CN104243969A - 图像条纹检测方法及装置 - Google Patents
图像条纹检测方法及装置 Download PDFInfo
- Publication number
- CN104243969A CN104243969A CN201310247599.4A CN201310247599A CN104243969A CN 104243969 A CN104243969 A CN 104243969A CN 201310247599 A CN201310247599 A CN 201310247599A CN 104243969 A CN104243969 A CN 104243969A
- Authority
- CN
- China
- Prior art keywords
- striped
- image
- field picture
- surveyed area
- subregion
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Abstract
本发明公开一种图像条纹检测方法及装置,通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据;循环执行“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果的方法,具有可以检测设定的任意区域的图像条纹的有益效果;且不管视频图像中出现的干扰条纹是周期性图像条纹还是非周期图像条纹,均能进行检测,提高了图像条纹检测的准确性;同时,也可以并发执行多项任务,提高了检测效率。
Description
技术领域
本发明涉及视频质量诊断领域,尤其涉及一种图像条纹检测方法及装置。
背景技术
随着城镇建设的不断发展,摄像头数量也呈爆发式增长,如何有效管理海量的摄像头,并及时迅速地诊断每个摄像头的工作状态成为一个急需解决的问题。图像条纹属于摄像头众多故障之一,大量的条纹现象会极大影响视频质量,严重的有可能因为条纹遮挡而错过关键事件。例行摄像头的日常维护方式是通过人眼逐个观察来定位摄像头的问题。这种方式运维成本较高,且耗时耗力,效率也极低;若需维护成千上万的摄像头,人力诊断方式显然已不能满足要求。
目前采用非人工方式对上述海量摄像头进行图像条纹检测的方法是:采用图像频谱图来进行条纹检测的方式,但这种检测方式仅适用于周期性较强的图像条纹,且不能对图像区域进行定制,对于某些半屏或者特定区域出现图像异常的摄像头也无法检测。
发明内容
鉴于此 ,有必要提供一种图像条纹检测方法及装置,旨在解决不能检测特定区域出现的图像异常问题。
本发明实施例公开了一种图像条纹检测方法,包括以下步骤:
A、在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
B、获取待检测的视频数据;
C、读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果;
D、循环执行上述步骤C,直至检测了预设帧数量的帧图像;
E、统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
优选地,所述统计分析记录的所述各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果包括:
统计记录的所述预设帧数量对应的所有检测结果中,存在条纹的帧数量是否超过预设帧阈值;
若存在条纹的帧数量超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为存在条纹干扰;
若存在条纹的帧数量不超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为不存在图像条纹干扰。
优选地,所述检测所述一帧图像在所述检测区域中的条纹包括:
获取所述检测区域的轮廓,按照预设切割份数,等分切割所述检测区域,得到切割后的所述预设切割份数的子区域;
检测各子区域中存在的条纹数量是否小于预设条纹阈值;
若至少一个子区域中不存在条纹,或者至少一个子区域中存在的条纹数量小于预设条纹阈值,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域存在的条纹数量均大于或等于预设条纹阈值,则根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
优选地,所述根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹包括:
合并所有所述子区域的条纹信息,将角度相同且数量最多的条纹作为主条纹;
在每个所述子区域搜寻所述主条纹;
若至少一个所述子区域不存在所述主条纹,或者至少一个所述子区域存在的所述主条纹数量在合并后的所有条纹信息中所占的比例小于预设占比,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域均存在所述主条纹,且每个所述子区域存在的所述主条纹数量在合并后的所述条纹信息中所占的比例均大于或等于预设占比,则检测所述一帧图像在所述检测区域中存在条纹。
优选地,所述获取所述检测区域的轮廓之前还包括:
将所述检测区域的彩色图像转换为灰度图像。
本发明实施例还公开一种图像条纹检测装置,包括:
任务解析模块,用于在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
条纹检测模块,用于获取待检测的视频数据;读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果;循环执行所述“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;
结果获取模块,用于统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
优选地,所述结果获取模块包括:
统计分析单元,用于统计记录的所述预设帧数量对应的所有检测结果中,存在条纹的帧数量是否超过预设帧阈值;
第一结果获取单元,用于若存在条纹的帧数量超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为存在条纹干扰;
第二结果获取单元,用于若存在条纹的帧数量不超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为不存在条纹干扰。
优选地,所述条纹检测模块还用于:
获取所述检测区域的轮廓,按照预设切割份数,等分切割所述检测区域,得到切割后的所述预设切割份数的子区域;
检测各子区域中存在的条纹数量是否小于预设条纹阈值;
若至少一个子区域中不存在条纹,或者至少一个子区域中存在的条纹数量小于预设条纹阈值,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域存在的条纹数量均大于或等于预设条纹阈值,则根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
优选地,所述条纹检测模块还用于:
合并所有所述子区域的条纹信息,将角度相同且数量最多的条纹作为主条纹;
在每个所述子区域搜寻所述主条纹;
若至少一个所述子区域不存在所述主条纹,或者至少一个所述子区域存在的所述主条纹数量在合并后的所有条纹信息中所占的比例小于预设占比,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域均存在所述主条纹,且每个所述子区域存在的所述主条纹数量在合并后的所述条纹信息中所占的比例均大于或等于预设占比,则检测所述一帧图像在所述检测区域中存在条纹。
优选地,所述条纹检测模块还用于:
将所述检测区域的彩色图像转换为灰度图像。
本发明实施例还公开一种图像条纹检测方法,包括以下步骤:
在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
获取待检测的视频数据;
读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;
统计分析记录的所述各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
本发明实施例还公开一种图像条纹检测装置,包括:
任务解析模块,用于在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
条纹检测模块,用于获取待检测的视频数据,读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;
结果获取模块,用于统计分析记录的所述各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
本发明实施例通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据;循环执行“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果的方法,具有可以检测设定的任意区域的图像条纹的有益效果;且不管视频图像中出现的干扰条纹是周期性图像条纹还是非周期图像条纹,均能进行检测,提高了图像条纹检测的准确性;同时,也可以并发执行多项任务,提高了检测效率。
附图说明
图1是本发明图像条纹检测方法第一实施例流程示意图;
图2是本发明图像条纹检测方法中检测一帧图像在检测区域中的条纹第一实施例流程示意图;
图3是本发明图像条纹检测方法中检测一帧图像在检测区域中的条纹第二实施例流程示意图;
图4是本发明图像条纹检测方法第二实施例流程示意图;
图5是本发明图像条纹检测装置一实施例功能模块示意图;
图6是本发明图像条纹检测装置中结果获取模块一实施例功能模块示意图。
本发明实施例目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下结合说明书附图及具体实施例进一步说明本发明的技术方案。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1是本发明图像条纹检测方法第一实施例流程示意图;如图1所示,本发明图像条纹检测方法包括以下步骤:
步骤S01、在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;
用户基于客户端下发视频条纹检测任务,用户可以选择对一路视频进行检测,也可以选择对多路视频同时下发检测任务;客户端将用户制定的任务发送至服务器;服务器在接收到用户制定的图像条纹检测任务时,解析图像条纹检测任务的任务消息。比如,服务器解析图像条纹检测任务中的标记文本信息XML(Xtensible Markup Language,可扩展标记语言),从而确定图像条纹检测任务对应图像的检测区域是检测全屏图像、半屏图像还是用户的兴趣区域图像。
在视频图像检测区域中,由于半屏图像检测区域是一种较为特殊的检测区域,因此,在一优选的实施例中,也可以通过解析图像条纹检测任务的任务消息后,先确定是否检测区域是否为半屏检测区域;在不是半屏检测区域时,再确定图像的检测区域。
步骤S02、获取待检测的视频数据;
服务器获取待检测的视频数据;本实施例中,服务器获取的待检测的视频数据可以为实时获取的视频数据。另外,由于服务器获取一定的视频数据后,通常会缓存预设时长,等待之前获取的视频数据播放完成后,再播放缓存的视频数据,因此,本实施例中,服务器获取的视频数据也可以为服务器在预设时长内存储的视频数据,即缓存的尚未播放的视频数据。
步骤S03、读取获取的视频数据中的一帧图像,检测该一帧图像在检测区域中的条纹,并记录该一帧图像对应的检测结果;
步骤S04、判断检测的帧图像是否达到了预设帧数量;若是,则执行步骤S05;若否,则返回执行步骤S03;
本实施例中,服务器以帧为检测单位,逐帧检测获取的图像。服务器读取获取的视频数据中的一帧图像,检测该一帧图像在检测区域中的条纹,并记录该帧图像对应的检测结果。在一优选的实施例中,服务器可以采用霍夫线段检测方法检测获取的每一帧图像在检测区域中的条纹,同时记录每一帧图像对应的检测结果,以便后续根据各帧的检测结果,分析检测区域的图像条纹。
服务器判断检测的帧图像是否达到了预设帧数量;在检测的帧图像没有达到预设帧数量时,服务器继续以帧为单位,读取视频数据中的一帧图像、检测该帧图像在检测区域中的条纹、记录该帧图像对应的检测结果,直至检测的帧图像达到了预设帧数据。
在一优选的实施例中,由于播放一秒的视频数据由25帧图像组成,因此所述预设帧数量为25。为了获取更为精确的检测结果,可以设置预设帧数为大于25的任意整数。本领域的技术人员可以理解,获取的帧图像的具体数量可以根据实际需要进行设定,本实施例对预设帧数量的具体数字不做限定。
步骤S05、统计分析记录的各帧图像对应的检测结果,以确定检测区域的图像条纹检测结果。
服务器判断检测的帧图像达到了预设帧数量时,服务器统计分析记录的各帧图像对应的检测结果;根据各帧图像对应的检测结果,确定检测区域的图像条纹检测结果。
在一优选的实施例中,服务器统计记录的所述预设帧数量对应的所有检测结果中,存在条纹的帧数量是否超过预设帧阈值;若存在条纹的帧数量超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为存在条纹干扰;若存在条纹的帧数量不超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为不存在图像条纹干扰。
在一优选的实施例中,在预设帧阈值取值为25时,所述预设帧阈值可以取值为5。当然,客户端可以根据对视频图像清晰度的要求,适应性地调整所述预设帧阈值;比如,为了获取更为清晰的视频图像,可以适当地选取较小的预设帧阈值;对于视频图像清晰度要求不高的场合,可以适当地选取较大的预设帧阈值。
本实施例通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据;循环执行“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果的方法,具有可以检测设定的任意区域的图像条纹的有益效果;同时由于可以并发执行多项任务,因此提高了图像条纹的检测效率。
基于图1所述实施例的具体描述,请参照图2,图2是本发明图像条纹检测方法中检测一帧图像在检测区域中的条纹第一实施例流程示意图;本实施例仅对“检测一帧图像在检测区域中的条纹”进行进一步地描述,有关本发明图像条纹检测方法所涉及的其他步骤请参照相关实施例的具体描述,在此不再赘述。
如图2所示,本发明图像条纹检测方法中,步骤S03中“检测一帧图像在检测区域中的条纹”包括:
步骤S11、获取所述检测区域的轮廓,按照预设切割份数,等分切割所述检测区域,得到切割后的所述预设切割份数的子区域;
服务器获取检测区域的轮廓;根据预先设定的切割份数,等分切割所述检测区域,得到切割后的预设切割份数的子区域。
在一优选的实施例中,服务器可以将检测区域中的彩色图像转换为灰度图像后,再提取检测区域的轮廓;进一步地,为了获取更为精确的检测区域轮廓,服务器可以通过canny算子来获取该检测区域的轮廓。
通常情况下,服务器通常将检测区域等分为四等份,形成左上、左上、右上、右下四个等分区域;进一步地,为了获取更为精确的检测结果,可以将检测区域分为八等份、十六等份等;服务器可以根据客户端的需求设置预设切割份数,本实施例对预设切割份数的具体数值不做限定。
步骤S12、检测各子区域中存在的条纹数量是否均小于预设条纹阈值;若是,则执行步骤S13;若否,则执行步骤S14;
步骤S13、检测所述一帧图像在所述检测区域中不存在条纹;
步骤S14、根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
服务器检测等分后各子区域中存在的条纹数量,判断各子区域中存在的条纹数量是否均小于预设条纹阈值。
若至少一个子区域中不存在条纹,或者至少一个子区域中存在的条纹数量小于预设条纹阈值,则服务器确认该一帧图像在检测区域中不存在条纹;若每个所述子区域存在的条纹数量均大于或等于预设条纹阈值,则服务器根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
请参照图3,图3是本发明图像条纹检测方法中检测一帧图像在检测区域中的条纹第二实施例流程示意图;如图3所示,“步骤S14、根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹”包括如下步骤:
步骤S21、合并所有所述子区域的条纹信息,将角度相同且数量最多的条纹作为主条纹;
步骤S22、在每个所述子区域搜寻所述主条纹;
服务器合并所有切分后的各子区域的条纹信息,将角度相同且出现数量最多的条纹作为主条纹;在一优选的实施例中,服务器可以采用霍夫变换的算法选择概率统计的方式并设置最小线段检测长度阈值的方法,来确定主条纹。
服务器确定主条纹的目的是为了降低甚至排除条纹误判断;比如,排除视频中竖立的一颗颗笔直的电线杆或者马路上的斑马线等。确定好主条纹后,服务器在每个子区域中搜寻确定的上述主条纹;在一优选的实施例中,服务器搜寻各子区域中的主条纹时,可以采用相似度来确定各子区域中存在的条纹是否为确认的主条纹。
步骤S23、判断各子区域中存在的主条纹数量在所有条纹信息中所占的比例是否均小于预设占比;
若是,则执行步骤S24;若否,则执行步骤S25;
步骤S24、检测所述一帧图像在所述检测区域中不存在条纹;
步骤S25、检测所述一帧图像在所述检测区域中存在条纹。
服务器将搜索到的各子区域中存在的主条纹数量与各子区域中所有条纹信息做商,判断各子区域中存在的主条纹数量在所有条纹信息中所占的比例是否均小于预设占比。
若服务器判断至少一个子区域不存在主条纹,或者至少一个子区域存在的主条纹数量在合并后的所有条纹信息中所占的比例小于预设占比,则检测 该帧图像在检测区域中不存在条纹。
若服务器判断每个子区域均存在主条纹,且每个子区域存在的主条纹数量在合并后的所述条纹信息中所占的比例均大于或等于预设占比,则检测该帧图像在检测区域中存在条纹。
本实施例通过检测一帧图像在检测区域中的条纹的方法,具有不管视频图像中出现的干扰条纹是周期性图像条纹还是非周期图像条纹均能进行检测的有益效果,提高了图像条纹检测的准确性。
请参照图4,图4是本发明图像条纹检测方法第二实施例流程示意图;本实施例中与图1所述实施例的区别仅为步骤S20,即将图1所述实施例中的步骤S02替换为“步骤S20、获取待检测的视频数据,读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果”;本实施例仅对步骤S20进行具体描述,有关本发明图像条纹检测方法所涉及的其他步骤请参照相关实施例的具体描述,在此不再赘述。
基于图1所述实施例的具体描述,请参照图4,图4将图1所述实施例中的步骤S03和步骤S04替换为:
步骤S20、读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;
本实施例中,服务器获取待检测的视频数据后,可以一次性直接获取预设帧数量的帧图像;全部提取预设帧数量的帧图像后,再检测各帧图像在检测区域中的条纹,并记录各帧图像对应的检测结果。
本实施例作为图1所述实施例的并列实施方案,达到了与图1所述实施例等同的技术效果;本实施例通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据,读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果的方法,具有可以检测设定的任意区域的图像条纹的有益效果;同时由于可以并发执行多项任务,因此提高了图像条纹的检测效率。
请参照图5,图5是本发明图像条纹检测装置一实施例功能模块示意图;如图5所示,本发明图像条纹检测装置包括:任务解析模块01、条纹检测模块02和结果获取模块03。
任务解析模块01,用于在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
用户基于客户端下发视频条纹检测任务,用户可以选择对一路视频进行检测,也可以选择对多路视频同时下发检测任务;客户端将用户制定的任务发送至服务器;任务解析模块01在接收到用户制定的图像条纹检测任务时,解析图像条纹检测任务的任务消息。比如,服务器解析图像条纹检测任务中的标记文本信息XML,从而确定图像条纹检测任务对应图像的检测区域是检测全屏图像、半屏图像还是用户的兴趣区域图像。
在视频图像检测区域中,由于半屏图像检测区域是一种较为特殊的检测区域,因此,在一优选的实施例中,任务解析模块01也可以通过解析图像条纹检测任务的任务消息后,先确定是否检测区域是否为半屏检测区域;在不是半屏检测区域时,再确定图像的检测区域。
条纹检测模块02,用于获取待检测的视频数据;读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果;循环执行所述“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;
条纹检测模块02获取待检测的视频数据;本实施例中,条纹检测模块02获取的待检测的视频数据可以为实时获取的视频数据。另外,由于条纹检测模块02获取一定的视频数据后,通常会缓存预设时长,等待之前获取的视频数据播放完成后,再播放缓存的视频数据,因此,本实施例中,条纹检测模块02获取的视频数据也可以为服务器在预设时长内存储的视频数据,即缓存的尚未播放的视频数据。
本实施例中,条纹检测模块02以帧为检测单位,逐帧检测获取的图像。条纹检测模块02读取获取的视频数据中的一帧图像,检测该一帧图像在检测区域中的条纹,并记录该帧图像对应的检测结果。在一优选的实施例中,条纹检测模块02可以采用霍夫线段检测方法检测获取的每一帧图像在检测区域中的条纹,同时记录每一帧图像对应的检测结果,以便后续根据各帧的检测结果,分析检测区域的图像条纹。
条纹检测模块02判断检测的帧图像是否达到了预设帧数量;在检测的帧图像没有达到预设帧数量时,条纹检测模块02继续以帧为单位,读取视频数据中的一帧图像、检测该帧图像在检测区域中的条纹、记录该帧图像对应的检测结果,直至检测的帧图像达到了预设帧数据。
在一优选的实施例中,由于播放一秒的视频数据由25帧图像组成,因此所述预设帧数量为25。为了获取更为精确的检测结果,可以设置预设帧数为大于25的任意整数。本领域的技术人员可以理解,获取的帧图像的具体数量可以根据实际需要进行设定,本实施例对预设帧数量的具体数字不做限定。
结果获取模块03,用于统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
条纹检测模块02判断检测的帧图像达到了预设帧数量时,结果获取模块03统计分析记录的各帧图像对应的检测结果;根据各帧图像对应的检测结果,结果获取模块03确定检测区域的图像条纹检测结果。
请参照图6,图6是本发明图像条纹检测装置中结果获取模块一实施例功能模块示意图。如图6所示,所述结果获取模块03包括:统计分析单元031、第一结果获取单元032和第二结果获取单元033。
统计分析单元031统计记录的所述预设帧数量对应的所有检测结果中,存在条纹的帧数量是否超过预设帧阈值;若存在条纹的帧数量超过预设帧阈值,则第一结果获取单元032确定所述检测区域的图像条纹检测结果为存在条纹干扰;若存在条纹的帧数量不超过预设帧阈值,则第二结果获取单元033确定所述检测区域的图像条纹检测结果为不存在条纹干扰。
在一优选的实施例中,在预设帧阈值取值为25时,所述预设帧阈值可以取值为5。当然,客户端可以根据对视频图像清晰度的要求,适应性地调整所述预设帧阈值;比如,为了获取更为清晰的视频图像,可以适当地选取较小的预设帧阈值;对于视频图像清晰度要求不高的场合,可以适当地选取较大的预设帧阈值。
本实施例通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据;循环执行“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果,具有可以检测设定的任意区域的图像条纹的有益效果;同时由于可以并发执行多项任务,因此提高了图像条纹的检测效率。
基于图5和图6所述实施例的具体描述,请继续参照图5,本实施例仅对图5所述实施例中的条纹检测模块02进行进一步描述,有关本发明图像条纹检测装置所涉及的其他模块请参照相关实施例的具体描述,在此不再赘述。
所述条纹检测模块02检测一帧图像在检测区域中的条纹包括:
条纹检测模块02获取检测区域的轮廓;根据预先设定的切割份数,等分切割所述检测区域,得到切割后的预设切割份数的子区域。
在一优选的实施例中,条纹检测模块02可以将检测区域中的彩色图像转换为灰度图像后,再提取检测区域的轮廓;进一步地,为了获取更为精确的检测区域轮廓,条纹检测模块02可以通过canny算子来获取该检测区域的轮廓。
通常情况下,条纹检测模块02通常将检测区域等分为四等份,形成左上、左上、右上、右下四个等分区域;进一步地,为了获取更为精确的检测结果,可以将检测区域分为八等份、十六等份等;条纹检测模块02可以根据客户端的需求设置预设切割份数,本实施例对预设切割份数的具体数值不做限定。
条纹检测模块02检测等分后各子区域中存在的条纹数量,判断各子区域中存在的条纹数量是否均小于预设条纹阈值。
若至少一个子区域中不存在条纹,或者至少一个子区域中存在的条纹数量小于预设条纹阈值,则条纹检测模块02确认该一帧图像在检测区域中不存在条纹;若每个所述子区域存在的条纹数量均大于或等于预设条纹阈值,则条纹检测模块02根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
条纹检测模块02合并所有切分后的各子区域的条纹信息,将角度相同且出现数量最多的条纹作为主条纹;在一优选的实施例中,条纹检测模块02可以采用霍夫变换的算法选择概率统计的方式并设置最小线段检测长度阈值的方法,来确定主条纹。
条纹检测模块02确定主条纹的目的是为了降低甚至排除条纹误判断;比如,排除视频中竖立的一颗颗笔直的电线杆或者马路上的斑马线等。确定好主条纹后,条纹检测模块02在每个子区域中搜寻确定的上述主条纹;在一优选的实施例中,条纹检测模块02搜寻各子区域中的主条纹时,可以采用相似度来确定各子区域中存在的条纹是否为确认的主条纹。
条纹检测模块02将搜索到的各子区域中存在的主条纹数量与各子区域中所有条纹信息做商,判断各子区域中存在的主条纹数量在所有条纹信息中所占的比例是否均小于预设占比。
若条纹检测模块02判断至少一个子区域不存在主条纹,或者至少一个子区域存在的主条纹数量在合并后的所有条纹信息中所占的比例小于预设占比,则检测 该帧图像在检测区域中不存在条纹。
若条纹检测模块02判断每个子区域均存在主条纹,且每个子区域存在的主条纹数量在合并后的所述条纹信息中所占的比例均大于或等于预设占比,则检测该帧图像在检测区域中存在条纹。
本实施例通过检测一帧图像在检测区域中的条纹,具有不管视频图像中出现的干扰条纹是周期性图像条纹还是非周期图像条纹均能进行检测的有益效果,提高了图像条纹检测的准确性。
基于上述实施例的具体描述,请继续参照图5,如图5所示,本发明图像条纹检测装置中,条纹检测模块02还可以通过下述方式进行检测:
获取待检测的视频数据,读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果。
本实施例中,条纹检测模块02获取待检测的视频数据后,可以一次性直接获取预设帧数量的帧图像;全部提取预设帧数量的帧图像后,再检测各帧图像在检测区域中的条纹,并记录各帧图像对应的检测结果。
本实施例作为图5所述实施例的并列实施方案,达到了与图5所述实施例等同的技术效果;本实施例通过在接收到图像条纹检测任务时,解析图像条纹检测任务的任务消息以确定图像的检测区域;获取待检测的视频数据,读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果,具有可以检测设定的任意区域的图像条纹的有益效果;同时由于可以并发执行多项任务,因此提高了图像条纹的检测效率。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制其专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (12)
1.一种图像条纹检测方法,其特征在于,包括以下步骤:
A、在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
B、获取待检测的视频数据;
C、读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果;
D、循环执行上述步骤C,直至检测了预设帧数量的帧图像;
E、统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
2.如权利要求1所述的方法,其特征在于,所述统计分析记录的所述各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果包括:
统计记录的所述预设帧数量对应的所有检测结果中,存在条纹的帧数量是否超过预设帧阈值;
若存在条纹的帧数量超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为存在条纹干扰;
若存在条纹的帧数量不超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为不存在图像条纹干扰。
3.如权利要求1或2所述的方法,其特征在于,所述检测所述一帧图像在所述检测区域中的条纹包括:
获取所述检测区域的轮廓,按照预设切割份数,等分切割所述检测区域,得到切割后的所述预设切割份数的子区域;
检测各子区域中存在的条纹数量是否小于预设条纹阈值;
若至少一个子区域中不存在条纹,或者至少一个子区域中存在的条纹数量小于预设条纹阈值,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域存在的条纹数量均大于或等于预设条纹阈值,则根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
4.如权利要求3所述的方法,其特征在于,所述根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹包括:
合并所有所述子区域的条纹信息,将角度相同且数量最多的条纹作为主条纹;
在每个所述子区域搜寻所述主条纹;
若至少一个所述子区域不存在所述主条纹,或者至少一个所述子区域存在的所述主条纹数量在合并后的所有条纹信息中所占的比例小于预设占比,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域均存在所述主条纹,且每个所述子区域存在的所述主条纹数量在合并后的所述条纹信息中所占的比例均大于或等于预设占比,则检测所述一帧图像在所述检测区域中存在条纹。
5.如权利要求3所述的方法,其特征在于,所述获取所述检测区域的轮廓之前还包括:
将所述检测区域的彩色图像转换为灰度图像。
6.一种图像条纹检测装置,其特征在于,包括:
任务解析模块,用于在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
条纹检测模块,用于获取待检测的视频数据;读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果;循环执行所述“读取获取的所述视频数据中的一帧图像,检测所述一帧图像在所述检测区域中的条纹,并记录所述一帧图像对应的检测结果”,直至检测了预设帧数量的帧图像;
结果获取模块,用于统计分析记录的各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
7.如权利要求6所述的装置,其特征在于,所述结果获取模块包括:
统计分析单元,用于统计记录的所述预设帧数量对应的所有检测结果中,存在条纹的帧数量是否超过预设帧阈值;
第一结果获取单元,用于若存在条纹的帧数量超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为存在条纹干扰;
第二结果获取单元,用于若存在条纹的帧数量不超过预设帧阈值,则确定所述检测区域的图像条纹检测结果为不存在条纹干扰。
8.如权利要求6或7所述的装置,其特征在于,所述条纹检测模块还用于:
获取所述检测区域的轮廓,按照预设切割份数,等分切割所述检测区域,得到切割后的所述预设切割份数的子区域;
检测各子区域中存在的条纹数量是否小于预设条纹阈值;
若至少一个子区域中不存在条纹,或者至少一个子区域中存在的条纹数量小于预设条纹阈值,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域存在的条纹数量均大于或等于预设条纹阈值,则根据合并后的所述子区域的条纹信息,继续检测所述一帧图像在所述检测区域中是否存在条纹。
9.如权利要求8所述的装置,其特征在于,所述条纹检测模块还用于:
合并所有所述子区域的条纹信息,将角度相同且数量最多的条纹作为主条纹;
在每个所述子区域搜寻所述主条纹;
若至少一个所述子区域不存在所述主条纹,或者至少一个所述子区域存在的所述主条纹数量在合并后的所有条纹信息中所占的比例小于预设占比,则检测所述一帧图像在所述检测区域中不存在条纹;
若每个所述子区域均存在所述主条纹,且每个所述子区域存在的所述主条纹数量在合并后的所述条纹信息中所占的比例均大于或等于预设占比,则检测所述一帧图像在所述检测区域中存在条纹。
10.如权利要求8所述的装置,其特征在于,所述条纹检测模块还用于:
将所述检测区域的彩色图像转换为灰度图像。
11.一种图像条纹检测方法,其特征在于,包括以下步骤:
在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
获取待检测的视频数据;
读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;
统计分析记录的所述各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
12.一种图像条纹检测装置,其特征在于,包括:
任务解析模块,用于在接收到图像条纹检测任务时,解析所述图像条纹检测任务的任务消息以确定图像的检测区域;
条纹检测模块,用于获取待检测的视频数据,读取获取的所述视频数据中预设帧数量的帧图像,检测读取的各帧图像在所述检测区域中的条纹,并记录各帧图像对应的检测结果;
结果获取模块,用于统计分析记录的所述各帧图像对应的检测结果,以确定所述检测区域的图像条纹检测结果。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310247599.4A CN104243969B (zh) | 2013-06-20 | 2013-06-20 | 图像条纹检测方法及装置 |
PCT/CN2014/074845 WO2014201896A1 (zh) | 2013-06-20 | 2014-04-04 | 图像条纹检测方法及装置 |
MYPI2015704658A MY173999A (en) | 2013-06-20 | 2014-04-04 | Method and device for detecting image stripe |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310247599.4A CN104243969B (zh) | 2013-06-20 | 2013-06-20 | 图像条纹检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104243969A true CN104243969A (zh) | 2014-12-24 |
CN104243969B CN104243969B (zh) | 2017-11-24 |
Family
ID=52103910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310247599.4A Expired - Fee Related CN104243969B (zh) | 2013-06-20 | 2013-06-20 | 图像条纹检测方法及装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN104243969B (zh) |
MY (1) | MY173999A (zh) |
WO (1) | WO2014201896A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105282542A (zh) * | 2015-10-21 | 2016-01-27 | 上海熙菱信息技术有限公司 | 一种视频图像中异常条纹的检测方法及系统 |
CN108156509A (zh) * | 2017-12-28 | 2018-06-12 | 新华三云计算技术有限公司 | 视频播放方法、装置及用户终端 |
CN106713905B (zh) * | 2016-12-26 | 2019-02-26 | 百富计算机技术(深圳)有限公司 | 检测图像传输质量的方法和装置 |
CN110896470A (zh) * | 2018-09-13 | 2020-03-20 | 广州弘度信息科技有限公司 | 一种视频条纹检测方法 |
CN112399150A (zh) * | 2020-11-16 | 2021-02-23 | 广州顶新时代电子系统科技有限公司 | 一种优化监控摄像机成像画面的方法 |
CN112784642A (zh) * | 2019-11-08 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 车辆检测方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113766089B (zh) * | 2021-09-18 | 2023-08-18 | 北京百度网讯科技有限公司 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001264017A (ja) * | 2000-03-23 | 2001-09-26 | Fuji Xerox Co Ltd | 3次元画像撮影装置 |
US20110007163A1 (en) * | 2008-03-19 | 2011-01-13 | Nec Corporation | Stripe pattern detection system, stripe pattern detection method, and program for stripe pattern detection |
CN102393964A (zh) * | 2011-08-02 | 2012-03-28 | 中国科学院长春光学精密机械与物理研究所 | 一种条纹间隙检测方法 |
CN102402787A (zh) * | 2010-09-19 | 2012-04-04 | 上海西门子医疗器械有限公司 | 一种检测图像中条状伪影的系统和方法 |
CN103093179A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频条纹量化计算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202085261U (zh) * | 2010-12-14 | 2011-12-21 | 广东鑫程电子科技有限公司 | 智能视频诊断监控系统 |
CN102395043B (zh) * | 2011-11-11 | 2013-09-11 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
-
2013
- 2013-06-20 CN CN201310247599.4A patent/CN104243969B/zh not_active Expired - Fee Related
-
2014
- 2014-04-04 MY MYPI2015704658A patent/MY173999A/en unknown
- 2014-04-04 WO PCT/CN2014/074845 patent/WO2014201896A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001264017A (ja) * | 2000-03-23 | 2001-09-26 | Fuji Xerox Co Ltd | 3次元画像撮影装置 |
US20110007163A1 (en) * | 2008-03-19 | 2011-01-13 | Nec Corporation | Stripe pattern detection system, stripe pattern detection method, and program for stripe pattern detection |
CN102402787A (zh) * | 2010-09-19 | 2012-04-04 | 上海西门子医疗器械有限公司 | 一种检测图像中条状伪影的系统和方法 |
CN102393964A (zh) * | 2011-08-02 | 2012-03-28 | 中国科学院长春光学精密机械与物理研究所 | 一种条纹间隙检测方法 |
CN103093179A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频条纹量化计算方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105282542A (zh) * | 2015-10-21 | 2016-01-27 | 上海熙菱信息技术有限公司 | 一种视频图像中异常条纹的检测方法及系统 |
CN106713905B (zh) * | 2016-12-26 | 2019-02-26 | 百富计算机技术(深圳)有限公司 | 检测图像传输质量的方法和装置 |
CN108156509A (zh) * | 2017-12-28 | 2018-06-12 | 新华三云计算技术有限公司 | 视频播放方法、装置及用户终端 |
CN108156509B (zh) * | 2017-12-28 | 2021-06-08 | 新华三云计算技术有限公司 | 视频播放方法、装置及用户终端 |
CN110896470A (zh) * | 2018-09-13 | 2020-03-20 | 广州弘度信息科技有限公司 | 一种视频条纹检测方法 |
CN112784642A (zh) * | 2019-11-08 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 车辆检测方法及装置 |
CN112399150A (zh) * | 2020-11-16 | 2021-02-23 | 广州顶新时代电子系统科技有限公司 | 一种优化监控摄像机成像画面的方法 |
CN112399150B (zh) * | 2020-11-16 | 2023-04-11 | 广州顶新时代电子系统科技有限公司 | 一种优化监控摄像机成像画面的方法 |
Also Published As
Publication number | Publication date |
---|---|
MY173999A (en) | 2020-03-03 |
CN104243969B (zh) | 2017-11-24 |
WO2014201896A1 (zh) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104243969A (zh) | 图像条纹检测方法及装置 | |
US10015529B2 (en) | Video image quality diagnostic system and method thereof | |
CN108062507B (zh) | 一种视频处理方法及装置 | |
CN105354126A (zh) | 监控页面脚本文件中异常的方法和装置 | |
GB2501224A (en) | Generating and comparing video signatures using sets of image features | |
CN110619308A (zh) | 一种过道杂物检测方法、装置、系统和设备 | |
CN111181800B (zh) | 测试数据处理方法、装置、电子设备及存储介质 | |
CN105589782A (zh) | 基于浏览器的用户行为采集方法 | |
CN105100692A (zh) | 视频播放方法及其装置 | |
CN108579094A (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
CN103606221A (zh) | 清分机故障自动诊断方法以及装置 | |
CN107332681B (zh) | 一种故障维度分析方法及网络设备 | |
CN110471945B (zh) | 活跃数据的处理方法、系统、计算机设备和存储介质 | |
CN104063313A (zh) | 一种智能分析算法的测试系统及方法 | |
CN113111823A (zh) | 一种建筑施工地的异常行为检测方法和相关装置 | |
CN104794040A (zh) | 业务监控方法、装置及系统 | |
US11398091B1 (en) | Repairing missing frames in recorded video with machine learning | |
CN114758753A (zh) | 医疗影像存储系统 | |
CN111858285B (zh) | 视频操作行为的异常识别方法、装置、服务器及存储介质 | |
CN110969037B (zh) | 一种信息处理方法、电子设备和信息处理系统 | |
CN110347597B (zh) | 图片服务器的接口测试方法、装置、存储介质与移动终端 | |
CN111444741B (zh) | 一种数据显示、获得方法、装置、电子设备及存储介质 | |
CN105657473A (zh) | 数据处理的方法和装置 | |
CN112527539A (zh) | 一种界面检测的方法以及相关装置 | |
CN104023224A (zh) | 一种摄像机性能的检测方法、系统及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171124 Termination date: 20190620 |
|
CF01 | Termination of patent right due to non-payment of annual fee |