CN104424632A - 一种视频对比度异常检测方法及装置 - Google Patents
一种视频对比度异常检测方法及装置 Download PDFInfo
- Publication number
- CN104424632A CN104424632A CN201310372876.4A CN201310372876A CN104424632A CN 104424632 A CN104424632 A CN 104424632A CN 201310372876 A CN201310372876 A CN 201310372876A CN 104424632 A CN104424632 A CN 104424632A
- Authority
- CN
- China
- Prior art keywords
- value
- detected
- video image
- numerical
- contrast
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频对比度异常检测方法及装置，包括：从待检测视频中获取待检测视频图像；采用预设提取方式提取所述待检测视频图像的亮度特征信息；将所述亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，所述第一种分类特征信息为预先基于采用所述预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；根据所述第一匹配结果是否满足第一预设匹配条件，确定所述待检测视频图像的对比度是否为偏高异常。采用本发明提供的方法及装置，相比现有技术，提高了进行视频对比度是否偏高异常检测的准确率。
Description
技术领域
本发明涉及视频分析及视频监控领域，尤其涉及一种视频对比度异常检测方法及装置。
背景技术
在视频监控系统中，由于摄像机受到异物遮挡、镜头对焦不准、镜头损坏或受外界干扰以及人为调整等因素的影响，容易引起拍摄得到的视频图像的对比度过低或过高，从而导致视频图像信息的丢失，严重影响了视频的视觉效果以及对视频图像的后续分析与处理，因此在视频监控中如何准确的检测和分析对比度异常情况，及时发出警报和处理信号，是一个急需解决的问题。
目前，现有的一种视频图像对比度异常检测方法是基于计算梯度图像极值点的连通域的方法，具体流程如下：
首先通过对获取到的视频流的视频图像的像素点进行梯度提取，得到梯度图像，对该梯度图像进行二值化处理，得到二值化图像，确定二值化图像包括的多个连通域，并从该多个连通域中去掉面积小于设定阈值的连通域，然后计算剩下的所有连通域包括的像素点数量的和值与二值化图像的像素点的总数的比值，并根据该比值判断视频图像的对比度是否异常，具体可以为将该比值与预先设定的高阈值和低阈值比较，当该比值大于预先设定的高阈值时，则确定视频图像的对比度为偏高异常，当该比值小于预先设定的低阈值时，则确定视频图像的对比度为偏低异常。
在上述现有的基于计算梯度图像极值点的连通域检测视频图像对比度异常的方法，由于只采用视频图像的梯度信息进行检测，容易造成误检或漏检，并且特别是当视频图像的纹理信息比较丰富时，容易误判为对比度偏高异常，从而降低了视频图像异常检测的准确率，降低了系统的性能。
发明内容
本发明实施例提供一种视频对比度异常检测方法及装置，用以解决现有技术中存在的进行视频对比度是否偏高异常检测的准确率较低的问题。
本发明实施例提供一种视频对比度异常检测方法，包括：
从待检测视频中获取待检测视频图像；
采用预设提取方式提取所述待检测视频图像的亮度特征信息；
将所述亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，所述第一种分类特征信息为预先基于采用所述预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；
根据所述第一匹配结果是否满足第一预设匹配条件，确定所述待检测视频图像的对比度是否为偏高异常。
采用本发明实施例提供的方法，由于第一种分类特征信息是基于多个对比度偏高异常的视频图像确定的，所以能够准确的表示对比度偏高异常的视频图像的亮度特征信息的特点，从而使得根据待检测视频图像的亮度特征信息与第一种分类特征信息的匹配结果得到的对比度是否为偏高异常的检测结果更准确，即相比现有技术提高了进行视频对比度是否偏高异常检测的准确率。
进一步的，采用预设提取方式提取所述待检测视频图像的亮度特征信息，具体包括：
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述待检测视频图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述待检测视频图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述待检测视频图像的像素点进行梯度提取，得到所述待检测视频图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
这样，采用预设提取方式提取所述待检测视频图像的亮度特征信息，能够使得后续确定待检测视频图像的对比度是否偏高的检测结果更加准确。
进一步的，采用预设提取方式提取所述待检测视频图像的亮度特征信息，具体包括：
针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；
从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；
基于所述最大数值和所述最小数值，对所述待检测视频图像进行亮度值拉伸处理，得到拉伸后图像；
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述拉伸后图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述拉伸后图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述拉伸后图像的像素点进行梯度提取，得到所述拉伸后图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
这样，采用预设提取方式提取所述待检测视频图像的亮度特征信息，能够使得后续确定待检测视频图像的对比度是否偏高的检测结果更加准确。
进一步的，当确定所述待检测视频图像的对比度为偏高异常时，还包括：
确定亮度值范围的多个数值区间中的前预设数量个数值区间中的全部数值对应的像素点数量和后预设数量个数值区间中的全部数值对应的像素点数量的和值，其中，所述前预设数量个数值区间是从亮度值范围的多个数值区间的第一个数值区间开始，按照亮度值范围从小到大的方向，到第预设数量个数值区间之间的全部数值区间，所述后预设数量个数值区间是从亮度值范围的多个数值区间的最后一个数值区间开始，按照亮度值范围从大到小的方向，到第预设数量个数值区间之间的全部数值区间，所述预设数量小于亮度值范围的全部数值区间数量的一半；
确定所述和值与所述待检测视频图像的像素点的总数的比值；
根据所述比值，确定所述待检测视频图像的对比度的偏高强度。
这样，可以通过确定的待检测视频图像的对比度的偏高强度，可以得到待检测视频图像的对比度偏高异常程度。
进一步的，当确定所述待检测视频图像的对比度不为偏高异常时，还包括：
针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常；或者
将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足第二预设匹配条件，确定所述待检测视频图像的对比度是否正常。
这样，当确定所述待检测视频图像的对比度不为偏高异常时，可以继续确定所述待检测视频图像的对比度是否为偏低异常或是否正常。
进一步的，在采用预设提取方式提取所述待检测视频图像的亮度特征信息之前，还包括：
针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度不为偏低异常；或者
在将所述亮度特征信息与第一种分类特征信息进行匹配之前，还包括：将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足第二预设匹配条件，确定所述待检测视频图像的对比度异常。
这样，在确定所述待检测视频图像的对比度是否为偏高异常之前，先确定所述待检测视频图像的对比度不为偏低异常或对比度异常。
进一步的，在确定所述待检测视频图像的对比度是否为偏低异常之前，还包括：
确定从所述最小数值到所述最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值；
从所述最小数值到所述最大数值区间中确定第一临界数值和第二临界数值，其中，从所述最小数值到所述第一临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第一预设临界系数的乘积，从所述最小数值到所述第一临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第一预设临界系数的乘积，从所述最小数值到所述第二临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第二预设临界系数的乘积，从所述最小数值到所述第二临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第二预设临界系数的乘积，所述第一预设临界系数大于0且小于所述第二预设临界系数，且所述第二预设临界系数小于1；
确定所述最大数值与所述最小数值的差值和所述第二临界数值与所述第一临界数值的差值的比值；
基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常，具体包括：
当所述差值小于预设差值阈值，且所述比值大于预设比值阈值时，确定所述待检测视频图像的对比度为偏低异常；
否则，确定所述待检测视频图像的对比度不为偏低异常。
这样，当后续所述待检测视频图像的对比度为偏低异常时，可以根据所述比值确定所述待检测视频图像的对比度的偏低强度。
本发明实施例还提供了一种视频对比度异常检测装置，包括：
获取单元，用于从待检测视频中获取待检测视频图像；
提取单元，用于采用预设提取方式提取所述待检测视频图像的亮度特征信息；
匹配单元，用于将所述亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，所述第一种分类特征信息为预先基于采用所述预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；
偏高检测单元，用于根据所述第一匹配结果是否满足第一预设匹配条件，确定所述待检测视频图像的对比度是否为偏高异常。
采用本发明实施例提供的装置，由于第一种分类特征信息是基于多个对比度偏高异常的视频图像确定的，所以能够准确的表示对比度偏高异常的视频图像的亮度特征信息的特点，从而使得根据待检测视频图像的亮度特征信息与第一种分类特征信息的匹配结果得到的对比度是否为偏高异常的检测结果更准确，即相比现有技术提高了进行视频对比度是否偏高异常检测的准确率。
进一步的，所述提取单元，具体用于针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述待检测视频图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述待检测视频图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述待检测视频图像的像素点进行梯度提取，得到所述待检测视频图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
这样，采用预设提取方式提取所述待检测视频图像的亮度特征信息，能够使得后续确定待检测视频图像的对比度是否偏高的检测结果更加准确。
进一步的，所述提取单元，具体用于针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；以及基于所述最大数值和所述最小数值，对所述待检测视频图像进行亮度值拉伸处理，得到拉伸后图像；以及
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述拉伸后图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述拉伸后图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述拉伸后图像的像素点进行梯度提取，得到所述拉伸后图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
这样，采用预设提取方式提取所述待检测视频图像的亮度特征信息，能够使得后续确定待检测视频图像的对比度是否偏高的检测结果更加准确。
进一步的，所述偏高检测单元，还用于当确定所述待检测视频图像的对比度为偏高异常时，确定亮度值范围的多个数值区间中的前预设数量个数值区间中的全部数值对应的像素点数量和后预设数量个数值区间中的全部数值对应的像素点数量的和值，其中，所述前预设数量个数值区间是从亮度值范围的多个数值区间的第一个数值区间开始，按照亮度值范围从小到大的方向，到第预设数量个数值区间之间的全部数值区间，所述后预设数量个数值区间是从亮度值范围的多个数值区间的最后一个数值区间开始，按照亮度值范围从大到小的方向，到第预设数量个数值区间之间的全部数值区间，所述预设数量小于亮度值范围的全部数值区间数量的一半；确定所述和值与所述待检测视频图像的像素点的总数的比值；根据所述比值，确定所述待检测视频图像的对比度的偏高强度。
这样，可以通过确定的待检测视频图像的对比度的偏高强度，可以得到待检测视频图像的对比度偏高异常程度。
上述装置还可以包括：
偏低检测单元，用于当所述偏高检测单元确定所述待检测视频图像的对比度不为偏高异常时，针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常；或者
正常检测单元，用于当所述偏高检测单元确定所述待检测视频图像的对比度不为偏高异常时，将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足预设匹配条件，确定所述待检测视频图像的对比度是否正常。
这样，当确定所述待检测视频图像的对比度不为偏高异常时，可以继续确定所述待检测视频图像的对比度是否为偏低异常或是否正常。
上述装置还可以包括：
偏低检测单元，用于在所述提取单元采用预设提取方式提取所述待检测视频图像的亮度特征信息之前，针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度不为偏低异常；或者
正常检测单元，用于在所述匹配单元将所述亮度特征信息与第一种分类特征信息进行匹配之前，将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足预设匹配条件，确定所述待检测视频图像的对比度异常。
这样，在确定所述待检测视频图像的对比度是否为偏高异常之前，先确定所述待检测视频图像的对比度不为偏低异常或对比度异常。
进一步的，所述偏低检测单元，还用于在确定所述待检测视频图像的对比度是否为偏低异常之前，确定从所述最小数值到所述最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值；从所述最小数值到所述最大数值区间中确定第一临界数值和第二临界数值，其中，从所述最小数值到所述第一临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第一预设临界系数的乘积，从所述最小数值到所述第一临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第一预设临界系数的乘积，从所述最小数值到所述第二临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第二预设临界系数的乘积，从所述最小数值到所述第二临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第二预设临界系数的乘积，所述第一预设临界系数大于0且小于所述第二预设临界系数，且所述第二预设临界系数小于1；确定所述最大数值与所述最小数值的差值和所述第二临界数值与所述第一临界数值的差值的比值；并具体用于当所述差值小于预设差值阈值，且所述比值大于预设比值阈值时，确定所述待检测视频图像的对比度为偏低异常，否则，确定所述待检测视频图像的对比度不为偏低异常。
这样，当后续所述待检测视频图像的对比度为偏低异常时，可以根据所述比值确定所述待检测视频图像的对比度的偏低强度。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的视频对比度异常检测方法的流程图；
图2为本发明实施例1提供的视频对比度异常检测方法的流程图；
图3为本发明实施例2提供的视频对比度异常检测方法的流程图；
图4为本发明实施例3提供的视频对比度异常检测方法的流程图；
图5为本发明实施例4提供的视频对比度异常检测方法的流程图；
图6为本发明实施例5提供的采用预设提取方式提取待检测视频图像的亮度特征信息的处理流程的流程图之一；
图7为本发明实施例5提供的采用预设提取方式提取待检测视频图像的亮度特征信息的处理流程的流程图之二；
图8为本发明实施例6提供的采用预设提取方式提取待检测视频图像的亮度特征信息的处理流程的流程图之一；
图9为本发明实施例6提供的采用预设提取方式提取待检测视频图像的亮度特征信息的处理流程的流程图之二；
图10为本发明实施例7提供的视频对比度异常检测装置的结构示意图。
具体实施方式
为了给出提高进行视频图像对比度是否偏高异常检测的准确率的实现方案，本发明实施例提供了一种视频对比度异常检测方法及装置，以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
本发明实施例提供一种视频对比度异常检测方法，如图1所示，包括：
步骤101、从待检测视频中获取待检测视频图像。
步骤102、采用预设提取方式提取该待检测视频图像的亮度特征信息。
步骤103、将该亮度特征信息与第一种分类特征信息进行匹配，得到匹配结果，该第一种分类特征信息为预先基于采用预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的。
步骤104、根据该匹配结果是否满足第一预设匹配条件，确定该待检测视频图像的对比度是否为偏高异常。
本发明实施例提供的上述图1所示方法中，是对待检测视频图像的对比度是否为偏高异常进行了检测，进一步的，还可以包括对该待检测视频图像的对比度是否为偏低异常或对比度是否正常的检测。
例如，在上述图1所示流程的基础上，当确定该待检测视频图像的对比度不为偏高异常，还可以对该待检测视频图像的对比度是否为偏低异常进行检测，如果检测结果为不偏低异常，则表示该待检测视频图像的对比度正常；也可以对该待检测视频图像的对比度是否正常进行检测，如果检测结果为异常，则表示该待检测视频图像的对比度为偏低异常。
在上述图1所示流程的基础上，还可以在采用预设提取方式提取所述待检测视频图像的亮度特征信息，即在进行是否为偏高异常检测之前，先对该待检测视频图像的对比度是否为偏低异常进行检测，并当检测结果为不偏低异常时，再触发进行是否为偏高异常检测的上述流程，如果偏高异常检测结果为不偏高异常，则表示该待检测视频图像的对比度正常。
在上述图1所示流程的基础上，还可以在将所述亮度特征信息与第一种分类特征信息进行匹配之前，即在进行是否为偏高异常检测之前，先对该待检测视频图像的对比度是否正常进行检测，并当检测结果为异常时，再触发进行是否为偏高异常检测的上述流程，如果偏高异常检测结果为不偏高异常，则表示该待检测视频图像的对比度为偏低异常。
下面结合附图，用具体实施例对本发明提供的上述方法的一些处理流程进行详细描述。
实施例1：
图2为本发明实施例1中提供的一种视频对比度异常检测方法的流程图，具体包括如下处理步骤：
步骤201、从待检测视频中获取待检测视频图像。
步骤202、采用预设提取方式提取待检测视频图像的亮度特征信息。
步骤203、将该亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，其中，该第一种分类特征信息为预先基于采用该预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的。
本步骤中，可以采用支持向量机SVM（Support Vector Machine）方法确定分类特征信息，具体可以通过SVM方法对多个对比度偏高的视频图像对应的多个亮度特征信息进行分析和训练，得到分类特征信息，即相当于生成了SVM分类器，当提取待检测视频图像的亮度特征信息后，将该亮度特征信息与该分类特征信息进行对比，确定该待检测视频图像的亮度特征信息是否与该分类特征信息匹配，得到匹配结果，即相当于使用生成的SVM分类器对提取的待检测视频图像的亮度特征信息进行识别，确定该亮度特征信息所属的类别。
步骤204、确定该第一匹配结果是否满足第一预设匹配条件，如果满足，进入步骤205，如果不满足，进入步骤206。
本步骤也即相当于确定该亮度特征信息是否与该分类特征信息匹配，如果匹配，进入步骤205，如果不匹配，进入步骤206。
步骤205、当该第一匹配结果满足第一预设匹配条件时，确定该待检测视频图像的对比度为偏高异常。
进一步的，当确定该待检测视频图像的对比度为偏高异常时，还可以确定出该待检测视频图像的对比度的偏高强度I1，具体可以采用如下方式：
确定预先对亮度值范围划分得到的多个数值区间中的前预设数量个数值区间中的全部数值对应的像素点数量和后预设数量个数值区间中的全部数值对应的像素点数量的和值，例如，可以将亮度值范围均匀的划分为10个数值区间，目前通用的亮度值范围为[0,255]，此时可以从小到大将每25个数值划分到一个数值区间，最后一个数值区间包括30个数值，确定从多个数值区间的第一个数值区间开始，按照亮度值范围从小到大的方向，到第预设数量个数值区间为止之间的全部数值对应的像素点数量SumH1，再确定从多个数值区间的最后一个数值区间开始，按照亮度值范围从大到小的方向，到第预设数量个数值区间为止之间的全部数值对应的像素点数量SumH2，将SumH1和SumH2的和值SumH与该待检测视频图像的像素点的总数Sum相比，得到I1=SumH/Sum，其中，预设数量小于5，例如，预设数量可以为2或3。
步骤206、当该第一匹配结果不满足第一预设匹配条件时，确定该待检测视频图像的对比度不为偏高异常。
步骤207、针对亮度值范围中的每个数值，确定该待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量。
步骤208、从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值。
本步骤中，可以针对亮度值范围内每个数值对应的像素点数量G1，比较G1与预设数量阈值TH1的大小关系，当G1小于TH1时，将G1的值设为0，当G1不小于TH1时，G1的值保持不变；然后按照亮度值范围内数值从小到大的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最小数值start；再按照亮度值范围内数值从大到小的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最大数值end。
步骤209、确定该最大数值与该最小数值的差值。
其中，该最大数值与该最小数值的差值为end-start。
步骤210、根据从该最小数值到最大数值区间中确定的第一临界数值和第二临界数值，确定该最大数值与该最小数值和该第二临界数值与该第一临界数值的差值的比值。
本步骤中，可以先确定从该最小数值到该最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值Sumall；从该最小数值到该最大数值区间中确定第一临界数值start1和第二临界数值end1，其中，确定start1和end1具体可以如下：
从该最小数值开始到该最大数值为止的区间中，依次对每个数值对应的像素点数量进行累加，每累加一次，确定当前累加值Sum1是否不小于Sumall与第一预设临界系数的乘积，如果小于，继续累加，当累加到Sum1第一次不小于Sumall与第一预设临界系数的乘积时，将当前累加值对应的当前数值确定为第一临界数值start1；
从该最小数值开始到该最大数值为止的区间中，依次对每个数值对应的像素点数量进行累加，每累加一次，确定当前累加值Sum1是否不小于Sumall与第二预设临界系数的乘积，如果小于，继续累加，当累加到Sum1第一次不小于Sumall与第二预设临界系数的乘积时，将当前累加值对应的当前数值确定为第二临界数值start2；
其中，该第一预设临界系数大于0且小于该第二预设临界系数，且该第二预设临界系数小于1，例如，第一预设临界系数可以为0.1，第二预设临界系数可以为0.8。
确定start1和end1，还可以采用现有技术中的各种方式，使得从该最小数值到start1区间中的全部数值各自对应的像素点数量的和值不小于Sumall与第一预设临界系数的乘积，并且从该最小数值到(start1-1)区间中的全部数值各自对应的像素点数量的和值小于Sumall与第一预设临界系数的乘积；从该最小数值到该end1区间中的全部数值各自对应的像素点数量的和值不小于该Sumall与第二预设临界系数的乘积，并且从该最小数值到该(end1-1)区间中的全部数值各自对应的像素点数量的和值小于该Sumall与第二预设临界系数的乘积，在此不再进行详细描述。
在确定start1和end1后，可以确定(end-start)与(end1-start1)的比值R。
本步骤为可选步骤，当后续确定该待检测视频图像的对比度是否为偏低异常时需要使用该比值R时，可以执行本步骤，否则可以不执行不步骤。
步骤211、基于该差值与预设差值阈值的大小关系，确定该待检测视频图像的对比度是否为偏低异常，具体可以采用如下两种方式：
第一种方式：将差值end-start与预设差值阈值TH2进行比较，当(end-start)<TH2时，确定该待检测视频图像的对比度为偏低异常，否则，确定该待检测视频图像的对比度不为偏低异常。
第二种方式：将差值end-start与预设差值阈值TH2进行比较，以及将R与预设比值阈值TH3比较，当(end-start)<TH2，且R>TH3时，确定该待检测视频图像的对比度为偏低异常，否则，确定该待检测视频图像的对比度不为偏低异常。
当本步骤中确定该待检测视频图像的对比度不为偏低异常时，由于之前已经确定该待检测视频图像的对比度不为偏高异常，所以，可以确定该待检测视频图像的对比度正常。
进一步的，当确定该待检测视频图像的对比度为偏低异常时，还可以确定出该待检测视频图像的对比度的偏低强度I2，例如，可以将R作为该待检测视频图像的对比度的偏低强度，还可以采用如下公式确定偏低强度：
I2=a*R，其中a为偏低强度系数，例如，a可以为0.5。
实施例2：
图3为本发明实施例2中提供的一种视频对比度异常检测方法的流程图，具体包括如下处理步骤：
步骤301、从待检测视频中获取待检测视频图像。
步骤302、采用预设提取方式提取待检测视频图像的亮度特征信息。
步骤303、将该亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，其中，该第一种分类特征信息为预先基于采用该预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的。
本步骤中，可以采用SVM方法确定分类特征信息，具体可以通过SVM方法对多个对比度偏高的视频图像对应的多个亮度特征信息进行分析和训练，得到分类特征信息，即相当于生成了SVM分类器，当提取待检测视频图像的亮度特征信息后，将该亮度特征信息与该分类特征信息进行对比，确定该待检测视频图像的亮度特征信息是否与该分类特征信息匹配，得到匹配结果，即相当于使用生成的SVM分类器对提取的待检测视频图像的亮度特征信息进行识别，确定该亮度特征信息所属的类别。
步骤304、确定该第一匹配结果是否满足第一预设匹配条件，如果满足，进入步骤305，如果不满足，进入步骤306。
本步骤也即相当于确定该亮度特征信息是否与该分类特征信息匹配，如果匹配，进入步骤305，如果不匹配，进入步骤306。
步骤305、当该第一匹配结果满足第一预设匹配条件时，确定该待检测视频图像的对比度为偏高异常。
进一步的，当确定该待检测视频图像的对比度为偏高异常时，还可以确定出该待检测视频图像的对比度的偏高强度，例如可以采用与上述实施例1中步骤205确定I1相同的方法，将I1作为该待检测视频图像的对比度的偏高强度，在此不再进行详细描述。
步骤306、当该第一匹配结果不满足第一预设匹配条件时，确定该待检测视频图像的对比度不为偏高异常。
步骤307、将该亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，其中，该第二种分类特征信息为预先基于采用该预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的。
本步骤中，可以采用SVM方法确定分类特征信息，具体可以通过SVM方法对多个对比度正常的视频图像对应的多个亮度特征信息进行分析和训练，得到分类特征信息，即相当于生成了SVM分类器，当提取待检测视频图像的亮度特征信息后，将该亮度特征信息与该分类特征信息进行对比，确定该待检测视频图像的亮度特征信息是否与该分类特征信息匹配，得到匹配结果，即相当于使用生成的SVM分类器对提取的待检测视频图像的亮度特征信息进行识别，确定该亮度特征信息所属的类别。
步骤308、确定该第二匹配结果是否满足第二预设匹配条件，如果满足，进入步骤309，如果不满足，进入步骤310。
本步骤也即相当于确定该亮度特征信息是否与该分类特征信息匹配，如果匹配，进入步骤309，如果不匹配，进入步骤310。
步骤309、当该第二匹配结果满足第二预设匹配条件时，确定该待检测视频图像的对比度为正常。
步骤310、当该第二匹配结果不满足第二预设匹配条件时，确定该待检测视频图像的对比度为异常。
当本步骤中确定该待检测视频图像的对比度为异常时，由于之前已经确定该待检测视频图像的对比度不为偏高异常，所以，可以确定该待检测视频图像的对比度为偏低异常。
进一步的，当确定该待检测视频图像的对比度为偏低异常时，还可以确定出该待检测视频图像的对比度的偏低强度，例如，可以采用与上述实施例1中步骤210和步骤211确定I2相同的方法，将I2作为该待检测视频图像的对比度的偏低强度，在此不再进行详细描述。
实施例3：
图4为本发明实施例3中提供的一种视频对比度异常检测方法的流程图，具体包括如下处理步骤：
步骤401、从待检测视频中获取待检测视频图像。
步骤402、针对亮度值范围中的每个数值，确定该待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量。
步骤403、从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值。
本步骤中，可以针对亮度值范围内每个数值对应的像素点数量G1，比较G1与预设数量阈值TH1的大小关系，当G1小于TH1时，将G1的值设为0，当G1不小于TH1时，G1的值保持不变；然后按照亮度值范围内数值从小到大的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最小数值start；再按照亮度值范围内数值从大到小的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最大数值end。
步骤404、确定该最大数值与该最小数值的差值。
其中，该最大数值与该最小数值的差值为end-start。
步骤405、根据从该最小数值到最大数值区间中确定的第一临界数值和第二临界数值，确定该最大数值与该最小数值和该第二临界数值与该第一临界数值的差值的比值。
本步骤中，可以先确定从该最小数值到该最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值Sumall；从该最小数值到该最大数值区间中确定第一临界数值start1和第二临界数值end1，其中，确定start1和end1具体可以如下：
从该最小数值开始到该最大数值为止的区间中，依次对每个数值对应的像素点数量进行累加，每累加一次，确定当前累加值Sum1是否不小于Sumall与第一预设临界系数的乘积，如果小于，继续累加，当累加到Sum1第一次不小于Sumall与第一预设临界系数的乘积时，将当前累加值对应的当前数值确定为第一临界数值start1；
从该最小数值开始到该最大数值为止的区间中，依次对每个数值对应的像素点数量进行累加，每累加一次，确定当前累加值Sum1是否不小于Sumall与第二预设临界系数的乘积，如果小于，继续累加，当累加到Sum1第一次不小于Sumall与第二预设临界系数的乘积时，将当前累加值对应的当前数值确定为第二临界数值start2；
其中，该第一预设临界系数大于0且小于该第二预设临界系数，且该第二预设临界系数小于1，例如，第一预设临界系数可以为0.1，第二预设临界系数可以为0.8。
确定start1和end1，还可以采用现有技术中的各种方式，使得从该最小数值到start1区间中的全部数值各自对应的像素点数量的和值不小于Sumall与第一预设临界系数的乘积，并且从该最小数值到(start1-1)区间中的全部数值各自对应的像素点数量的和值小于Sumall与第一预设临界系数的乘积；从该最小数值到该end1区间中的全部数值各自对应的像素点数量的和值不小于该Sumall与第二预设临界系数的乘积，并且从该最小数值到该(end1-1)区间中的全部数值各自对应的像素点数量的和值小于该Sumall与第二预设临界系数的乘积，在此不再进行详细描述。
在确定start1和end1后，可以确定(end-start)与(end1-start1)的比值R。
本步骤为可选步骤，当后续确定该待检测视频图像的对比度是否为偏低异常时需要使用该比值R时，可以执行本步骤，否则可以不执行不步骤。
步骤406、基于该差值与预设差值阈值的大小关系，确定该待检测视频图像的对比度是否为偏低异常，具体可以采用如下两种方式：
第一种方式：将差值end-start与预设差值阈值TH2进行比较，当(end-start)<TH2时，进入步骤407，否则，进入步骤408。
第二种方式：将差值end-start与预设差值阈值TH2进行比较，以及将R与预设比值阈值TH3比较，当(end-start)<TH2，且R>TH3时，进入步骤407，否则，进入步骤408。
步骤407、确定该待检测视频图像的对比度为偏低异常。
进一步的，当确定该待检测视频图像的对比度为偏低异常时，还可以确定出该待检测视频图像的对比度的偏低强度I2，例如，可以将R作为该待检测视频图像的对比度的偏低强度，还可以采用如下公式确定偏低强度I2：
I2=a*R，其中a为偏低强度系数，例如，a可以为0.5。
步骤408、确定该待检测视频图像的对比度不为偏低异常。
步骤409、采用预设提取方式提取待检测视频图像的亮度特征信息。
步骤410、将该亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，该第一种分类特征信息为预先基于采用该预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的。
本步骤中，可以采用SVM方法确定分类特征信息，具体可以通过SVM方法对多个对比度偏高的视频图像对应的多个亮度特征信息进行分析和训练，得到分类特征信息，即相当于生成了SVM分类器，当提取待检测视频图像的亮度特征信息后，将该亮度特征信息与该分类特征信息进行对比，确定该待检测视频图像的亮度特征信息是否与该分类特征信息匹配，得到匹配结果，即相当于使用生成的SVM分类器对提取的待检测视频图像的亮度特征信息进行识别，确定该亮度特征信息所属的类别。
步骤411、确定该第一匹配结果是否满足第一预设匹配条件，如果满足，进入步骤412，如果不满足，进入步骤413。
本步骤也即相当于确定该亮度特征信息是否与该分类特征信息匹配，如果匹配，进入步骤412，如果不匹配，进入步骤413。
步骤412、当该第一匹配结果满足第一预设匹配条件时，确定该待检测视频图像的对比度为偏高异常。
进一步的，当确定该待检测视频图像的对比度为偏高异常时，还可以确定出该待检测视频图像的对比度的偏高强度，例如可以采用与上述实施例1中步骤205确定I1相同的方法，将I1作为该待检测视频图像的对比度的偏高强度，在此不再进行详细描述。
步骤413、当该第一匹配结果不满足第一预设匹配条件时，确定该待检测视频图像的对比度不为偏高异常。
当本步骤中确定该待检测视频图像的对比度不为偏高异常时，由于之前已经确定该待检测视频图像的对比度不为偏低异常，所以，可以确定该待检测视频图像的对比度正常。
实施例4：
图5为本发明实施例4中提供的一种视频对比度异常检测方法的流程图，具体包括如下处理步骤：
步骤501、从待检测视频中获取待检测视频图像。
步骤502、采用预设提取方式提取待检测视频图像的亮度特征信息。
步骤503、将该亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，该第二种分类特征信息为预先基于采用该预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的。
本步骤中，可以采用SVM方法确定分类特征信息，具体可以通过SVM方法对多个对比度正常的视频图像对应的多个亮度特征信息进行分析和训练，得到分类特征信息，即相当于生成了SVM分类器，当提取待检测视频图像的亮度特征信息后，将该亮度特征信息与该分类特征信息进行对比，确定该待检测视频图像的亮度特征信息是否与该分类特征信息匹配，得到匹配结果，即相当于使用生成的SVM分类器对提取的待检测视频图像的亮度特征信息进行识别，确定该亮度特征信息所属的类别。
步骤504、确定该第二匹配结果是否满足第二预设匹配条件，如果满足，进入步骤505，如果不满足，进入步骤506。
本步骤也即相当于确定该亮度特征信息是否与该分类特征信息匹配，如果匹配，进入步骤505，如果不匹配，进入步骤506。
步骤505、当该第二匹配结果满足第二预设匹配条件时，确定该待检测视频图像的对比度为正常。
步骤506、当该第二匹配结果不满足第二预设匹配条件时，确定该待检测视频图像的对比度为异常。
步骤507、将该亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，其中，该第一种分类特征信息为预先基于采用该预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的。
本步骤中，可以采用SVM方法确定分类特征信息，具体可以通过SVM方法对多个对比度偏高的视频图像对应的多个亮度特征信息进行分析和训练，得到分类特征信息，即相当于生成了SVM分类器，当提取待检测视频图像的亮度特征信息后，将该亮度特征信息与该分类特征信息进行对比，确定该待检测视频图像的亮度特征信息是否与该分类特征信息匹配，得到匹配结果，即相当于使用生成的SVM分类器对提取的待检测视频图像的亮度特征信息进行识别，确定该亮度特征信息所属的类别。
步骤508、确定该匹配结果是否满足第一预设匹配条件，如果满足，进入步骤509、如果不满足，进入步骤510。
本步骤也即相当于确定该亮度特征信息是否与该分类特征信息匹配，如果匹配，进入步骤509，如果不匹配，进入步骤510。
步骤509、当该第一匹配结果满足第一预设匹配条件时，确定该待检测视频图像的对比度为偏高异常。
进一步的，当确定该待检测视频图像的对比度为偏高异常时，还可以确定出该待检测视频图像的对比度的偏高强度，例如可以采用与上述实施例1中步骤205确定I1相同的方法，将I1作为该待检测视频图像的对比度的偏高强度，在此不再进行详细描述。
步骤510、当该第一匹配结果不满足第一预设匹配条件时，确定该待检测视频图像的对比度不为偏高异常。
当本步骤中确定该待检测视频图像的对比度不为偏高异常时，由于之前已经确定该待检测视频图像的对比度为异常，所以，可以确定该待检测视频图像的对比度为偏低异常。
进一步的，当确定该待检测视频图像的对比度为偏低异常时，还可以确定出该待检测视频图像的对比度的偏低强度，例如，可以采用与上述实施例1中步骤210和步骤211确定I2相同的方法，将I2作为该待检测视频图像的对比度的偏低强度，在此不再进行详细描述。
通过本发明上述实施例1-4提供的方法，由于第一种分类特征信息是基于多个对比度偏高异常的视频图像确定的，所以能够准确的表示对比度偏高异常的视频图像的亮度特征信息的特点，从而使得根据待检测视频图像的亮度特征信息与第一种分类特征信息的匹配结果得到的对比度是否为偏高异常的检测结果更准确，即相比现有技术提高了进行视频对比度是否偏高异常检测的准确率。
并且，在对待检测视频图像的对比度进行是否为偏高异常检测的基础上，当进一步的，还包括对该待检测视频图像的对比度是否为偏低异常或对比度是否正常的检测时，能够更准确的确定该待检测视频图像的对比度情况，即是否正常，以及当异常时，是偏高异常还是偏低异常。
实施例5：
本发明实施例中，在从待检测视频中获取待检测视频图像后，针对步骤102采用预设提取方式提取待检测视频图像的亮度特征信息，具体可以采用如下三种方式，本发明实施例5中通过如下具体处理流程对该三种方式进行详细描述。
第一种方式，如图6所示，具体包括如下处理步骤：
步骤601、针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定该待检测视频图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量。
本步骤中，将亮度值范围划分为多个数值区间，例如，可以将亮度值范围均匀的划分为10个数值区间，每个数值区间对应的像素点数量为Sum_a(i)，其中，i=1,2……10。
目前通用的亮度值范围为[0,255]，此时可以从小到大将每25个数值划分到一个数值区间，最后一个数值区间包括30个数值。
步骤602、分别确定每个数值区间对应的像素点数量与该待检测视频图像的像素点的总数的比值，作为该待检测视频图像的亮度特征信息。
其中，每个数值区间对应的像素点数量Sum_a(i)与该待检测视频图像的像素点的总数Sum的比值R(i)=Sum_a(i)/Sum。
第二种方式，如图7所示，具体包括如下处理步骤：
步骤701、通过对该待检测视频图像的像素点进行梯度提取，得到该待检测视频图像的梯度图像。
其中，梯度图像的具体生成方式，可以采用现有技术中的各种方式，在此不再进行详细描述。
步骤702、针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定该梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量。
本步骤中，将亮度值范围划分为多个数值区间，例如，可以将亮度值范围均匀的划分为10个数值区间，每个数值区间对应的像素点数量为Sum_b(i)，其中，i=1,2……10。
目前通用的亮度值范围为[0,255]，此时可以从小到大将每25个数值划分到一个数值区间，最后一个数值区间包括30个数值。
步骤703、分别确定每个数值区间对应的像素点数量与该梯度图像的像素点的总数的比值，作为该待检测视频图像的亮度特征信息。
其中，每个数值区间对应的像素点数量Sum_b(i)与该梯度图像的像素点的总数Sum的比值P(i)=Sum_b(i)/Sum。
第三种方式是将上述第一种方式和第二种方式相结合，即将每个数值区间对应的像素点数量Sum_a(i)与该待检测视频图像的像素点的总数Sum的比值R(i)，与每个数值区间对应的像素点数量Sum_b(i)与该梯度图像的像素点的总数Sum的比值P(i)，均确定为该待检测视频图像的亮度特征信息。
实施例6：
本发明实施例中，在从待检测视频中获取待检测视频图像后，针对步骤102采用预设提取方式提取待检测视频图像的亮度特征信息，具体还可以采用如下三种方式，本发明实施例6中通过如下具体处理流程对该三种方式进行详细描述。
第四种方式，如图8所示，具体包括如下处理步骤：
步骤801、针对亮度值范围中的每个数值，确定该待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量。
步骤802、从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值。
本步骤中，可以针对亮度值范围内每个数值对应的像素点数量G1，比较G1与预设数量阈值TH1的大小关系，当G1小于TH1时，将G1的值设为0，当G1不小于TH1时，G1的值保持不变；然后按照亮度值范围内数值从小到大的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最小数值start；再按照亮度值范围内数值从大到小的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最大数值end。
步骤803、确定该最大数值与该最小数值的差值。
其中，该最大数值与该最小数值的差值为end-start。
步骤804、基于该最大数值和该最小数值，对该待检测视频图像进行亮度值拉伸处理，得到拉伸后图像。
具体可以采用如下公式进行亮度值拉伸处理：
其中，xi为待检测视频图像第i个像素点，gray(xi)为待检测视频图像的该第i个像素点的亮度值，N为亮度值范围所包括数值的数量，例如：N=255，Yi为拉伸后图像中与该第i个像素点位置相同的像素点的像素值。
步骤805、针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定该拉伸后图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量。
本步骤中，将亮度值范围划分为多个数值区间，例如，可以将亮度值范围均匀的划分为10块区间，统计每一块亮度值区间内包括的像素点数量Sum_c(i)，i=1,2……10。
目前通用的亮度值范围为[0,255]，此时可以从小到大将每25个数值划分到一个数值区间，最后一个数值区间包括30个数值。
步骤806、分别确定每个数值区间对应的像素点数量与该拉伸后图像的像素点的总数的比值，作为该待检测视频图像的亮度特征信息。
其中，每个数值区间对应的像素点数量Sum_c(i)与该拉伸后图像的像素点的总数Sum的比值Q(i)=Sum_c(i)/Sum。
第五种方式，如图9所示，具体包括如下处理步骤：
步骤901、针对亮度值范围中的每个数值，确定该待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；
步骤902、从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值。
本步骤中，可以针对亮度值范围内每个数值对应的像素点数量G1，比较G1与预设数量阈值TH1的大小关系，当G1小于TH1时，将G1的值设为0，当G1不小于TH1时，G1的值保持不变；然后按照亮度值范围内数值从小到大的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最小数值start；再按照亮度值范围内数值从大到小的顺序进行遍历，当扫描到第一个对应的像素点数量大于0的数值时停止遍历，并将该数值作为最大数值end。
步骤903、确定该最大数值与该最小数值的差值。
其中，该最大数值与该最小数值的差值为end-start。
步骤904、基于该最大数值和该最小数值，对该待检测视频图像进行亮度值拉伸处理，得到拉伸后图像。
具体可以采用如下公式进行亮度值拉伸处理：
其中，xi为待检测视频图像第i个像素点，gray(xi)为待检测视频图像的该第i个像素点的亮度值，N为亮度值范围所包括数值的数量，例如，N=255，Yi为拉伸后图像中与该第i个像素点位置相同的像素点的像素值。
步骤905、通过对该拉伸后图像的像素点进行梯度提取，得到该拉伸后图像的梯度图像。
其中，梯度图像的具体生成方式，可以采用现有技术中的各种方式，在此不再进行详细描述。
步骤906、针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定该梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量。
本步骤中，将亮度值范围划分为多个数值区间，例如，可以将亮度值范围均匀的划分为10个数值区间，每个数值区间对应的像素点数量Sum_d(i)，i=1,2……10。
目前通用的亮度值范围为[0,255]，此时可以从小到大将每25个数值划分到一个数值区间，最后一个数值区间包括30个数值。
步骤907、分别确定每个数值区间对应的像素点数量与该梯度图像的像素点的总数的比值，作为该待检测视频图像的亮度特征信息。
其中，每个数值区间对应的像素点数量Sum_d(i)与该拉伸后图像的梯度图像的像素点的总数Sum的比值M(i)=Sum_d(i)/Sum。
第六种方式是将上述第四种方式和第五种方式相结合，即将每个数值区间对应的像素点数量Sum_c(i)与该拉伸后图像的像素点的总数Sum的比值Q(i)，与每个数值区间对应的像素点数量Sum_d(i)与该梯度图像的像素点的总数Sum的比值M(i)，均确定为该待检测视频图像的亮度特征信息。
本发明上述实施例5和实施例6中，对采用预设提取方式提取待检测视频图像的亮度特征信息，进行了详细描述，相应的，在确定第一种分类特征信息时，采用该预设提取方式提取对比度偏高异常的视频图像的亮度特征信息，以及在确定第二种分类特征信息时，采用该预设提取方式提取对比度正常的视频图像的亮度特征信息，由于均采用相同的提取方式，所以也可以采用与上述实施例5和实施例6中相同的方式，在此不再进行详细描述。
实施例7：
基于同一发明构思，根据本发明上述实施例提供的视频对比度异常检测方法，相应地，本发明另一实施例还提供了一种视频对比度异常检测装置，其结构示意图如图10所示，具体包括：
获取单元1001，用于从待检测视频中获取待检测视频图像；
提取单元1002，用于采用预设提取方式提取该待检测视频图像的亮度特征信息；
匹配单元1003，用于将该亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，该第一种分类特征信息为预先基于采用该预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；
偏高检测单元1004，用于根据该第一匹配结果是否满足第一预设匹配条件，确定该待检测视频图像的对比度是否为偏高异常。
进一步的，提取单元1002，具体用于针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述待检测视频图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述待检测视频图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述待检测视频图像的像素点进行梯度提取，得到所述待检测视频图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
进一步的，提取单元1002，具体用于针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；以及基于所述最大数值和所述最小数值，对所述待检测视频图像进行亮度值拉伸处理，得到拉伸后图像；以及
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述拉伸后图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述拉伸后图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述拉伸后图像的像素点进行梯度提取，得到所述拉伸后图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
进一步的，偏高检测单元1004，具体用于当确定所述待检测视频图像的对比度为偏高异常时，确定亮度值范围的多个数值区间中的前预设数量个数值区间中的全部数值对应的像素点数量和后预设数量个数值区间中的全部数值对应的像素点数量的和值，其中，所述前预设数量个数值区间是从亮度值范围的多个数值区间的第一个数值区间开始，按照亮度值范围从小到大的方向，到第预设数量个数值区间之间的全部数值区间，所述后预设数量个数值区间是从亮度值范围的多个数值区间的最后一个数值区间开始，按照亮度值范围从大到小的方向，到第预设数量个数值区间之间的全部数值区间，所述预设数量小于亮度值范围的全部数值区间数量的一半；
确定所述和值与所述待检测视频图像的像素点的总数的比值；
根据所述比值，确定所述待检测视频图像的对比度的偏高强度。
进一步的，上述装置，还包括：
偏低检测单元1005，用于当所述偏高检测单元确定所述待检测视频图像的对比度不为偏高异常时，针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常；或者
正常检测单元1006，用于当所述偏高检测单元确定所述待检测视频图像的对比度不为偏高异常时，将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足预设匹配条件，确定所述待检测视频图像的对比度是否正常。
进一步的，上述装置，还包括：
偏低检测单元1007，还用于在所述提取单元采用预设提取方式提取所述待检测视频图像的亮度特征信息之前，针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度不为偏低异常。
正常检测单元1008，还用于在所述匹配单元将所述亮度特征信息与第一种分类特征信息进行匹配之前，将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足预设匹配条件，确定所述待检测视频图像的对比度异常。
进一步的，偏低检测单元1005和1007，具体用于在确定所述待检测视频图像的对比度是否为偏低异常之前，确定从所述最小数值到所述最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值；从所述最小数值到所述最大数值区间中确定第一临界数值和第二临界数值，其中，从所述最小数值到所述第一临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第一预设临界系数的乘积，从所述最小数值到所述第一临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第一预设临界系数的乘积，从所述最小数值到所述第二临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第二预设临界系数的乘积，从所述最小数值到所述第二临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第二预设临界系数的乘积，所述第一预设临界系数大于0且小于所述第二预设临界系数，且所述第二预设临界系数小于1；确定所述最大数值与所述最小数值的差值和所述第二临界数值与所述第一临界数值的差值的比值；并具体用于当所述差值小于预设差值阈值，且所述比值大于预设比值阈值时，确定所述待检测视频图像的对比度为偏低异常，否则，确定所述待检测视频图像的对比度不为偏低异常。
上述各单元的功能可对应于图2-图9所示流程中的相应处理步骤，在此不再赘述。
综上所述，本发明实施例提供的方案，包括：从待检测视频中获取待检测视频图像；采用预设提取方式提取该待检测视频图像的亮度特征信息；并将该亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，该第一种分类特征信息为预先基于采用所述预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；以及根据该第一匹配结果是否满足第一预设匹配条件，能够确定该待检测视频图像的对比度是否为偏高异常。采用本发明实施例提供的方案，提高了视频对比度偏高异常检测的准确率。
本申请的实施例所提供的视频对比度偏高异常检测装置可通过计算机程序实现。本领域技术人员应该能够理解，上述的模块划分方式仅是众多模块划分方式中的一种，如果划分为其他模块或不划分模块，只要视频对比度偏高异常检测装置具有上述功能，都应该在本申请的保护范围之内。
本申请是参照根据本申请实施例的方法、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。
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 (14)
1.一种视频对比度异常检测方法，其特征在于，包括：
从待检测视频中获取待检测视频图像；
采用预设提取方式提取所述待检测视频图像的亮度特征信息；
将所述亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，所述第一种分类特征信息为预先基于采用所述预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；
根据所述第一匹配结果是否满足第一预设匹配条件，确定所述待检测视频图像的对比度是否为偏高异常。
2.如权利要求1所述的方法，其特征在于，采用预设提取方式提取所述待检测视频图像的亮度特征信息，具体包括：
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述待检测视频图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述待检测视频图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述待检测视频图像的像素点进行梯度提取，得到所述待检测视频图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
3.如权利要求1所述的方法，其特征在于，采用预设提取方式提取所述待检测视频图像的亮度特征信息，具体包括：
针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；
从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；
基于所述最大数值和所述最小数值，对所述待检测视频图像进行亮度值拉伸处理，得到拉伸后图像；
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述拉伸后图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述拉伸后图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述拉伸后图像的像素点进行梯度提取，得到所述拉伸后图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
4.如权利要求2或3所述的方法，其特征在于，当确定所述待检测视频图像的对比度为偏高异常时，还包括：
确定亮度值范围的多个数值区间中的前预设数量个数值区间中的全部数值对应的像素点数量和后预设数量个数值区间中的全部数值对应的像素点数量的和值，其中，所述前预设数量个数值区间是从亮度值范围的多个数值区间的第一个数值区间开始，按照亮度值范围从小到大的方向，到第预设数量个数值区间之间的全部数值区间，所述后预设数量个数值区间是从亮度值范围的多个数值区间的最后一个数值区间开始，按照亮度值范围从大到小的方向，到第预设数量个数值区间之间的全部数值区间，所述预设数量小于亮度值范围的全部数值区间数量的一半；
确定所述和值与所述待检测视频图像的像素点的总数的比值；
根据所述比值，确定所述待检测视频图像的对比度的偏高强度。
5.如权利要求1所述的方法，其特征在于，当确定所述待检测视频图像的对比度不为偏高异常时，还包括：
针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常；或者
将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足第二预设匹配条件，确定所述待检测视频图像的对比度是否正常。
6.如权利要求1所述的方法，其特征在于，在采用预设提取方式提取所述待检测视频图像的亮度特征信息之前，还包括：针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度不为偏低异常；或者
在将所述亮度特征信息与第一种分类特征信息进行匹配之前，还包括：将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足第二预设匹配条件，确定所述待检测视频图像的对比度异常。
7.如权利要求5或6所述的方法，其特征在于，在确定所述待检测视频图像的对比度是否为偏低异常之前，还包括：
确定从所述最小数值到所述最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值；
从所述最小数值到所述最大数值区间中确定第一临界数值和第二临界数值，其中，从所述最小数值到所述第一临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第一预设临界系数的乘积，从所述最小数值到所述第一临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第一预设临界系数的乘积，从所述最小数值到所述第二临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第二预设临界系数的乘积，从所述最小数值到所述第二临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第二预设临界系数的乘积，所述第一预设临界系数大于0且小于所述第二预设临界系数，且所述第二预设临界系数小于1；
确定所述最大数值与所述最小数值的差值和所述第二临界数值与所述第一临界数值的差值的比值；
基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常，具体包括：
当所述差值小于预设差值阈值，且所述比值大于预设比值阈值时，确定所述待检测视频图像的对比度为偏低异常；
否则，确定所述待检测视频图像的对比度不为偏低异常。
8.一种视频对比度异常检测装置，其特征在于，包括：
获取单元，用于从待检测视频中获取待检测视频图像；
提取单元，用于采用预设提取方式提取所述待检测视频图像的亮度特征信息；
匹配单元，用于将所述亮度特征信息与第一种分类特征信息进行匹配，得到第一匹配结果，所述第一种分类特征信息为预先基于采用所述预设提取方式提取多个对比度偏高异常的视频图像对应得到的多个亮度特征信息确定的；
偏高检测单元，用于根据所述第一匹配结果是否满足第一预设匹配条件，确定所述待检测视频图像的对比度是否为偏高异常。
9.如权利要求8所述的装置，其特征在于，所述提取单元，具体用于针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述待检测视频图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述待检测视频图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述待检测视频图像的像素点进行梯度提取，得到所述待检测视频图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
10.如权利要求8所述的装置，其特征在于，所述提取单元，具体用于针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；以及基于所述最大数值和所述最小数值，对所述待检测视频图像进行亮度值拉伸处理，得到拉伸后图像；以及
针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述拉伸后图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述拉伸后图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息；和/或
通过对所述拉伸后图像的像素点进行梯度提取，得到所述拉伸后图像的梯度图像；针对预先对亮度值范围划分得到的多个数值区间中的每个数值区间，确定所述梯度图像中亮度值位于该数值区间的像素点的数量，作为该数值区间对应的像素点数量；并分别确定每个数值区间对应的像素点数量与所述梯度图像的像素点的总数的比值，作为所述待检测视频图像的亮度特征信息。
11.如权利要求9或10所述的装置，其特征在于，所述偏高检测单元，还用于当确定所述待检测视频图像的对比度为偏高异常时，确定亮度值范围的多个数值区间中的前预设数量个数值区间中的全部数值对应的像素点数量和后预设数量个数值区间中的全部数值对应的像素点数量的和值，其中，所述前预设数量个数值区间是从亮度值范围的多个数值区间的第一个数值区间开始，按照亮度值范围从小到大的方向，到第预设数量个数值区间之间的全部数值区间，所述后预设数量个数值区间是从亮度值范围的多个数值区间的最后一个数值区间开始，按照亮度值范围从大到小的方向，到第预设数量个数值区间之间的全部数值区间，所述预设数量小于亮度值范围的全部数值区间数量的一半；确定所述和值与所述待检测视频图像的像素点的总数的比值；根据所述比值，确定所述待检测视频图像的对比度的偏高强度。
12.如权利要求8所述的装置，其特征在于，还包括：
偏低检测单元，用于当所述偏高检测单元确定所述待检测视频图像的对比度不为偏高异常时，针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度是否为偏低异常；或者
正常检测单元，用于当所述偏高检测单元确定所述待检测视频图像的对比度不为偏高异常时，将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足预设匹配条件，确定所述待检测视频图像的对比度是否正常。
13.如权利要求8所述的装置，其特征在于，还包括：
偏低检测单元，用于在所述提取单元采用预设提取方式提取所述待检测视频图像的亮度特征信息之前，针对亮度值范围中的每个数值，确定所述待检测视频图像中亮度值为该数值的像素点的数量，作为该数值对应的像素点数量；并从亮度值范围的全部数值中，确定对应的像素点数量不小于预设数量阈值的最大数值和最小数值；并确定所述最大数值与所述最小数值的差值；以及基于所述差值与预设差值阈值的大小关系，确定所述待检测视频图像的对比度不为偏低异常；或者
正常检测单元，用于在所述匹配单元将所述亮度特征信息与第一种分类特征信息进行匹配之前，将所述亮度特征信息与第二种分类特征信息进行匹配，得到第二匹配结果，所述第二种分类特征信息为预先基于采用所述预设提取方式提取多个对比度正常的视频图像对应得到的多个亮度特征信息确定的；并根据所述第二匹配结果是否满足预设匹配条件，确定所述待检测视频图像的对比度异常。
14.如权利要求12或13所述的装置，其特征在于，所述偏低检测单元，还用于在确定所述待检测视频图像的对比度是否为偏低异常之前，确定从所述最小数值到所述最大数值区间中的全部数值各自对应的像素点数量的和值，作为总累加值；从所述最小数值到所述最大数值区间中确定第一临界数值和第二临界数值，其中，从所述最小数值到所述第一临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第一预设临界系数的乘积，从所述最小数值到所述第一临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第一预设临界系数的乘积，从所述最小数值到所述第二临界数值区间中的全部数值各自对应的像素点数量的和值不小于所述总累加值与第二预设临界系数的乘积，从所述最小数值到所述第二临界数值减1区间中的全部数值各自对应的像素点数量的和值小于所述总累加值与所述第二预设临界系数的乘积，所述第一预设临界系数大于0且小于所述第二预设临界系数，且所述第二预设临界系数小于1；确定所述最大数值与所述最小数值的差值和所述第二临界数值与所述第一临界数值的差值的比值；并具体用于当所述差值小于预设差值阈值，且所述比值大于预设比值阈值时，确定所述待检测视频图像的对比度为偏低异常，否则，确定所述待检测视频图像的对比度不为偏低异常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310372876.4A CN104424632B (zh) | 2013-08-23 | 2013-08-23 | 一种视频对比度异常检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310372876.4A CN104424632B (zh) | 2013-08-23 | 2013-08-23 | 一种视频对比度异常检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104424632A true CN104424632A (zh) | 2015-03-18 |
| CN104424632B CN104424632B (zh) | 2017-11-21 |
Family
ID=52973520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310372876.4A Active CN104424632B (zh) | 2013-08-23 | 2013-08-23 | 一种视频对比度异常检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104424632B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105279485A (zh) * | 2015-10-12 | 2016-01-27 | 江苏精湛光电仪器股份有限公司 | 激光夜视下监控目标异常行为的检测方法 |
| CN105611188A (zh) * | 2015-12-23 | 2016-05-25 | 北京奇虎科技有限公司 | 基于自动曝光的摄像头遮挡检测方法及装置 |
| CN106251345A (zh) * | 2016-07-26 | 2016-12-21 | 成都市高博汇科信息科技有限公司 | 一种实时监测视频对比度异常的方法 |
| CN106846328A (zh) * | 2016-12-07 | 2017-06-13 | 长安大学 | 一种基于视频的隧道亮度检测方法 |
| WO2017197865A1 (zh) * | 2016-05-20 | 2017-11-23 | 中兴通讯股份有限公司 | 镜头状态检测方法及装置 |
| CN110507941A (zh) * | 2019-08-21 | 2019-11-29 | 深圳供电局有限公司 | 一种火灾处理方法及其系统 |
| CN111352617A (zh) * | 2020-03-16 | 2020-06-30 | 山东省物化探勘查院 | 一种基于Fortran语言的磁法数据辅助整理方法 |
| CN112312001A (zh) * | 2019-07-30 | 2021-02-02 | 北京百度网讯科技有限公司 | 一种图像检测的方法、装置、设备和计算机存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070172145A1 (en) * | 2006-01-26 | 2007-07-26 | Vestel Elektronik Sanayi Ve Ticaret A.S. | Method and apparatus for adjusting the contrast of an image |
| CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测系统 |
| CN103096120A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频图像异常状态检测方法及装置 |
| CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
-
2013
- 2013-08-23 CN CN201310372876.4A patent/CN104424632B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070172145A1 (en) * | 2006-01-26 | 2007-07-26 | Vestel Elektronik Sanayi Ve Ticaret A.S. | Method and apparatus for adjusting the contrast of an image |
| CN103096120A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频图像异常状态检测方法及装置 |
| CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测系统 |
| CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 姬贯新: "视频干扰检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 罗显科: "视频监控图像异常检测及质量评价", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105279485A (zh) * | 2015-10-12 | 2016-01-27 | 江苏精湛光电仪器股份有限公司 | 激光夜视下监控目标异常行为的检测方法 |
| CN105279485B (zh) * | 2015-10-12 | 2018-12-07 | 江苏精湛光电仪器股份有限公司 | 激光夜视下监控目标异常行为的检测方法 |
| CN105611188A (zh) * | 2015-12-23 | 2016-05-25 | 北京奇虎科技有限公司 | 基于自动曝光的摄像头遮挡检测方法及装置 |
| CN105611188B (zh) * | 2015-12-23 | 2019-06-04 | 北京奇虎科技有限公司 | 基于自动曝光的摄像头遮挡检测方法及装置 |
| WO2017197865A1 (zh) * | 2016-05-20 | 2017-11-23 | 中兴通讯股份有限公司 | 镜头状态检测方法及装置 |
| CN107404647A (zh) * | 2016-05-20 | 2017-11-28 | 中兴通讯股份有限公司 | 镜头状态检测方法及装置 |
| CN106251345A (zh) * | 2016-07-26 | 2016-12-21 | 成都市高博汇科信息科技有限公司 | 一种实时监测视频对比度异常的方法 |
| CN106846328A (zh) * | 2016-12-07 | 2017-06-13 | 长安大学 | 一种基于视频的隧道亮度检测方法 |
| CN106846328B (zh) * | 2016-12-07 | 2019-05-21 | 长安大学 | 一种视频图像稳定性判断及基于视频的隧道亮度检测方法 |
| CN112312001A (zh) * | 2019-07-30 | 2021-02-02 | 北京百度网讯科技有限公司 | 一种图像检测的方法、装置、设备和计算机存储介质 |
| CN110507941A (zh) * | 2019-08-21 | 2019-11-29 | 深圳供电局有限公司 | 一种火灾处理方法及其系统 |
| CN111352617A (zh) * | 2020-03-16 | 2020-06-30 | 山东省物化探勘查院 | 一种基于Fortran语言的磁法数据辅助整理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104424632B (zh) | 2017-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104424632A (zh) | 一种视频对比度异常检测方法及装置 | |
| CN104424633A (zh) | 一种视频对比度异常检测方法及装置 | |
| US9524558B2 (en) | Method, system and software module for foreground extraction | |
| CN103686148B (zh) | 一种基于数字图像处理的自动检测视频图像清晰度的方法 | |
| Savant | A review on edge detection techniques for image segmentation | |
| JP2014533349A (ja) | ラスタ画像のエッジ検出によるベルト摩耗の測定 | |
| EP2993621B1 (en) | Method and apparatus for detecting shielding against object | |
| Phueakjeen et al. | A study of the edge detection for road lane | |
| JP2010097412A (ja) | 煙検出装置 | |
| CN109724993A (zh) | 图像识别设备的污损程度的检测方法、装置和存储介质 | |
| CN105303573A (zh) | 金针类元件的引脚检测方法和系统 | |
| CN108009574A (zh) | 一种轨道扣件检测方法 | |
| CN104732510A (zh) | 一种相机镜头黑斑检测方法及装置 | |
| CN111398292A (zh) | 一种基于gabor滤波和CNN的布匹瑕疵检测方法、系统及设备 | |
| CN102496030B (zh) | 电力监测系统中危险目标的识别方法及装置 | |
| CN104427210A (zh) | 一种随机异常闪烁点检测方法及装置 | |
| CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
| CN105930839A (zh) | 一种电气化铁路接触网支柱杆号智能识别方法 | |
| US10062155B2 (en) | Apparatus and method for detecting defect of image having periodic pattern | |
| CN104346778A (zh) | 图像的边缘增强方法和装置以及数码摄像设备 | |
| CN104346793A (zh) | 一种视频闪烁检测方法及装置 | |
| KR101553707B1 (ko) | 카메라 모듈 결함 판정용 이미지 스테인 검출 방법 | |
| CN110634124A (zh) | 一种区域检测的方法及设备 | |
| CN103630547B (zh) | 具有周期性结构的光学薄膜的瑕疵检测方法及其检测装置 | |
| KR101067516B1 (ko) | 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법 |
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 |