第三阈值，且该第四比值大于设定的第四阈值，则确定该波峰对应的图像块是横波干扰区域；

否则，确定该波峰对应的图像块不是横波干扰区域。

方式B、针对每个波峰点对应的图像块，将该波峰点与每个确定的波谷点进行组合；

进一步，确定每个组合对应的第一比值、第二比值、第三比值及第四比值；

后续处理进一步又包括以下两种方式：

方式B1、若每个组合对应的第一比值、第二比值、第三比值及第四比值均满足：第一比值大于设定的第一阈值，且第二比值大于设定的第二阈值，且第三比值大于设定的第三阈值，且第四比值大于设定的第四阈值，则确定该波峰对应的图像块是横波干扰区域；否则，确定该波峰对应的图像块不是横波干扰区域。

方式B2、若任一组合对应的第一比值、第二比值、第三比值及第四比值满足：第一比值大于设定的第一阈值，且第二比值大于设定的第二阈值，且第三比值大于设定的第三阈值，且第四比值大于设定的第四阈值，则确定该波峰对应的图像块是横波干扰区域；否则，确定该波峰对应的图像块不是横波干扰区域。

为了更精确地定位横波干扰的位置，以及避免错检，参见图2所示，在步骤13之后，该方法还包括：

步骤14、针对每个确定为横波干扰区域的图像块，提取该图像块的特征值，并将该图像块的特征值与预设的特征值样本集合进行匹配，确定该横波干扰区域是否为最终的横波干扰区域。

本发明实施例中，结合预设的特征值样本集合，采用特征识别方法（即将确定为横波干扰区域的图像块的特征值与相应的特征值样本集合进行匹配），来确定该横波干扰区域是否为最终的横波干扰区域，进一步提高了横波干扰检测的准确率，提高了横波干扰检测的稳定性。

进一步，在步骤14之后，该方法还包括：

针对确定出的每个最终的横波干扰区域，计算该最终的横波干扰区域的图像的响应强度并输出。

优选的，在步骤14之后，该方法还包括：

若确定出最终的横波干扰区域，则发出报警信号，以提示操作者该路视频监控设备出现横波干扰故障，以便于操作者及时对该视频监控设备进行维护。

在实施中，图像块的特征值包括但不限于以下特征中的一种或组合：

该图像块的二值图像的白点像素的比例特征、及该图像块的二值图像的竖直方向的灰度差异度特征的组合等。

具体的，该图像块的二值图像的白点像素的比例特征的计算方法如下：

采用OTSU算法（即最大类间方差法）对该图像块进行二值化处理，得到该图像块的二值图像，将该二值图像中白点像素个数之和与该二值图像的像素总个数的比值，作为白点像素的比例特征

该图像块的二值图像的竖直方向的灰度差异度特征提取方法如下：

先计算该图像块的水平投影曲线，再计算该水平投影曲线的方差，并将该水平投影曲线的方差作为竖直方向的灰度差异度特征。

进一步，若提取出的特征值包括至少两种特征，则步骤14具体包括：

针对每个确定为横波干扰区域的图像块的每个特征值，将该特征值与相应的特征值样本集合进行匹配；

在每个特征值均匹配成功时，确定该横波干扰区域是最终的横波干扰区域。

在实施中，该预设的特征值样本集合是通过对收集到的具有横波干扰特征的正样本以及不具有横波干扰特征的负样本进行训练得到的。进一步，该特征值样本结合可由分类器实现。

具体的，样本训练得到分类器的过程参见图3所示，包括以下步骤：

步骤31、提取每个已确定是横波干扰区域的图像的特征值以及该视频图像中不是横波干扰区域的图像的特征值；

步骤32、收集多个正样本及多个负样本；

步骤33、对收集到的正样本及负样本进行训练；

步骤34、样本训练后得到横波干扰分类器。

在实施中，步骤14中，将该特征值与相应的特征值样本集合进行匹配，进一步包括：

针对已确定为横波干扰区域的图像块的每个特征值，将该特征值与相应的特征值样本集合中的正样本（或负样本）值进行匹配，若该特征值与该样本集合中的设定数量的正样本（或每个负样本）均匹配成功，则确定该横波干扰区域为最终的横波干扰区域。

进一步，将该特征值与相应的特征值样本集合中的正样本值进行匹配，具体包括：

计算该特征值与相应的特征值样本集合中的每个正样本值的差值的绝对值，若该绝对值小于设定的正样本阈值，则确定该特征值与该正样本值匹配成功；否则，确定该特征值与该正样本值匹配失败。

进一步，将该特征值与相应的特征值样本集合中的负样本值进行匹配，具体包括：

计算该特征值与相应的特征值样本集合中的每个负样本值的差值的绝对值，若该绝对值大于设定的负样本阈值，则确定该特征值与该负样本值匹配成功；否则，确定该特征值与该负样本值匹配失败。

下面结合一个具体实施例，对本发明提供的视频处理方法进行详细说明。

参见图4所示，本实施例中，视频图像的横波干扰的检测方法包括以下步骤：

步骤401、获取当前帧的视频图像；

具体的，首先需要获取每路视频监控设备提供的连续的视频流，然后，从该连续的视频流中获取每一帧图像，并对每一帧图像进行后续的处理；

步骤402、利用编解码算法将获取到的视频图像转换为YUV制式；

步骤403、利用垂直投影算法获取视频图像的投影特征曲线；

步骤404、获取该投影特征曲线的波峰点和波谷点；

本实施例中，以该投影特征曲线包括一个波峰点和一个波谷点为例进行说明，其他情况类似，此处不再一一举例说明；

步骤405、计算该波峰点及该波谷点对应的图像块的均值及方差，以及该视频图像的均值及方差；

其中，该波峰点对应的图像块的均值及方差分别记为μMax，vMax；该波谷点对应的图像块的均值及方差分别记为μMin，vMin；该视频图像的均值及方差分别记为μ，v。

步骤406、判断μMax/μMin、vMin/vMax、μMax/μ、v/vMax的值是否分别大于给定的第一阈值、第二阈值第三阈值及第四阈值；

若否，则执行步骤407；

若是，则执行步骤408～步骤411；

步骤408、将符合上述条件的波峰点对应的图像块作为横波干扰候选区域；

步骤409、提取该候选区域的二值图像的白点像素的比例特征、及竖直方向的灰度差异度特征；

步骤410、根据横波干扰分类器，采用特征识别方法，对横波干扰候选区域对应的各特征值进行识别；

步骤411、判断该横波干扰候选区域是否符合横波干扰特征；

若是，则执行步骤412；

若否，则执行步骤407；

步骤412、将该横波干扰候选区域确定为最终的横波干扰区域，并计算该横波干扰区域的图像的响应强度，并执行步骤407；

步骤407、输出检测结果，并对下一帧图像执行步骤401～步骤412。

具体的，若步骤406的判断结果为否，则步骤407输出的检测结果为该视频图像不存在横波干扰；若步骤411的判断结果为否，则步骤407输出的检测结果为该视频图像不存在横波干扰；若步骤411的判断结果为是，则步骤407输出的检测结果为该视频图像存在横波干扰，且该检测结果还包括该横波干扰区域的图像的响应强度。

参见图5A～图5C所示，均为采用本发明实施例提供的视频图像的横波干扰的检测方法得到的检测结果，其中，图5A～图5C中，左边均为原始输入视频，右边均为采用本发明实施例提供的视频处理方法进行横波干扰检测得到的检测结果（图中两条横向直线之间的图像块为横波干扰区域）。

上述方法处理流程可以用软件程序实现，该软件程序可以存储在存储介质中，当存储的软件程序被调用时，执行上述方法步骤。

基于同一发明构思，本发明实施例中还提供了一种视频图像的横波干扰的检测装置，由于该装置解决问题的原理与上述视频图像的横波干扰的检测方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

参见图6所示，本发明实施例提供的一种视频图像的横波干扰的检测装置，包括：

第一处理模块61，用于针对每路视频监控设备的每一帧视频图像，获取该视频图像的投影特征曲线，并确定该投影特征曲线的至少一个波峰点和至少一个波谷点；

第二处理模块62，用于针对每个波峰点或每个波谷点，确定该波峰点或该波谷点所在的设定大小的区域的图像块，并确定该图像块的均值及方差；

第三处理模块63，用于针对每个波峰点对应的图像块，根据该波峰点对应的图像块的均值和方差、至少一个波谷点对应的图像块的均值和方差、以及该视频图像的均值和方差，确定该波峰点对应的图像块是否为横波干扰区域。

参见图7所示，为了更精确地定位横波干扰的位置，以及避免错检，该装置还包括：

第四处理模块64，用于在确定该波峰点对应的图像块是横波干扰区域之后，针对每个确定为横波干扰区域的图像块，提取该图像块的特征值，并将该图像块的特征值与预设的特征值样本集合进行匹配，确定该横波干扰区域是否为最终的横波干扰区域。

在实施中，第一处理模块61具体用于：

将视频图像进行编解码处理，得到YUV制式的视频图像；以及获取该YUV制式的视频图像的投影特征曲线。

在实施中，第一处理模块61具体用于：

采用垂直投影算法，获取该视频图像的投影特征曲线。

在实施中，第一处理模块61具体用于：

在实施中，第三处理模块63具体用于：

针对至少一个确定的波谷点对应的图像块，将该波峰点对应的图像块的均值与该波谷点对应的图像块的均值的比值作为第一比值，将该波谷点对应的图像块的方差与该波峰点对应的图像块的方差的比值作为第二比值，将该波峰点对应的图像块的均值与视频图像的均值的比值作为第三比值，将该视频图像的方差与该波峰点对应的图像块的方差的比值作为第四比值；若第一比值大于设定的第一阈值，且第二比值大于设定的第二阈值，且第三比值大于设定的第三阈值，且第四比值大于设定的第四阈值，则确定该波峰对应的图像块是横波干扰区域；否则，确定该波峰对应的图像块不是横波干扰区域。

优选的，图像块的特征值包括但不限于以下特征中的一种或组合：

该图像块的二值图像的白点像素的比例特征、及该图像块的二值图像的竖直方向的灰度差异度特征中的一个或组合等。

在实施中，第四处理模块64具体用于：

针对每个确定为横波干扰区域的图像块的每个特征值，将该特征值与相应的特征值样本集合进行匹配；以及在每个特征值均匹配成功时，确定该横波干扰区域是最终的横波干扰区域。

优选的，第三处理模块63还用于：在确定该波峰点对应的图像块是横波干扰区域之后，针对确定的每个横波干扰区域，计算该横波干扰区域的图像的响应强度；

或者，

第四处理模块64还用于：在确定该横波干扰区域是最终的横波干扰区域之后，针对确定的每个最终的横波干扰区域，计算该最终的横波干扰区域的图像的响应强度。

视频质量诊断系统是一种通过计算机对视频实现自动故障分析与预警系统，提取视频中的关键信息，通过分析视频内容实现对视频图像中出现横波干扰、视频移动、视频冻结、视频遮挡等常见的摄像头故障做出准确的判断并发出报警信息，有效地预防因人为干扰、硬件故障等因素造成的图像质量问题及所带来的不必要的损失。

本发明实施例还提供一种视频横波检测系统，该系统包括的工作平台为：

视频监控平台、视频监控客户端、视频横波检测平台（即本发明实施例提供的视频图像的横波干扰的检测装置）及综合接入服务器；其中，视频监控平台、综合接入服务器和视频横波检测平台依次连接；视频横波检测平台和视频检测客户端连接。

具体的，上述视频监控平台是由多个监控设备（如摄像头）组成的；该系统中的视频监控客户端用于为用户提供视频横波检测的操作界面，以便于用户对视频横波检测进行操作，比如视频横波检测功能的开关、视频横波干扰历史记录数据查询等等；综合接入服务器用于将视频监控平台的所有监控设备的信息输入到视频横波检测平台中。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种视频图像的横波干扰的检测方法，其特征在于，针对每路视频监控设备的每一帧视频图像进行如下处理：

针对至少一个确定的波谷点对应的图像块，将该波峰点对应的图像块的均值与该波谷点对应的图像块的均值的比值作为第一比值，将该波谷点对应的图像块的方差与该波峰点对应的图像块的方差的比值作为第二比值，将该波峰点对应的图像块的均值与所述视频图像的均值的比值作为第三比值，将所述视频图像的方差与该波峰点对应的图像块的方差的比值作为第四比值；若所述第一比值大于设定的第一阈值，且所述第二比值大于设定的第二阈值，且所述第三比值大于设定的第三阈值，且所述第四比值大于设定的第四阈值，则确定该波峰点对应的图像块是横波干扰区域；否则，确定该波峰点对应的图像块不是横波干扰区域。

2.如权利要求1所述的方法，其特征在于，在确定该波峰点对应的图像块是横波干扰区域之后，所述方法还包括：

针对每个确定为横波干扰区域的图像块，提取该图像块的特征值，并将该图像块的特征值与预设的特征值样本集合进行匹配，确定该横波干扰区域是否为最终的横波干扰区域。

3.如权利要求1或2所述的方法，其特征在于，所述获取该视频图像的投影特征曲线，进一步包括：

将所述视频图像进行编解码处理，得到YUV制式的视频图像；以及

获取所述YUV制式的视频图像的投影特征曲线。

4.如权利要求3所述的方法，其特征在于，所述获取该视频图像的投影特征曲线，进一步包括：

采用垂直投影算法，获取该视频图像的投影特征曲线。

5.如权利要求1或2所述的方法，其特征在于，所述确定所述投影特征曲线的至少一个波峰点和至少一个波谷点，进一步包括：

若所述投影特征曲线包括多个波峰点，从所述投影特征曲线的所有波峰点中，选择波峰值最大的M个波峰点作为确定的波峰点，其中，M为正整数；

若所述投影特征曲线包括多个波谷点，从所述投影特征曲线的所有波谷点中，选择波谷值最大的N个波谷点作为确定的波谷点，其中，N为正整数。

6.如权利要求2所述的方法，其特征在于，所述特征值包括所述图像块的二值图像的白点像素的比例特征、及所述图像块的二值图像的竖直方向的灰度差异度特征的组合。

7.如权利要求6所述的方法，其特征在于，

8.如权利要求1或2所述的方法，其特征在于，

在确定该波峰点对应的图像块是横波干扰区域之后，该方法还包括：针对确定的每个横波干扰区域，计算该横波干扰区域的图像的响应强度；或者

在确定该横波干扰区域是最终的横波干扰区域之后，该方法还包括：针对确定的每个最终的横波干扰区域，计算该最终的横波干扰区域的图像的响应强度。

9.一种视频图像的横波干扰的检测装置，其特征在于，该装置包括：

第三处理模块，用于针对至少一个确定的波谷点对应的图像块，将该波峰点对应的图像块的均值与该波谷点对应的图像块的均值的比值作为第一比值，将该波谷点对应的图像块的方差与该波峰点对应的图像块的方差的比值作为第二比值，将该波峰点对应的图像块的均值与所述视频图像的均值的比值作为第三比值，将所述视频图像的方差与该波峰点对应的图像块的方差的比值作为第四比值；若所述第一比值大于设定的第一阈值，且所述第二比值大于设定的第二阈值，且所述第三比值大于设定的第三阈值，且所述第四比值大于设定的第四阈值，则确定该波峰点对应的图像块是横波干扰区域；否则，确定该波峰点对应的图像块不是横波干扰区域。

10.如权利要求9所述的装置，其特征在于，所述装置还包括：

第四处理模块，用于在确定该波峰点对应的图像块是横波干扰区域之后，针对每个确定为横波干扰区域的图像块，提取该图像块的特征值，并将该图像块的特征值与预设的特征值样本集合进行匹配，确定该横波干扰区域是否为最终的横波干扰区域。

11.如权利要求9所述的装置，其特征在于，所述第一处理模块具体用于：

将所述视频图像进行编解码处理，得到YUV制式的视频图像；以及获取所述YUV制式的视频图像的投影特征曲线。

12.如权利要求11所述的装置，其特征在于，所述第一处理模块具体用于：

采用垂直投影算法，获取该视频图像的投影特征曲线。

13.如权利要求11或12所述的装置，其特征在于，所述第一处理模块具体用于：

14.如权利要求10所述的装置，其特征在于，所述第四处理模块具体用于：

15.如权利要求9或10所述的装置，其特征在于，

所述第三处理模块还用于：在确定该波峰点对应的图像块是横波干扰区域之后，针对确定的每个横波干扰区域，计算该横波干扰区域的图像的响应强度；

或者，

第四处理模块还用于：在确定该横波干扰区域是最终的横波干扰区域之后，针对确定的每个最终的横波干扰区域，计算该最终的横波干扰区域的图像的响应强度。