CN104182983A - 基于角点特征的高速公路监控视频清晰度的检测方法 - Google Patents
基于角点特征的高速公路监控视频清晰度的检测方法 Download PDFInfo
- Publication number
- CN104182983A CN104182983A CN201410427929.2A CN201410427929A CN104182983A CN 104182983 A CN104182983 A CN 104182983A CN 201410427929 A CN201410427929 A CN 201410427929A CN 104182983 A CN104182983 A CN 104182983A
- Authority
- CN
- China
- Prior art keywords
- corners
- sharpness
- frame images
- angle point
- strong angle
- 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.)
- Granted
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于角点特征的高速公路监控视频清晰度的检测方法,包括如下步骤:步骤一:选取角点检测区域:1)获取高速公路监控视频,抽帧获得单帧图像;2)选取单帧图像中除去道路区域后的图像区域作为检测区域;步骤二:灰度图转换,平滑去噪;步骤三:角点提取:先找出检测区域内的所有角点,再选取一定数量的强角点;步骤四:清晰度计算:1)计算每一个强角点的指定邻域内像素点与该强角点之间的平均能量差;2)将计算得到的所有强角点的平均能量差进行统计分析,得到单帧图像的清晰度;步骤五:综合多帧单帧图像的清晰度与设定阀值之间比较的累积结果,对高速公路监控视频的清晰度进行判断。
Description
技术领域
本发明属于图像处理技术领域,具体的为一种基于角点特征的高速公路监控视频清晰度的检测方法。
背景技术
随着监控系统技术的快速发展以及监控系统技术应用成本的快速降低,视频监控技术被广泛应用于高速公路的监控系统当中。由于高速公路按其场景可分为隧道、露天路段等,其中,每个场景的环境因素千差万别,所要监视的对象也不同,对摄像头的要求也不一样。在高速公路上安装的摄像头种类繁多,每批摄像头的安装时间不同,其老化程度也随之不同,所形成的视频质量清晰度也就各不一样。高速公路上的摄像头数量众多,如何自动化的监视图像清晰度便成为了一个研究热点。
现有的对视频清晰度的评价方法可以分为主观和客观两大类。其中主观评价方法就是征求人们的意见,常用的方法是观察者平均得分(Mean Observer’s Score-MOS)法(也叫做观点平均得分(Mean Opinion Score-MOS)法),这种评价方法不仅费时、繁琐,而且也是一种代价较高的评价方法,对于高速公路的应用场景下不便采用。客观评价方法从参考源的角度可以分为全参考(Full-reference)、弱参考(Reduced-reference)和无参考(No-reference)三种图像质量评价方法。在全参考图像质量评价方法中,被处理的图像要和参考图像(比如原始图像)进行对比;对于弱参考图像质量评价方法,仅能得到原始图像的部分信息,这部分信息用一系列局域特征来描述;在无参考图像质量评价(也称单端或盲质量评价)方法中,度量并非相对于参考图像,而是采用基于给定图像某些特性计算出来的绝对信息。
发明内容
结合高速公路的应用场景,监控视频具有实时性、多点性、采集数据无相关性等特点,很难找到适合每个摄像头的参考图像。从人眼视觉特征上观测目标是否清晰,关键在于目标与背景的边缘上,如果边缘锐利,图像就比较清晰;如果边缘过渡平缓,图像感觉就模糊。最能表征图像边缘特性的特征是前景中的角点,如果人眼都能够看清这些角点的话,这张图像也就相对比较清晰。由于高速公路上的场景复杂,要通过角点信息来分析监控视频的清晰度,最大的一个难点就是:道路上的情况变化多端,其角点信息极其不稳定,经过测试发现,特别是在隧道场景下,干扰最大,尤其是在道路上发生拥堵时,车灯毫无规律闪烁,这对角点的检测是一个致命的打击。
针对这种情况,本发明提出一种基于角点特征的高速公路监控视频清晰度的检测方法。
为达到上述目的,本发明提供如下技术方案:
一种基于角点特征的高速公路监控视频清晰度的检测方法,包括如下步骤:
步骤一:选取角点检测区域
1)获取高速公路监控视频,并抽帧获得单帧图像;
2)根据场景特点选取合适的检测区域:选取所述单帧图像中除去道路区域后的图像区域作为检测区域;
步骤二:灰度图转换,平滑去噪
将所述步骤一中选取的检测区域彩色图转换为灰度图,再将所得到的灰度图进行平滑去噪处理;
步骤三:角点提取
先找出所述检测区域内的所有角点,再选取一定数量的强角点;
步骤四:清晰度计算
1)计算每一个所述强角点的指定邻域内像素点与该强角点之间的平均能量差;
2)将计算得到的所有所述强角点的平均能量差进行统计分析,得到所述单帧图像的清晰度;
步骤五:综合多帧所述单帧图像的清晰度与设定阀值之间比较的累积结果,对所述高速公路监控视频的清晰度进行判断。
进一步,所述步骤四中,所述强角点的指定邻域内像素点与该强角点之间的平均能量差的计算公式为:
其中,corners[m]表示第m个强角点,强角点的数量为M个,m的取值范围为0至M-1;
f(corners[m].x,corners[m].y)表示第m个强角点的像素值,且第m个强角点的坐标信息为(corners[m].x,corners[m].y);
value[m]表示第m个强角点的D×D邻域内像素点的平均能量差,D为大于1的正整数。
进一步,所述步骤四中,所述单帧图像的清晰度的计算公式为:
其中,avr表示所述单帧图像的清晰度。
进一步,所述步骤五中,设定阀值为Threshhold,当avr<Threshhold时,则判定该单帧图像的清晰度不能达到监控视频的清晰度要求;当连续T帧所述单帧图像的清晰度均不能达到监控视频的清晰度要求时,则判定对应的所述高速公路监控视频的清晰度模糊异常;其中T为大于零的正整数。
进一步,所述步骤三中,先利用Harris角点提取方法,找出所述检测区域内的所有角点,再利用SUSAN角点提取方法,选取一定数量的强角点。
进一步,所述步骤一中,当所述高速公路监控视频为25帧每秒的视频时,每隔8帧抽取一帧所述单帧图像。
本发明的有益效果在于:
本发明基于角点特征的高速公路监控视频清晰度的检测方法,提出了从角点邻域与角点之间平均能量差的角度来进行视频清晰度的检测。本法明通过选取单帧图像中除去道路区域后的图像区域作为检测区域,使得检测区域内没有车辆、行人等元素的干扰,一方面,使得选取区域内的清晰度比较稳定,从而提高了检测精度;另一方面,经过感兴趣区域的提取,大大缩小了处理的数据量,从而也提高了算法的效率;同时还排除了提取角点时的最大干扰,从整体上提高了算法的检测精度;
由于视频流数据在获取、编码、传输和解码的过程中都伴有噪声,存在不同程度的失真;特别是在隧道场景下,车辆的灯光污染特别严重,当有一车灯不停的闪烁时,有些部分区域的像素点就变得非常尖锐,便产生了大量伪角点;因此在对选取区域进行灰度转换后还需要对选取区域进行平滑去噪处理,能够有效克服上述缺点;
通过对单帧图像的清晰度的计算,并将单帧图像的清晰度与设定阀值之间相比较,比较的累积结果能够作为高速公路监控视频清晰度的判断依据;
综上可知,本发明基于角点特征的高速公路监控视频清晰度的检测方法能够克服高速公路上路况变化多端导致的角点信息极其不稳定的问题,不仅能够准确地判断高速公路监控视频的清晰度,而且具有处理的数据量小、检测精度高的优点。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明基于角点特征的高速公路监控视频清晰度的检测方法实施例的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,为本发明基于角点特征的高速公路监控视频清晰度的检测方法实施例的流程图。本实施例基于角点特征的高速公路监控视频清晰度的检测方法,包括如下步骤:
步骤一:选取角点检测区域
1)获取高速公路监控视频,并抽帧获得单帧图像。具体的,为了提高检测效果,当所述高速公路监控视频为25帧每秒的视频时,每隔8帧抽取一帧所述单帧图像。
2)根据场景特点选取合适的检测区域:选取单帧图像中除去道路区域后的图像区域作为检测区域。检测区域要选取像素值相对稳定的区域,通过选取除去道路区域后的图像区域为检测区域,选取后的检测区域内没有车辆、行人等元素的干扰,当进行分块处理后,监测区域内的清晰度比较稳定;另外,经过感兴趣区域的提取,大大缩小了处理的数据量,从而也提高了算法的效率;同时也排除了提取角点时的最大干扰,从整体上提高了算法的检测精度。
步骤二:灰度图转换,平滑去噪
将所述步骤一中选取的检测区域转换为灰度图。得到的检测区域相当于得到了几个能够组成闭合区域的坐标池,之后要处理的每单帧图像都用这个坐池去提取检测区域。由于得到的检测区域是彩色图,还要将其转换成灰度图。本实施例采用三通道的BMP位图,再将其转换成单通道的灰度图。
再将所得到的灰度图进行平滑去噪处理。视频流数据在获取、编码、传输、解码的过程中都伴有噪声,存在不同程度的失真,因此平滑去噪是很有必要的。特别是在隧道场景下,车辆的灯光污染特别严重,当有一车灯不停的闪烁时,有些部分区域的像素点就变得非常尖锐,便产生了大量伪角点。在实测数据过程中,发现当道路上行车比较多的时候,本实施例计算出的清晰度高出这路视频清晰度的期望值,经过平滑去噪之后,基本能克服这种影响。滤波采用双边滤波方法,选用3×3的邻域,经过平滑去噪后得到灰度图。
步骤三:角点提取
找出所述检测区域内的所有角点,再选取一定数量的强角点。本实施例首先利用Harris角点提取方法,找出所述检测区域内的所有角点,再利用SUSAN角点提取方法,选取一定数量的强角点。具体的,对灰度图进行角点提取,找出检测区域里的所有角点,然后进行筛选,选出M个强角点记作corners[m],代表有M个强角点,其中,该强角点的坐标信息表示为(corners[m].x,corners[m].y),m取值为0到M-1,对应该坐标的强角点的像素值用函数f(corners[m].x,corners[m].y)表示。经过测试,当M取值为100时,就能够满足像素为720×576的图像检测要求,其中M可以根据图像大小进行相应的调整。
步骤四:清晰度计算
1)计算每一个强角点的指定邻域内像素点与该强角点之间的平均能量差,且该平均能量差的计算公式为:
其中,corners[m]表示第m个强角点,强角点的数量为M个,m的取值范围为0至M-1;
f(corners[m].x,corners[m].y)表示第m个强角点的像素值,且第m个强角点的坐标信息为(corners[m].x,corners[m].y);
value[m]表示第m个强角点的D×D邻域内像素点的平均能量差,D为大于1的正整数。
2)将计算得到的所有所述强角点的平均能量差进行统计分析,得到单帧图像的清晰度,且单帧图像的清晰度的计算公式为:
其中,avr表示单帧图像的清晰度。
步骤五:综合多帧所述单帧图像的清晰度与设定阀值之间比较的累积结果,对所述高速公路监控视频的清晰度进行判断。具体的,若设定阀值为Threshhold,当avr<Threshhold时,则判定该单帧图像的清晰度不能达到监控视频的清晰度要求;当连续T帧所述单帧图像的清晰度均不能达到监控视频的清晰度要求时,则判定对应的所述高速公路监控视频的清晰度模糊异常;其中T为大于零的正整数。经过大量数据实验得到,当Threshhold的值取10.0时,若算出的avr小于10.0时,人眼看到的视频就比较模糊,一般比较清晰视频,算出的avr值都在20.0以上。针对25帧每秒的视频,为了提高检测效率,可以每隔8帧取一单帧图像进行检测,如果要求当监控视频发生模糊异常20秒后进行报警,T值可以取60。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (6)
1.一种基于角点特征的高速公路监控视频清晰度的检测方法,其特征在于:包括如下步骤:
步骤一:选取角点检测区域
1)获取高速公路监控视频,并抽帧获得单帧图像;
2)根据场景特点选取合适的检测区域:选取所述单帧图像中除去道路区域后的图像区域作为检测区域;
步骤二:灰度图转换,平滑去噪
将所述步骤一中选取的检测区域彩色图转换为灰度图;再将所得到的灰度图进行平滑去噪处理;
步骤三:角点提取
先找出所述检测区域内的所有角点,再选取一定数量的强角点;
步骤四:清晰度计算
1)计算每一个所述强角点的指定邻域内像素点与该强角点之间的平均能量差;
2)将计算得到的所有所述强角点的平均能量差进行统计分析,得到所述单帧图像的清晰度;
步骤五:综合多帧所述单帧图像的清晰度与设定阀值之间比较的累积结果,对所述高速公路监控视频的清晰度进行判断。
2.根据权利要求1所述基于角点特征的高速公路监控视频清晰度的检测方法,其特征在于:所述步骤四中,所述强角点的指定邻域内像素点与该强角点之间的平均能量差的计算公式为:
其中,corners[m]表示第m个强角点,强角点的数量为M个,m的取值范围为0至M-1;
f(corners[m].x,corners[m].y)表示第m个强角点的像素值,且第m个强角点的坐标信息为(corners[m].x,corners[m].y);
value[m]表示第m个强角点的D×D邻域内像素点的平均能量差,D为大于1的正整数。
3.根据权利要求2所述基于角点特征的高速公路监控视频清晰度的检测方法,其特征在于:所述步骤四中,所述单帧图像的清晰度的计算公式为:
其中,avr表示所述单帧图像的清晰度。
4.根据权利要求3所述基于角点特征的高速公路监控视频清晰度的检测方法,其特征在于:所述步骤五中,设定阀值为Threshhold,当avr<Threshhold时,则判定该单帧图像的清晰度不能达到监控视频的清晰度要求;当连续T帧所述单帧图像的清晰度均不能达到监控视频的清晰度要求时,则判定对应的所述高速公路监控视频的清晰度模糊异常;其中T为大于零的正整数。
5.根据权利要求1所述基于角点特征的高速公路监控视频清晰度的检测方法,其特征在于:所述步骤三中,先利用Harris角点提取方法,找出所述检测区域内的所有角点,再利用SUSAN角点提取方法,选取一定数量的强角点。
6.根据权利要求1-5任一项所述基于角点特征的高速公路监控视频清晰度的检测方法,其特征在于:所述步骤一中,当所述高速公路监控视频为25帧每秒的视频时,每隔8帧抽取一帧所述单帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410427929.2A CN104182983B (zh) | 2014-08-27 | 2014-08-27 | 基于角点特征的高速公路监控视频清晰度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410427929.2A CN104182983B (zh) | 2014-08-27 | 2014-08-27 | 基于角点特征的高速公路监控视频清晰度的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104182983A true CN104182983A (zh) | 2014-12-03 |
CN104182983B CN104182983B (zh) | 2017-03-22 |
Family
ID=51964001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410427929.2A Active CN104182983B (zh) | 2014-08-27 | 2014-08-27 | 基于角点特征的高速公路监控视频清晰度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104182983B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109410200A (zh) * | 2018-10-31 | 2019-03-01 | 嘉兴学院 | 一种粘胶纤维织物数码印花清晰度的评价方法 |
CN111369531A (zh) * | 2020-03-04 | 2020-07-03 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
CN112954315A (zh) * | 2021-02-25 | 2021-06-11 | 深圳市中西视通科技有限公司 | 一种安防摄像机图像对焦测量方法及系统 |
CN113625440A (zh) * | 2021-08-17 | 2021-11-09 | 新乡赛普瑞特环保科技有限公司 | 一种显微镜自动对焦方法 |
CN116112645A (zh) * | 2023-04-11 | 2023-05-12 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 水库环境的多影像传输方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050089246A1 (en) * | 2003-10-27 | 2005-04-28 | Huitao Luo | Assessing image quality |
US20070280129A1 (en) * | 2006-06-06 | 2007-12-06 | Huixing Jia | System and method for calculating packet loss metric for no-reference video quality assessment |
CN103093178A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频图像清晰度及移动幅度检测方法 |
CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
-
2014
- 2014-08-27 CN CN201410427929.2A patent/CN104182983B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050089246A1 (en) * | 2003-10-27 | 2005-04-28 | Huitao Luo | Assessing image quality |
US20070280129A1 (en) * | 2006-06-06 | 2007-12-06 | Huixing Jia | System and method for calculating packet loss metric for no-reference video quality assessment |
CN103093178A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频图像清晰度及移动幅度检测方法 |
CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109410200A (zh) * | 2018-10-31 | 2019-03-01 | 嘉兴学院 | 一种粘胶纤维织物数码印花清晰度的评价方法 |
CN111369531A (zh) * | 2020-03-04 | 2020-07-03 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
CN111369531B (zh) * | 2020-03-04 | 2023-09-01 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
CN112954315A (zh) * | 2021-02-25 | 2021-06-11 | 深圳市中西视通科技有限公司 | 一种安防摄像机图像对焦测量方法及系统 |
CN113625440A (zh) * | 2021-08-17 | 2021-11-09 | 新乡赛普瑞特环保科技有限公司 | 一种显微镜自动对焦方法 |
CN116112645A (zh) * | 2023-04-11 | 2023-05-12 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 水库环境的多影像传输方法及装置 |
CN116112645B (zh) * | 2023-04-11 | 2023-11-21 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 水库环境的多影像传输方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104182983B (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104182983A (zh) | 基于角点特征的高速公路监控视频清晰度的检测方法 | |
CN103258332B (zh) | 一种抗光照变化的运动目标的检测方法 | |
CN102368821B (zh) | 一种噪声强度自适应的视频去噪方法和系统 | |
US8326046B2 (en) | Method and system for determining structural similarity between images | |
CN101324927B (zh) | 一种阴影检测方法及装置 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN102306307B (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
CN104486618A (zh) | 视频图像的噪声检测方法及装置 | |
Li et al. | GridSAR: Grid strength and regularity for robust evaluation of blocking artifacts in JPEG images | |
CN111612741A (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
CN104574381A (zh) | 一种基于局部二值模式的全参考图像质量评价方法 | |
CN102081799B (zh) | 基于邻域相似性及双窗口滤波的sar图像变化检测方法 | |
Chen et al. | Counter-propagation artificial neural network-based motion detection algorithm for static-camera surveillance scenarios | |
CN104299214A (zh) | 小雨场景视频数据中雨滴的检测与去除方法和系统 | |
CN105046670A (zh) | 一种图像去雨方法及系统 | |
CN103927523B (zh) | 一种基于纵向灰度特征的雾天等级检测方法 | |
CN104299234A (zh) | 视频数据中雨场去除的方法和系统 | |
CN103942766A (zh) | 一种基于时-空-频三域联合处理的雨天视频复原方法 | |
Chen et al. | A universal reference-free blurriness measure | |
CN102685547A (zh) | 一种基于块效应和噪声的低码率视频质量检测方法 | |
Wu et al. | An efficient unsupervised image quality metric with application for condition recognition in kiln | |
Sonawane et al. | Image quality assessment techniques: An overview | |
Li et al. | Gradient-weighted structural similarity for image quality assessments | |
US11842544B2 (en) | Automatic perspective transformation | |
CN104318526A (zh) | 基于mtf的遥感器在轨自动优化在轨参数的方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230223 Address after: 213399 room 5025, building B, 218 Hongkou Road, Kunlun Street, Liyang City, Changzhou City, Jiangsu Province Patentee after: Liyang Smart City Research Institute of Chongqing University Address before: 400030 No. 174 Sha Jie street, Shapingba District, Chongqing Patentee before: Chongqing University |
|
TR01 | Transfer of patent right |