CN104539936A - 一种监测监控视频出现雪花噪声的系统和方法 - Google Patents

Abstract

本发明公开了一种监测监控视频出现雪花噪声的系统和方法，该方法包括S1、视频数据获取：获取待检测的视频流数据；S2、视频异常检测：依次对视频流数据中的每一帧视频图像进行分析，判定是否异常；S3、雪花噪声检测：当S2中检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰。本发明提供了高效快速的检测方法，对于数据量较大的视频信号，能够实现快速实时的检测；同时，还设计了功能完备的检测系统，从视频采集、视频图像检测到向用户提供检测结果与数据报表，均实现了自动化与智能化，大大提高了检测效率，解决了视频质量主观评价常常出现漏检错检的问题，同时降低了检测成本。

Description

一种监测监控视频出现雪花噪声的系统和方法

技术领域

本发明涉及视频处理领域，更具体地说，是涉及一种监测监控视频出现雪花噪声的系统和方法。

背景技术

近年来，随着通信技术、光电器件制备技术的发展，视频监控越来越普遍，监控摄像头随处可见。视频监控正逐渐融入到人们的日常生活当中，为人们的生命及财产提供安全保障。在机关单位、交通要道、银行等场所，都要求监控系统能保持良好的运行状态，并且能够保证监控画面的清晰度。但是，随着监控系统规模的不断扩大，需要的摄像头数量也不断增加，系统和设备故障在所难免。

随着监控摄像机数量的不断增加，如何及时了解前端视频设备的运行情况，以及保障视频监控系统正常运行已成为迫切问题。在视频采集、视频压缩、信道编码、传输误差和视频解码等常规的视频信息处理过程中，都可能会产生一些失真，引起图像质量的损伤，视频图像会出现信号缺失、模糊、噪点、雪花、条纹、视频偏色、视频抖动等常见异常。由于图像质量的优劣对于提高服务质量具有重要意义，因此如何以人类的视觉感知来评价视频质量是一个逐渐引起广泛关注的问题。最有效的方式就是通过人类的主观感知，直接来检测视频质量。但随着监控规模的逐渐扩大，采用人工巡检的方式工作量变得很大，而且效率低。所以，实现视频质量的自动化检测，是一个很有现实意义的研究方向。

由于图像在采集、传输之后可能会导致失真现象，在监视器屏上图像中夹杂着的“斑点”像雪花一样漂移着的“白花”等，这些颗粒“斑点”、“雪花”就是噪声。图像的“雪花屏”较为常见，这会导致图像显示不清晰，使用者操作不便，也会加大错误处理的概率。设备故障和信号干扰常常会导致监控画面 出现雪花干扰的异常状态，大量的雪花点会遮挡视频画面，严重影响视频监控效果，一旦出现问题，就有可能因此造成损失。当监控规模不大时，采用人工检查与适时巡检的方法对监控设备进行检测比较可行，但对于大规模的监控系统，单纯依靠人工来对摄像头进行逐个检测不仅工作量大、耗时，还不利于降低成本。目前的视频监控系统主要依靠监控人员进行人工监控，由于监控系统汇集了大量的视频，存在人员易疲劳、很难实时监控每路视频、报警精确度差、误报和漏报现象多报警响应时间长、录像数据分析困难等弊端。希望视频监控系统能像眼睛一样时刻保持警戒，但目前的视频监控系统很难做到这一点，即便是有人盯着屏幕，也很难保证这一点，权威的数据显示，人的注意力仅能坚持20分钟，20分钟以后90％以上的信息会丢失。因此，通过计算机协助工作人员对系统进行雪花检测变得十分必要。

发明内容

本发明的目的在于克服现有技术中的上述缺陷，提供一种监测监控视频出现雪花噪声的系统和方法，用于对视频图像进行检测，判断是否有雪花噪声。

为实现上述目的，本发明提供的技术方案如下：

一种监测监控视频出现雪花噪声的方法，包括：

S1、视频数据获取：获取待检测的视频流数据；

S2、视频异常检测：依次对视频流数据中的每一帧视频图像进行分析，判定是否异常；

S3、雪花噪声检测：当S2中检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰；

其中，所述S2具体包括：

S201、从视频流数据中读取待分析的视频图像帧作为目标帧，并读取目标帧的前一帧图像作为参考帧；

S202、在目标帧和参考帧的视频图像上，随机选取一组或多组图像子块，每一组图像子块包括目标帧上的一个图像子块和参考帧上的一个图像子块，两图像子块的位置、形状、大小相同；

S203、计算每一组图像子块中的两个图像子块之间的均方差；

S204、若存在一组图像子块的均方差大于一预设的阈值，则判定所述目标帧异常，进入步骤S3；若每一组图像子块的均方差均不大于所述阈值，则判定所述目标帧正常；

S205、按照视频流数据的播放顺序，选取下一帧视频图像作为目标帧，执行步骤S201至S204所述的分析和判定。

所述S3具体包括：

S301、计算S204中判定为异常的目标帧的信噪比值：

$\mathrm{SNR}=20\lg \left(\frac{\mathrm{psignal}}{\mathrm{pnoise}}\right);$

其中，SNR为信噪比值，psignal为参考帧图像信号的平方和，pnoise为目标帧图像信号的噪声方差；

S302、根据信噪比值判断该帧视频图像是否存在雪花噪声干扰：当信噪比值不大于50时，判定视频图像存在雪花噪声干扰；当信噪比值大于50时，判定视频图像没有雪花噪声干扰。

所述步骤S1还包括对获取的视频流进行解码、缓冲和解析。

还包括：

S4、监测结果处理：对S1至S3中的监测结果进行存储，若有存在雪花噪声干扰的视频图像，则输出报警信息。

在S202中，所述图像子块为矩形；

在S203中，一组图像子块中的两个图像子块之间的均方差为：

$\mathrm{Mse}=\frac{\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{(I(i,j)-K(i,j))}^2}{m\×n};$

其中，Mse为均方差，m、n分别为图像子块的长度和宽度，I(i,j)为参考帧的图像子块中坐标为(i,j)的像素点的信号值，K(i,j)为目标帧图像子块中坐标为(i,j)的像素点的信号值。

一种监测监控视频出现雪花噪声的系统，包括：

视频数据获取模块，用于获取一个或多个监控设备的视频流数据；

异常检测模块，用于对各监控设备的视频流数据进行逐帧分析，判定是否异常；

雪花检测模块，用于在异常检测模块检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰；

其中，所述异常检测模块判定视频流数据是否异常的方法包括：

S201、从视频流数据中读取待分析的视频图像帧作为目标帧，并读取目标帧的前一帧图像作为参考帧；

S202、在目标帧和参考帧的视频图像上，随机选取一组或多组图像子块，每一组图像子块包括目标帧上的一个图像子块和参考帧上的一个图像子块，两图像子块的位置、形状、大小相同；

S203、计算每一组图像子块中的两个图像子块之间的均方差；

S204、若存在一组图像子块的均方差大于一预设的阈值，则判定所述目标帧异常，进入步骤S3；若每一组图像子块的均方差均不大于所述阈值，则判定所述目标帧正常；

S205、按照视频流数据的播放顺序，选取下一帧视频图像作为目标帧，执行步骤S201至S204所述的分析和判定。

所述雪花检测模块判断视频图像中是否存在雪花噪声干扰的方法为：

S301、计算S204中判定为异常的目标帧的信噪比值：

$\mathrm{SNR}=20\lg \left(\frac{\mathrm{psignal}}{\mathrm{pnoise}}\right);$

其中，SNR为信噪比值，psignal为参考帧图像信号的平方和，pnoise为目标帧图像信号的噪声方差；

S302、根据信噪比值判断该帧视频图像是否存在雪花噪声干扰：当信噪比值不大于50时，判定视频图像存在雪花噪声干扰；当信噪比值大于50时，判定视频图像没有雪花噪声干扰。

所述视频数据获取模块包括：

视频缓冲单元，用于对接收的视频流进行解码并存储到缓冲区；

视频解析单元，用于对缓冲区的视频图像进行解析处理将其转换成系统进行视频检测时所需要的图像。

所述系统还包括检测结果存储及报警模块，用于在雪花检测模块检测到视频图像存在雪花噪声干扰后，记录传送该异常视频流的监控设备的编号，并发出报警信息。

所述检测结果存储及报警模块还用于将异常检测模块和雪花检测模块进行检测计算过程中产生的各项参数打印成数据报表。

本发明提供的一种监测监控视频出现雪花噪声的系统和方法，先对视频图像进行一般性检测，判断视频图像是否发生异常，再判断视频图像中是否存在雪花噪声干扰，两步检测提高了视频诊断的准确性。本发明提供了高效快速的检测方法，对于数据量较大的视频信号，能够实现快速实时的检测；同时，还设计了功能完备的检测系统，从视频采集、视频图像检测到向用户提供检测结果与数据报表，均实现了自动化与智能化，大大提高了检测效率，解决了视频质量主观评价常常出现漏检错检的问题，同时降低了检测成本；本发明的模块设计简洁，算法高效快速，易于软硬件实现，有很好的应用前景。

附图说明

图1是本发明提供的一种监测监控视频出现雪花噪声的方法的流程图；

图2是图1中所示步骤S2的具体流程图；

图3是图2中所示步骤S202的图像子块选取方法示意图；

图4是本发明提供的一种监测监控视频出现雪花噪声的系统的工作流程图。

具体实施方式

下面结合将附图和具体的实施例对本发明的技术方案进行详细说明。

实施例一

如图1所示，本发明提供的一种监测监控视频出现雪花噪声的方法包括以下步骤：

S1、视频数据获取：获取待检测的视频流数据；

S2、视频异常检测：依次对视频流数据中的每一帧视频图像进行分析，判定是否异常；

S3、雪花噪声检测：当S2中检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰；

S4、监测结果处理：对S1至S3中的监测结果进行存储，若有存在雪花噪声干扰的视频图像，则输出报警信息。

在S1中，接收到视频流数据后，首先对其进行解码；为保证视频异常检测和雪花噪声检测的流畅性，还可以在解码后将其存储到缓冲区中，在缓冲区中对视频图像进行解析处理，转换成视频异常检测时所需要的图像。

如图2所示，所述S2具体包括：

S201、从视频流数据中读取待分析的视频图像帧作为目标帧，并读取目标帧的前一帧图像作为参考帧。

S202、在目标帧和参考帧的视频图像上，随机选取一组或多组图像子块，每一组图像子块包括目标帧上的一个图像子块和参考帧上的一个图像子块，两 图像子块的位置、形状、大小相同。如图3所示，在本发明实施例中，选取的图像子块为矩形，具体选取方法为：在视频图像上随机选取两个像素点(x1,y1)和(x2,y2)，分别在目标帧和参考帧上沿x轴和y轴方向做延伸线，构成矩形的图像子块，形成一组图像子块；重复上述步骤重复选取多组图像子块。

S203、计算每一组图像子块中的两个图像子块之间的均方差。在本发明实施例中，一组图像子块中的两个图像子块之间的均方差为：

$\mathrm{Mse}=\frac{\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{(I(i,j)-K(i,j))}^2}{m\×n};$

其中，Mse为均方差，m、n分别为图像子块的长度和宽度，I(i,j)为参考帧的图像子块中坐标为(i,j)的像素点的信号值，K(i,j)为目标帧图像子块中坐标为(i,j)的像素点的信号值。

S204、将每一组图像子块的均方差与预先设定一阈值T进行比较，若存在某一组图像子块的均方差大于阈值T，则判定所述目标帧异常，进入步骤S3；若每一组图像子块的均方差均不大于所述阈值T，则判定所述目标帧正常。

S205、按照视频流数据的播放顺序，选取下一帧视频图像作为目标帧，执行步骤S201至S204所述的分析和判定。

S2中采用的对图像进行分块检测的方法，避免了对图像的所有像素进行运算，而随机分块的方法又不失一般性，多次分块的检测方法相比于全局检测的方法效率更高，能更好的对视频图像实现实时检测。

在S3中，通过图像的信噪比值的大小来判断图像受雪花干扰的程度，信噪比值越小雪花噪声干扰程度越高。具体地，所述S3具体包括：

S301、计算S204中判定为异常的目标帧的信噪比值：

$\left\{\begin{array}{c}\mathrm{psignal}=\stackrel{\mathrm{imagesize}}{\mathrm{\Σ}}{\left(f(x,y)\right)}^2\\ \mathrm{pnoise}=\stackrel{\mathrm{imagesize}}{\mathrm{\Σ}}{(f_{\mathrm{noise}}(x,y)-f(x,y))}^2\\ \mathrm{SNR}=20\lg \left(\frac{\mathrm{psignal}}{\mathrm{pnoise}}\right)\end{array}\right.;$

其中，SNR为信噪比值，psignal为参考帧图像信号的平方和，pnoise为目标帧图像信号的噪声方差，imagesize为图像的大小，f(x,y)为参考帧中坐标为(x,y)的像素点的信号值，fnoise(x,y)为目标帧中坐标为(x,y)的像素点的信号值。

S302、根据信噪比值判断该帧视频图像是否存在雪花噪声干扰。经实验证明，若SNR＞50则可判定视频图像质量优良，没有雪花噪声干扰；若SNR≤50则可判定视频图像质量较差，受到了雪花噪声的干扰且噪声强度较大。

实施例二

如图4所示，本发明实施例提供了一种监测监控视频出现雪花噪声的系统，其包括：

视频数据获取模块，用于获取一个或多个监控设备的视频流数据；

异常检测模块，用于对各监控设备的视频流数据进行逐帧分析，判定是否异常；

雪花检测模块，用于在异常检测模块检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰；

检测结果存储及报警模块，用于实现与视频检测人员之间的交互和警告作用。具体地，在雪花检测模块检测到视频图像存在雪花噪声干扰后，记录传送该异常视频流的监控设备的编号，并发出报警信息；还用于将异常检测模块和雪花检测模块进行检测计算过程中产生的各项参数打印成数据报表。

进一步地，所述视频数据获取模块包括：

视频缓冲单元，用于对接收的视频流进行解码并存储到缓冲区；

视频解析单元，用于对缓冲区的视频图像进行解析处理将其转换成系统进行视频检测时所需要的图像。

本发明实施例提供的一种监测监控视频出现雪花噪声的系统所采用的监测方法已经在实施例一中详细说明，在此不再赘述。

需要注意的是，本发明中所述的视频图像，不仅仅局限于监控摄像头等监控设备生成的监控视频；在使用网络视频摄像头进行的视频通话、视频会议过程中也常常会遇到雪花噪声，利用本发明实施例提供的方法，也同样可以在客户端对本地接收到的视频流数据进行雪花噪声检测。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种监测监控视频出现雪花噪声的方法，其特征在于，包括：

S1、视频数据获取：获取待检测的视频流数据；

S2、视频异常检测：依次对视频流数据中的每一帧视频图像进行分析，判定是否异常；

S3、雪花噪声检测：当S2中检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰；

其中，所述S2具体包括：

S201、从视频流数据中读取待分析的视频图像帧作为目标帧，并读取目标帧的前一帧图像作为参考帧；

S202、在目标帧和参考帧的视频图像上，随机选取一组或多组图像子块，每一组图像子块包括目标帧上的一个图像子块和参考帧上的一个图像子块，两图像子块的位置、形状、大小相同；

S203、计算每一组图像子块中的两个图像子块之间的均方差；

S204、若存在一组图像子块的均方差大于一预设的阈值，则判定所述目标帧异常，进入步骤S3；若每一组图像子块的均方差均不大于所述阈值，则判定所述目标帧正常；

S205、按照视频流数据的播放顺序，选取下一帧视频图像作为目标帧，执行步骤S201至S204所述的分析和判定。

2.根据权利要求1所述的监测监控视频出现雪花噪声的方法，其特征在于，所述S3具体包括：

S301、计算S204中判定为异常的目标帧的信噪比值：

$\mathrm{SNR}=20\lg \left(\frac{\mathrm{psignal}}{\mathrm{pnoise}}\right);$

其中，SNR为信噪比值，psignal为参考帧图像信号的平方和，pnoise为目标帧图像信号的噪声方差；

S302、根据信噪比值判断该帧视频图像是否存在雪花噪声干扰：当信噪比值不大于50时，判定视频图像存在雪花噪声干扰；当信噪比值大于50时，判定视频图像没有雪花噪声干扰。

3.根据权利要求1所述的监测监控视频出现雪花噪声的方法，其特征在于，所述步骤S1还包括对获取的视频流进行解码、缓冲和解析。

4.根据权利要求1所述的监测监控视频出现雪花噪声的方法，其特征在于，还包括：

S4、监测结果处理：对S1至S3中的监测结果进行存储，若有存在雪花噪声干扰的视频图像，则输出报警信息。

5.根据权利要求1所述的监测监控视频出现雪花噪声的方法，其特征在于，在S202中，所述图像子块为矩形；

在S203中，一组图像子块中的两个图像子块之间的均方差为：

$\mathrm{Mse}=\frac{\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{(I(i,j)-K(i,j))}^2}{m\×n};$

其中，Mse为均方差，m、n分别为图像子块的长度和宽度，I(i,j)为参考帧的图像子块中坐标为(i,j)的像素点的信号值，K(i,j)为目标帧图像子块中坐标为(i,j)的像素点的信号值。

6.一种监测监控视频出现雪花噪声的系统，其特征在于，包括：

视频数据获取模块，用于获取一个或多个监控设备的视频流数据；

异常检测模块，用于对各监控设备的视频流数据进行逐帧分析，判定是否异常；

雪花检测模块，用于在异常检测模块检测到异常的帧时，计算该帧视频图像的信噪比值，并根据信噪比值判断该帧视频图像是否存在雪花噪声干扰；

其中，所述异常检测模块判定视频流数据是否异常的方法包括：

S201、从视频流数据中读取待分析的视频图像帧作为目标帧，并读取目标帧的前一帧图像作为参考帧；

S202、在目标帧和参考帧的视频图像上，随机选取一组或多组图像子块，每一组图像子块包括目标帧上的一个图像子块和参考帧上的一个图像子块，两图像子块的位置、形状、大小相同；

S203、计算每一组图像子块中的两个图像子块之间的均方差；

S204、若存在一组图像子块的均方差大于一预设的阈值，则判定所述目标帧异常，进入步骤S3；若每一组图像子块的均方差均不大于所述阈值，则判定所述目标帧正常；

S205、按照视频流数据的播放顺序，选取下一帧视频图像作为目标帧，执行步骤S201至S204所述的分析和判定。

7.根据权利要求6所述的系统，其特征在于，所述雪花检测模块判断视频图像中是否存在雪花噪声干扰的方法为：

S301、计算S204中判定为异常的目标帧的信噪比值：

$\mathrm{SNR}=20\lg \left(\frac{\mathrm{psignal}}{\mathrm{pnoise}}\right);$

其中，SNR为信噪比值，psignal为参考帧图像信号的平方和，pnoise为目标帧图像信号的噪声方差；

S302、根据信噪比值判断该帧视频图像是否存在雪花噪声干扰：当信噪比值不大于50时，判定视频图像存在雪花噪声干扰；当信噪比值大于50时，判定视频图像没有雪花噪声干扰。

8.根据权利要求6所述的系统，其特征在于，所述视频数据获取模块包括：

视频缓冲单元，用于对接收的视频流进行解码并存储到缓冲区；

视频解析单元，用于对缓冲区的视频图像进行解析处理将其转换成系统进行视频检测时所需要的图像。

9.根据权利要求6所述的系统，其特征在于，所述系统还包括检测结果存储及报警模块，用于在雪花检测模块检测到视频图像存在雪花噪声干扰后，记录传送该异常视频流的监控设备的编号，并发出报警信息。

10.根据权利要求9所述的系统，其特征在于，所述检测结果存储及报警模块还用于将异常检测模块和雪花检测模块进行检测计算过程中产生的各项参数打印成数据报表。