CN104427210B - 一种随机异常闪烁点检测方法及装置 - Google Patents

一种随机异常闪烁点检测方法及装置 Download PDF

Info

Publication number
CN104427210B
CN104427210B CN201310372844.4A CN201310372844A CN104427210B CN 104427210 B CN104427210 B CN 104427210B CN 201310372844 A CN201310372844 A CN 201310372844A CN 104427210 B CN104427210 B CN 104427210B
Authority
CN
China
Prior art keywords
image
scintillation
point
detected
brightness
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.)
Active
Application number
CN201310372844.4A
Other languages
English (en)
Other versions
CN104427210A (zh
Inventor
胡逢法
潘晖
定志峰
潘石柱
张兴明
傅利泉
朱江明
吴军
吴坚
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201310372844.4A priority Critical patent/CN104427210B/zh
Publication of CN104427210A publication Critical patent/CN104427210A/zh
Application granted granted Critical
Publication of CN104427210B publication Critical patent/CN104427210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Nuclear Medicine (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种随机异常闪烁点检测方法及装置,包括:从待检测视频中获取待检测视频图像;基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点;采用预设提取方式提取所述待检测视频图像的闪烁点的亮度特征信息;将所述亮度特征信息与分类特征信息进行匹配,得到匹配结果,所述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随机异常闪烁点对应得到的多个亮度特征信息确定的;根据所述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闪烁点是否为随机异常闪烁点。采用本发明提供的方法及装置,相比现有技术,提高了随机异常闪烁点检测的准确率和检测效率。

Description

一种随机异常闪烁点检测方法及装置
技术领域
本发明涉及视频分析和视频监控领域,尤其涉及一种随机异常闪烁点检测方法。
背景技术
在视频监控系统中,由于受到外界环境、线路老化、设备自身故障等因素的影响,使得视频图像的一些像素点的亮度信息明显高于或低于周围的像素点,从而导致视频图像中出现一些明显的闪烁点,严重影响了视频图像的视觉效果和图像质量。因此需要采取有效的手段对视频图像随机异常闪烁点进行检测,确定随机异常闪烁点的分布密度及分布情况。
现有的视频随机异常闪烁点检测方法采用人工值守的方式,通过值守人员对视频进行观察,由人眼发现视频图像是否存在异常闪烁点的情况。
上述现有的人工值守检测视频随机异常闪烁点的方法,存在以下两点问题:
第一、效率低、失误率高。由于视频随机异常闪烁点一般仅在短时期内出现,而值守人员的注意力有限,不可能时刻保持清醒状态,即使出现异常闪烁点也不能马上发现;
第二、缺乏统一的判别标准。人工值守方式主要依靠人的视觉系统进行判断,加入了人为主观因素的影响。
因为整个检测过程加入了人为主观因素的影响,且对于视频异常闪烁点的判断情况也各不相同,降低了视频异常闪烁点检测的准确率和检测效率。
发明内容
本发明实施例提供一种随机异常闪烁点检测方法及装置,用以解决现有技术中存在的进行视频图像随机异常闪烁点检测的准确率和检测效率较低的问题。
本发明实施例提供一种随机异常闪烁点检测方法,包括:
从待检测视频中获取待检测视频图像;
基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点;
采用预设提取方式提取所述待检测视频图像的闪烁点的亮度特征信息;
将所述亮度特征信息与分类特征信息进行匹配,得到匹配结果,所述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随机异常闪烁点对应得到的多个亮度特征信息确定的;
根据所述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闪烁点是否为随机异常闪烁点。
采用本发明实施例提供的方法,由于分类特征信息是基于采用该预设提取方式提取多个随机异常闪烁点对应得到的多个亮度特征信息确定的,所以能够准确的表示随机异常闪烁点的亮度特征信息的特点,从而使得根据待检测视频图像的闪烁点的亮度特征信息与分类特征信息进行匹配得到的闪烁点是否为随机异常闪烁点的检测结果更准确,并且整个检测过程是自动检测,即相比现有技术提高了随机异常闪烁点检测的准确率和检测效率。
进一步的,基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点,具体包括:
对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;
通过对所述二值化帧差图像进行逐行扫描,将所述二值化帧差图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一行扫描处理后图像;
通过对所述二值化帧差图像进行逐列扫描,将所述二值化帧差图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一列扫描处理后图像;
将所述第一行扫描处理后图像与所述第一列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第一与运算处理后图像;
将所述待检测视频图像中与所述第一与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
这样,基于帧差图像可以快速提取前景图像,排除了背景像素带来的干扰,并且采用扫描线算法从二值化帧差图像中排除了不满足预设大小条件的区域,从而排除了大的运动目标对随机异常闪烁点检测带来的干扰。
进一步的,基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点,具体包括:
对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;
对所述二值化帧差图像进行膨胀处理,得到膨胀图像;
通过对所述膨胀图像进行逐行扫描,将所述膨胀图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二行扫描处理后图像;
通过对所述膨胀图像进行逐列扫描,将所述膨胀图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二列扫描处理后图像;
将所述第二行扫描处理后图像与所述第二列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第二与运算处理后图像;
将所述二值化帧差图像与所述第二与运算处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第三与运算处理后图像;
将所述待检测视频图像中与所述第三与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
这样,基于帧差图像可以快速提取前景图像,排除了背景图像带来的干扰,对二值化帧差图像进行膨胀处理,可以使得前景图像中较大的运动目标凸显处理,并且采用扫描线法从膨胀图像排除了不满足预设大小条件的区域,从而排除了大的运动目标对随机异常闪烁点检测带来的干扰。
进一步的,采用预设提取方式提取所述待检测视频图像的闪烁点的亮度特征信息,具体包括:
确定所述待检测视频图像的闪烁点的亮度值、该闪烁点的四邻域像素点的亮度平均值和该闪烁点的八邻域像素点的亮度平均值;并将该闪烁点的亮度值,该闪烁点的亮度值与该闪烁点的四邻域像素点的亮度平均值的比值,以及该闪烁点的亮度值与该闪烁点的八邻域像素点的亮度平均值的比值,确定为该闪烁点的亮度特征信息;和/或
确定所述帧差图像中与所述待检测视频图像的闪烁点位置相同的像素点的亮度值、该位置相同的像素点的四邻域像素点的亮度平均值和该位置相同的像素点的八邻域像素点的亮度平均值;并将该位置相同的像素点的亮度值,该位置相同的像素点的亮度值与该位置相同的像素点的四邻域像素点的亮度平均值的比值,以及该位置相同的像素点的亮度值与该位置相同的像素点的八邻域像素点的亮度平均值的比值,确定为该闪烁点在所述帧差图像中的亮度特征信息。
这样,采用该预设提取方式提取多个随机异常闪烁点对应得到的多个亮度特征信息确定分类特征信息,能够准确的表示随机异常闪烁点的亮度特征信息的特点,从而使得根据待检测视频图像的闪烁点的亮度特征信息与分类特征信息进行匹配得到的闪烁点是否为随机异常闪烁点的检测结果更准确。
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随机异常闪烁点检测方法的流程图;
图2为本发明实施例1提供的随机异常闪烁点检测方法的流程图;
图3为本发明实施例2提供的随机异常闪烁点检测方法的流程图;
图4为本发明实施例3提供的采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息的处理流程的流程图之一;
图5为本发明实施例3提供的采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息的处理流程的流程图之二;
图6为本发明实施例4提供的随机异常闪烁点检测装置的结构示意图。
具体实施方式
为了给出提高随机异常闪烁点检测的准确率和检测效率的实现方案,本发明实施例提供了一种随机异常闪烁点检测方法及装置,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随机异常闪烁点检测方法,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、基于该待检测视频图像与其前一帧视频图像之间的帧差图像,确定该待检测视频图像中的闪烁点;
步骤103、采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息;
步骤104、将该亮度特征信息与分类特征信息进行匹配,得到匹配结果,该分类特征信息为预先基于采用该预设提取方式提取多个随机异常闪烁点对应得到的多个亮度特征信息确定的;
步骤105、根据该匹配结果是否满足预设匹配条件,确定该待检测视频图像的闪烁点是否为随机异常闪烁点。
上述方法中,进行随机异常闪烁点检测的待检测视频图像,可以是从待检测视频的第二帧视频图像开始后的每一帧视频图像,从而可以在检测时,基于待检测视频图像与其前一帧视频图像之间的帧差图像,确定待检测视频图像中的闪烁点。
下面结合附图,用具体实施例对本发明提供的方法及装置进行详细描述。
实施例1:
图2为本发明实施例1中提供的一种随机异常闪烁点检测方法的流程图,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、利用背景帧差法,确定该待检测视频图像与其前一帧视频图像之间的帧差图像,具体可以如下:
将待检测视频图像中每一个像素点的亮度值与其前一帧视频图像中与该像素点位置相同的像素点的亮度值的差值,确定为帧差图像中与该待检测视频图像的该像素点位置相同的像素点的亮度值,从而得到帧差图像。
在得到待检测视频图像与其前一帧视频图像之间的帧差图像之后,即可以基于该帧差图像,确定待检测视频图像中的闪烁点,具体可以采用现有技术中的各种方式,本发明实施例1中提出一种确定待检测视频图像闪烁点的确定方式,详见下述步骤203-步骤207:
步骤203、将该帧差图像进行二值化处理,得到二值化帧差图像。
步骤204、通过对该二值化帧差图像进行逐行扫描,将该二值化帧差图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一行扫描处理后图像。
本步骤中,对该二值化帧差图像进行逐行扫描,统计每行中每一组亮度值为1的多个连续的像素点的数量Sum_a(i),i表示第i组,当Sum_a(i)大于预设数量阈值Num时,将该组包括的多个连续的像素点的亮度值1变更为0,当Sum_a(i)不大于预设数量阈值Num时,该组包括的多个连续的像素点的亮度值1保持不变,对该二值化帧差图像的所有行进行上述处理后,得到第一行扫描处理后图像。
步骤205、通过对该二值化帧差图像进行逐列扫描,将该二值化帧差图像每列中数量大于该预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一列扫描处理后图像。
本步骤中,对该二值化帧差图像进行逐列扫描,统计每列中每一组亮度值为1的多个连续的像素点的数量Sum_b(j),j表示第j组,当Sum_b(j)大于预设数量阈值Num时,将该组包括的多个连续的像素点的亮度值1变更为0,当Sum_b(j)不大于预设数量阈值Num时,该组包括的多个连续的像素点的亮度值1保持不变,对该二值化帧差图像的所有列进行上述处理后,得到第一列扫描处理后图像。
步骤206、将该第一行扫描处理后图像与该第一列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第一与运算处理后图像。
其中,当该第一行扫描处理后图像与该第一列扫描处理后图像中相同位置的像素点的亮度值不同时,该逻辑与运算的结果为0,当该第一行扫描处理后图像与该第一列扫描处理后图像中相同位置的像素点的亮度值相同为0时,该逻辑与运算的结果为0,当该第一行扫描处理后图像与该第一列扫描处理后图像中相同位置的像素点的亮度值相同为1时,该逻辑与运算的结果为1。
步骤207、将待检测视频图像中与该第一与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为该待检测视频图像中的闪烁点。
步骤208、采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息。
本步骤中可以是针对每个闪烁点提取亮度特征信息,后续即可以针对每个闪烁点,通过将提取的亮度特征信息与分类特征信息进行匹配,确定是否为随机异常闪烁点。
本步骤中所采用的预设提取方式,在后续进行详细描述。
步骤209、将该亮度特征信息与分类特征信息进行匹配,得到匹配结果,该分类特征信息为预先基于采用该预设提取方式提取多个随机异常闪烁点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方法对多个随机异常闪烁点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闪烁点的亮度特征信息后,将该亮度特征信息与该分类特征信息进行对比,确定该闪烁点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闪烁点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210、确定该匹配结果是否满足预设匹配条件,如果满足,进入步骤211,如果不满足,进入步骤212。
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211,如果不匹配,进入步骤212。
步骤211、当该匹配结果满足预设匹配条件时,确定该待检测视频图像的闪烁点为随机异常闪烁点。
步骤212、当该匹配结果不满足预设匹配条件时,确定该待检测视频图像的闪烁点为非随机异常闪烁点。
实施例2:
图3为本发明实施例2中提供的一种随机异常闪烁点检测方法的流程图,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、利用背景帧差法,确定该待检测视频图像与其前一帧视频图像之间的帧差图像,具体可以如下:
将待检测视频图像中每一个像素点的亮度值与其前一帧视频图像中与该像素点位置相同的像素点的亮度值的差值,确定为该帧差图像中与该待检测视频图像的该像素点位置相同的像素点的亮度值,从而得到帧差图像。
在得到待检测视频图像与其前一帧视频图像之间的帧差图像之后,即可以基于该帧差图像,确定待检测视频图像中的闪烁点,具体可以采用现有技术中的各种方式,本发明实施例2中提出一种确定待检测视频图像闪烁点的确定方式,详见下述步骤303-步骤313:
步骤303、将该帧差图像进行二值化处理,得到二值化帧差图像。
步骤304、对该二值化帧差图像进行膨胀处理,得到膨胀图像。
其中,膨胀系数可以根据实际经验和需要进行灵活设置。
步骤305、通过对该膨胀图像进行逐行扫描,将该膨胀图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二行扫描处理后图像。
本步骤中,对该膨胀图像进行逐行扫描,统计每行中每一组亮度值为1的多个连续的像素点的数量Sum_c(k),k表示第k组,当Sum_c(k)大于预设数量阈值Num时,将该组包括的多个连续的像素点的亮度值1变更为0,当Sum_c(k)不大于预设数量阈值Num时,该组包括的多个连续的像素点的亮度值1保持不变,对该膨胀图像的所有行进行上述处理后,得到第二行扫描处理后图像。
步骤306、通过对该膨胀图像进行逐列扫描,将该膨胀图像每列中数量大于该预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二列扫描处理后图像。
本步骤中,对该膨胀图像进行逐列扫描,统计每列中每一组亮度值为1的多个连续的像素点的数量Sum_d(r),r表示第r组,当Sum_d(r)大于预设数量阈值Num时,将该组包括的多个连续的像素点的亮度值1变更为0,当Sum_d(r)不大于预设数量阈值Num时,该组包括的多个连续的像素点的亮度值1保持不变,对该膨胀图像的所有列进行上述处理后,得到第二列扫描处理后图像。
步骤307、将该第二行扫描处理后图像与该第二列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第二与运算处理后图像。
其中,当该第二行扫描处理后图像与该第二列扫描处理后图像中相同位置的像素点的亮度值不同时,该逻辑与运算的结果为0,当该第二行扫描处理后图像与该第二列扫描处理后图像中相同位置的像素点的亮度值相同为0时,该逻辑与运算的结果为0,当该第二行扫描处理后图像与该第二列扫描处理后图像中相同位置的像素点的亮度值相同为1时,该逻辑与运算的结果为1。
步骤308、将上述二值化帧差图像与第二与运算处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第三与运算处理后图像。
步骤309、将待检测视频图像中与该第三与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为该待检测视频图像中的闪烁点。
步骤310、采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息。
本步骤中可以是针对每个闪烁点提取亮度特征信息,后续即可以针对每个闪烁点,通过将提取的亮度特征信息与分类特征信息进行匹配,确定是否为随机异常闪烁点。
本步骤中所采用的预设提取方式,在后续进行详细描述。
步骤311、将该亮度特征信息与分类特征信息进行匹配,得到匹配结果,该分类特征信息为预先基于采用该预设提取方式提取多个随机异常闪烁点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方法对多个随机异常闪烁点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闪烁点的亮度特征信息后,将该亮度特征信息与该分类特征信息进行对比,确定该闪烁点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闪烁点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312、确定该匹配结果是否满足预设匹配条件,如果满足,进入步骤312,如果不满足,进入步骤313。
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312,如果不匹配,进入步骤313。
步骤313、当该匹配结果满足预设匹配条件时,确定该待检测视频图像的闪烁点为随机异常闪烁点。
步骤314、当该匹配结果不满足预设匹配条件时,确定该待检测视频图像的闪烁点为非随机异常闪烁点。
通过本发明实施例1和2提供的方法,由于分类特征信息是基于采用该预设提取方式提取多个随机异常闪烁点对应得到的多个亮度特征信息确定的,所以能够准确的表示随机异常闪烁点的亮度特征信息的特点,从而使得根据待检测视频图像的闪烁点的亮度特征信息与分类特征信息进行匹配得到的闪烁点是否为随机异常闪烁点的检测结果更准确,并且整个检测过程是自动检测,即相比现有技术提高了随机异常闪烁点检测的准确率和检测效率。
实施例3:
本发明实施例中,从待检测视频中获取待检测视频图像,并基于该待检测视频图像与其前一帧视频图像之间的帧差图像,确定该待检测视频图像中的闪烁点后,针对步骤103采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息,具体可以采用如下三种方式,本发明实施例3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4所示,具体包括如下处理步骤:
步骤401、确定该待检测视频图像的闪烁点的亮度值G(xi,yi),该闪烁点的四领域像素点的亮度平均值G4(xi,yi),以及该闪烁点的八邻域像素点的亮度平均值G8(xi,yi)。
其中,i是该待检测视频图像的第i个闪烁点,xi是该第i个闪烁点的x坐标值,yi是该第i个闪烁点的y坐标值,该闪烁点的四邻域像素点的亮度平均值G4(xi,yi)分别为与该闪烁点相邻的上、下、左、右位置的像素点的亮度平均值,该闪烁点的八邻域像素点的亮度平均值G8(xi,yi)分别为与该闪烁点相邻的上、下、左、右、左上、左下、右上、右下位置的像素点的亮度平均值。
步骤402、将该闪烁点的亮度值,该闪烁点的亮度值与该闪烁点的四邻域像素点的亮度平均值的比值,以及该闪烁点的亮度值与该闪烁点的八邻域像素点的亮度平均值的比值,确定为该闪烁点的亮度特征信息。
本步骤中,该闪烁点的亮度值为G(xi,yi),该闪烁点的亮度值与该闪烁点的四邻域像素点的亮度平均值的比值为G(xi,yi)/G4(xi,yi),该闪烁点的亮度值与该闪烁点的八邻域像素点的亮度平均值的比值为G(xi,yi)/G8(xi,yi),则该闪烁点的亮度特征信息为G(xi,yi),G(xi,yi)/G4(xi,yi),G(xi,yi)/G8(xi,yi)。
第二种方式,如图5所示,具体包括如下处理步骤:
步骤501、确定待检测视频图像与其前一帧视频图像之间的帧差图像中与该待检测视频图像的闪烁点位置相同的像素点的亮度值P(xi,yi)、该位置相同的像素点的四邻域像素点的亮度平均值P4(xi,yi)和该位置相同的像素点的八邻域像素点的亮度平均值P8(xi,yi)。
其中,i是该帧差图像中与该待检测视频图像的第i个闪烁点位置相同的第i个像素点,xi是该位置相同的第i个像素点的x坐标值,yi是该位置相同的第i个像素点的y坐标值,该位置相同的像素点的四邻域像素点的亮度平均值P4(xi,yi)分别为与该像素点相邻的上、下、左、右位置的像素点的亮度平均值,该位置相同的像素点的八邻域像素点的亮度平均值P8(xi,yi)分别为与该像素点相邻的上、下、左、右、左上、左下、右上、右下位置的像素点的亮度平均值。
步骤502、将该位置相同的像素点的亮度值,该位置相同的像素点的亮度值与该位置相同的像素点的四邻域像素点的亮度平均值的比值,以及该位置相同的像素点的亮度值与该位置相同的像素点的八邻域像素点的亮度平均值的比值,确定为该闪烁点在该帧差图像中的亮度特征信息。
本步骤中,该位置相同的像素点的亮度值为P(xi,yi),该位置相同的像素点的亮度值与该位置相同的像素点的四邻域像素点的亮度平均值的比值为P(xi,yi)/P4(xi,yi),该位置相同的像素点的亮度值与该位置相同的像素点的八邻域像素点的亮度平均值的比值为P(xi,yi)/P8(xi,yi),则该闪烁点在该帧差图像中的亮度特征信息为P(xi,yi),P(xi,yi)/P4(xi,yi),P(xi,yi)/P8(xi,yi)。
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G(xi,yi),G(xi,yi)/G4(xi,yi),G(xi,yi)/G8(xi,yi),P(xi,yi),P(xi,yi)/P4(xi,yi),P(xi,yi)/P8(xi,yi),均确定为该闪烁点的亮度特征信息。
实施例4:
基于同一发明构思,根据本发明上述实施例提供的随机异常闪烁点检测方法,相应地,本发明实施例4还提供了一种随机异常闪烁点检测装置,其结构示意图如图6所示,具体包括:
获取单元601,用于从待检测视频中获取待检测视频图像;
闪烁点确定单元602,用于基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点;
提取单元603,用于采用预设提取方式提取所述待检测视频图像的闪烁点的亮度特征信息;
匹配单元604,用于将所述亮度特征信息与分类特征信息进行匹配,得到匹配结果,所述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随机异常闪烁点对应得到的多个亮度特征信息确定的;
异常闪烁点确定单元605,用于根据所述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闪烁点是否为随机异常闪烁点。
进一步的,闪烁点确定单元602,具体用于对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;通过对所述二值化帧差图像进行逐行扫描,将所述二值化帧差图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一行扫描处理后图像;通过对所述二值化帧差图像进行逐列扫描,将所述二值化帧差图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一列扫描处理后图像;将所述第一行扫描处理后图像与所述第一列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第一与运算处理后图像;将所述待检测视频图像中与所述第一与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
进一步的,闪烁点确定单元602,具体用于对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;对所述二值化帧差图像进行膨胀处理,得到膨胀图像;通过对所述膨胀图像进行逐行扫描,将所述膨胀图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二行扫描处理后图像;通过对所述膨胀图像进行逐列扫描,将所述膨胀图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二列扫描处理后图像;将所述第二行扫描处理后图像与所述第二列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第二与运算处理后图像;将所述二值化帧差图像与所述第二与运算处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第三与运算处理后图像;将所述待检测视频图像中与所述第三与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
进一步的,提取单元603,具体用于确定所述待检测视频图像的闪烁点的亮度值、该闪烁点的四邻域像素点的亮度平均值和该闪烁点的八邻域像素点的亮度平均值;并将该闪烁点的亮度值,该闪烁点的亮度值与该闪烁点的四邻域像素点的亮度平均值的比值,以及该闪烁点的亮度值与该闪烁点的八邻域像素点的亮度平均值的比值,确定为该闪烁点的亮度特征信息;和/或
确定所述帧差图像中与所述待检测视频图像的闪烁点位置相同的像素点的亮度值、该位置相同的像素点的四邻域像素点的亮度平均值和该位置相同的像素点的八邻域像素点的亮度平均值;并将该位置相同的像素点的亮度值,该位置相同的像素点的亮度值与该位置相同的像素点的四邻域像素点的亮度平均值的比值,以及该位置相同的像素点的亮度值与该位置相同的像素点的八邻域像素点的亮度平均值的比值,确定为该闪烁点在所述帧差图像中的亮度特征信息。
上述各单元的功能可对应于图2-图4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,基于该待检测视频图像与其前一帧视频图像之间的帧差图像,确定该待检测视频图像中的闪烁点,并采用预设提取方式提取该待检测视频图像的闪烁点的亮度特征信息,将该亮度特征信息与分类特征信息进行匹配,得到匹配结果,该分类特征信息为预先基于采用该预设提取方式提取多个随机异常闪烁点对应得到的多个亮度特征信息确定的,所以根据该匹配结果是否满足预设匹配条件,能够确定该待检测视频图像的闪烁点是否为随机异常闪烁点。采用本发明实施例提供的方案,提高了随机异常闪烁点检测的准确率和检测效率。
本申请的实施例所提供的随机异常闪烁点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,只要随机异常闪烁点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 (6)

1.一种随机异常闪烁点检测方法,其特征在于,包括:
从待检测视频中获取待检测视频图像;
基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点;
采用预设提取方式提取所述待检测视频图像的闪烁点的亮度特征信息;
将所述亮度特征信息与分类特征信息进行匹配,得到匹配结果,所述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随机异常闪烁点对应得到的多个亮度特征信息确定的;
根据所述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闪烁点是否为随机异常闪烁点;
其中,采用预设提取方式提取所述待检测视频图像的闪烁点的亮度特征信息,具体包括:
确定所述待检测视频图像的闪烁点的亮度值、该闪烁点的四邻域像素点的亮度平均值和该闪烁点的八邻域像素点的亮度平均值;并将该闪烁点的亮度值,该闪烁点的亮度值与该闪烁点的四邻域像素点的亮度平均值的比值,以及该闪烁点的亮度值与该闪烁点的八邻域像素点的亮度平均值的比值,确定为该闪烁点的亮度特征信息;和/或
确定所述帧差图像中与所述待检测视频图像的闪烁点位置相同的像素点的亮度值、该位置相同的像素点的四邻域像素点的亮度平均值和该位置相同的像素点的八邻域像素点的亮度平均值;并将该位置相同的像素点的亮度值,该位置相同的像素点的亮度值与该位置相同的像素点的四邻域像素点的亮度平均值的比值,以及该位置相同的像素点的亮度值与该位置相同的像素点的八邻域像素点的亮度平均值的比值,确定为该闪烁点在所述帧差图像中的亮度特征信息。
2.如权利要求1所述的方法,其特征在于,基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点,具体包括:
对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;
通过对所述二值化帧差图像进行逐行扫描,将所述二值化帧差图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一行扫描处理后图像;
通过对所述二值化帧差图像进行逐列扫描,将所述二值化帧差图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一列扫描处理后图像;
将所述第一行扫描处理后图像与所述第一列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第一与运算处理后图像;
将所述待检测视频图像中与所述第一与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
3.如权利要求1所述的方法,其特征在于,基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点,具体包括:
对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;
对所述二值化帧差图像进行膨胀处理,得到膨胀图像;
通过对所述膨胀图像进行逐行扫描,将所述膨胀图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二行扫描处理后图像;
通过对所述膨胀图像进行逐列扫描,将所述膨胀图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二列扫描处理后图像;
将所述第二行扫描处理后图像与所述第二列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第二与运算处理后图像;
将所述二值化帧差图像与所述第二与运算处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第三与运算处理后图像;
将所述待检测视频图像中与所述第三与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
4.一种随机异常闪烁点检测装置,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;
闪烁点确定单元,用于基于所述待检测视频图像与其前一帧视频图像之间的帧差图像,确定所述待检测视频图像中的闪烁点;
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闪烁点的亮度特征信息;
匹配单元,用于将所述亮度特征信息与分类特征信息进行匹配,得到匹配结果,所述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随机异常闪烁点对应得到的多个亮度特征信息确定的;
异常闪烁点确定单元,用于根据所述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闪烁点是否为随机异常闪烁点;
其中,所述提取单元,具体用于确定所述待检测视频图像的闪烁点的亮度值、该闪烁点的四邻域像素点的亮度平均值和该闪烁点的八邻域像素点的亮度平均值;并将该闪烁点的亮度值,该闪烁点的亮度值与该闪烁点的四邻域像素点的亮度平均值的比值,以及该闪烁点的亮度值与该闪烁点的八邻域像素点的亮度平均值的比值,确定为该闪烁点的亮度特征信息;和/或
确定所述帧差图像中与所述待检测视频图像的闪烁点位置相同的像素点的亮度值、该位置相同的像素点的四邻域像素点的亮度平均值和该位置相同的像素点的八邻域像素点的亮度平均值;并将该位置相同的像素点的亮度值,该位置相同的像素点的亮度值与该位置相同的像素点的四邻域像素点的亮度平均值的比值,以及该位置相同的像素点的亮度值与该位置相同的像素点的八邻域像素点的亮度平均值的比值,确定为该闪烁点在所述帧差图像中的亮度特征信息。
5.如权利要求4所述的装置,其特征在于,所述闪烁点确定单元,具体用于对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;通过对所述二值化帧差图像进行逐行扫描,将所述二值化帧差图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一行扫描处理后图像;通过对所述二值化帧差图像进行逐列扫描,将所述二值化帧差图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第一列扫描处理后图像;将所述第一行扫描处理后图像与所述第一列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第一与运算处理后图像;将所述待检测视频图像中与所述第一与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
6.如权利要求4所述的装置,其特征在于,所述闪烁点确定单元,具体用于对所述待检测视频图像与其前一帧视频图像之间的帧差图像进行二值化处理,得到二值化帧差图像;对所述二值化帧差图像进行膨胀处理,得到膨胀图像;通过对所述膨胀图像进行逐行扫描,将所述膨胀图像每行中数量大于预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二行扫描处理后图像;通过对所述膨胀图像进行逐列扫描,将所述膨胀图像每列中数量大于所述预设数量阈值的亮度值为1的多个连续的像素点的亮度值变更为0,得到第二列扫描处理后图像;将所述第二行扫描处理后图像与所述第二列扫描处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第二与运算处理后图像;将所述二值化帧差图像与所述第二与运算处理后图像中相同位置的像素点的亮度值进行逻辑与运算,得到第三与运算处理后图像;将所述待检测视频图像中与所述第三与运算处理后图像中亮度值为1的像素点位置相同的像素点,确定为所述待检测视频图像中的闪烁点。
CN201310372844.4A 2013-08-23 2013-08-23 一种随机异常闪烁点检测方法及装置 Active CN104427210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310372844.4A CN104427210B (zh) 2013-08-23 2013-08-23 一种随机异常闪烁点检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310372844.4A CN104427210B (zh) 2013-08-23 2013-08-23 一种随机异常闪烁点检测方法及装置

Publications (2)

Publication Number Publication Date
CN104427210A CN104427210A (zh) 2015-03-18
CN104427210B true CN104427210B (zh) 2018-03-27

Family

ID=52975024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310372844.4A Active CN104427210B (zh) 2013-08-23 2013-08-23 一种随机异常闪烁点检测方法及装置

Country Status (1)

Country Link
CN (1) CN104427210B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106547396B (zh) * 2016-10-14 2018-09-14 南京仁光电子科技有限公司 一种提高光学触控系统抗瞬时强光干扰的方法
CN111510709B (zh) * 2020-04-24 2022-02-01 展讯通信(上海)有限公司 图像频闪检测方法及装置、存储介质、终端
CN114401396A (zh) * 2020-04-24 2022-04-26 展讯通信(上海)有限公司 图像频闪检测方法及装置、存储介质、终端
CN113569713A (zh) * 2021-07-23 2021-10-29 浙江大华技术股份有限公司 视频图像的条纹检测方法及装置、计算机可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8023160B2 (en) * 2008-09-10 2011-09-20 Xerox Corporation Encoding message data in a cover contone image via halftone dot orientation
CN102236947B (zh) * 2010-04-29 2012-08-29 中国建筑科学研究院 基于视频摄像机的火焰监测方法与系统
CN102819735B (zh) * 2012-08-17 2015-07-15 深圳辉锐天眼科技有限公司 基于视频帧图像的火焰检测方法

Also Published As

Publication number Publication date
CN104427210A (zh) 2015-03-18

Similar Documents

Publication Publication Date Title
CN106780612B (zh) 一种图像中的物体检测方法及装置
US10860879B2 (en) Deep convolutional neural networks for crack detection from image data
CN104268591B (zh) 一种面部关键点检测方法及装置
CN104424632B (zh) 一种视频对比度异常检测方法及装置
CN104077594B (zh) 一种图像识别方法和装置
CN104486618B (zh) 视频图像的噪声检测方法及装置
CN104427210B (zh) 一种随机异常闪烁点检测方法及装置
CN104268505A (zh) 基于机器视觉的布匹疵点自动检测识别装置及方法
US12002195B2 (en) Computer vision-based anomaly detection method, device and electronic apparatus
CN107705288A (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
CN109344717A (zh) 一种多阈值动态统计的深海目标在线检测识别方法
US20180063449A1 (en) Method for processing an asynchronous signal
CN110287907A (zh) 一种对象检测方法和装置
CN101655913A (zh) 分形维数的计算机生成图像被动检测方法
CN111062331B (zh) 图像的马赛克检测方法、装置、电子设备及存储介质
CN105426812B (zh) 一种表情识别方法和装置
CN109190617A (zh) 一种图像的矩形检测方法、装置及存储介质
CN111161233A (zh) 一种用于冲孔皮革缺陷检测方法及系统
CN112989958A (zh) 基于YOLOv4与显著性检测的安全帽佩戴识别方法
CN116385758A (zh) 基于YOLOv5网络对传送带表面损伤的检测方法
CN104282013B (zh) 一种用于前景目标检测的图像处理方法及装置
CN104346793B (zh) 一种视频闪烁检测方法及装置
CN108229281A (zh) 神经网络的生成方法和人脸检测方法、装置及电子设备
CN110349133B (zh) 物体表面缺陷检测方法、装置
CN115797970B (zh) 基于YOLOv5模型的密集行人目标检测方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant