CN105791813A - 视频滚动干扰条纹检测实现方法及装置 - Google Patents

Abstract

本发明公开了一种视频滚动干扰条纹检测实现方法及装置。所述方法包括：计算得到n帧输入视频图像每个Y、U、V分量的分量方差值；依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图；对所述方差权重图进行二值化处理，得到二值化图像；提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。本发明能实现对任意方向的滚动干扰条纹进行有效的检测，并可对多路视频图像进行实时检测，准确率高，保证了视频质量诊断系统的可靠性及可信度。

Description

视频滚动干扰条纹检测实现方法及装置

技术领域

本发明涉及视频监控技术领域，具体而言涉及，尤其涉及一种用于视频质量诊断的视频滚动干扰条纹检测实现方法及装置。

背景技术

在视频监控系统中，通常由于采集设备故障、视频传输线异常、视频数据传输异常等因素的影响，容易引起视频图像出现滚动条纹现象，其严重影响了监控画面的视觉效果以及后续的图像分析。

目前，针对视频图像滚动干扰条纹检测方法主要有：基于直线检测的干扰条纹检测方法、基于图像边缘的干扰条纹检测方法、基于方向算子的干扰条纹检测方法、水平搜索规则检测方法、以及基于偏转角度的搜索方法等。

然而，以上方法大多数仅仅用于检测水平或垂直方向的条纹，或需要预先设定干扰条纹的方向，而不能对任意方向的滚动干扰条纹进行有效的检测。

发明内容

为了解决能对任意方向的滚动干扰条纹进行有效的检测，本发明实施例的目的在于提供一种视频滚动干扰条纹检测实现方法及装置。

为了达到本发明实施例的目的，本发明实施例采用以下技术方案实现：

一种视频滚动干扰条纹检测实现方法，包括：

计算得到n帧输入视频图像每个Y、U、V分量的分量方差值；

依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图；

对所述方差权重图进行二值化处理，得到二值化图像；

提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。

优选地，采用如下数学式计算得到n帧输入视频图像每个Y、U、V分量的分量方差值：

${\mathrm{var}}_Y(x,y)={\mathrm{\Σ}}_{i=1}^n\frac{{(Y_i(x,y)-\mathrm{aveY})}^2}{n};$

$v{\mathrm{ar}}_U(x,y)={\mathrm{\Σ}}_{i=1}^n\frac{{(U_i(x,y)-\mathrm{aveU})}^2}{n};$

${\mathrm{var}}_V(x,y)={\mathrm{\Σ}}_{i=1}^n\frac{{(V_i(x,y)-\mathrm{aveV})}^2}{n};$

其中，var_Y(x,y)、var_U(x,y)、var_V(x,y)分别表示n帧输入视频图像Y、U、V分量的分量方差值；Y_i(x,y)、U_i(x,y)、V_i(x,y)分别表示第i帧输入视频图像第(x,y)处像素的Y、U、V分量的分量值；aveY、aveU、aveV分别表示n帧输入视频图像中第(x,y)处像素的Y、U、V的平均分量值。

优选地，采用如下数学式、并依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值：

vars(x,y)＝a*var_Y(x,y)+b*var_U(x,y)+c*var_V(x,y)；

其中，vars(x,y)表示权重方差值；a、b、c分别为预先设置的权重值。

优选地，采用如下数学式对所述方差权重图进行二值化处理，得到二值化图像I_bin:

$b(x,y)=\left\{\begin{array}{cc}0& \mathrm{vars}(x,y)<\mathrm{th}\\ 1& \mathrm{vars}(x,y)>\mathrm{th}\end{array}\right.;$

其中，b(x,y)表示二值化图像I_bin第(x,y)处像素的值；th表示预先设置的二值化阈值。

优选地，对二值化图像I_bin采用八连通域提取方法提取所述二值化图像的连通域。

优选地，采用如下数学式计算每个连通域的圆形度：

$C=\frac{p^2}{s};$

其中，p表示连通域的周长，s表示连通域的面积，C表示连通域的圆形度；

以及，采用以下判别式、并依据所述每个连通域的圆形度判断所述连通域是否为干扰条纹条形区域：

$\mathrm{Flag}=\left\{\begin{array}{cc}0& s<\mathrm{Tsor}<\mathrm{Tc}\\ 1& \mathrm{others}\end{array}\right.;$

其中，Flag表示该连通域区域是否为干扰条纹条形区域，Ts表示面积过滤阈值，Tc表示圆形度过滤阈值。

优选地，所述视频滚动干扰条纹检测实现方法还包括：

得到干扰条纹条形区域图像；

将倾斜角度0～180度平均归一化为m个倾斜角度等级，分别计算干扰条纹条形区域图像每个干扰条纹条形区域的倾斜角度，并统计这m个倾斜角度等级内倾斜角度出现频率最高的倾斜角度等级，计算该频率最高倾斜角度等级内的干扰条纹条形区域的个数及区域面积大小，并据此计算得到最终的滚动干扰条纹强度。

优选地，采用如下数学式计算得到最终的滚动干扰条纹强度：

$\mathrm{st}=a0*\mathrm{sum}+a1*{\mathrm{\&Sigma;}}_{i=1}^n{s}_i;$

其中，a0表示预设的区域个数比值系数，sum表示频率最高倾斜角度等级内的干扰条纹条形区域的个数，a1表示预设的面积比值系数，表示频率最高倾斜角度等级内的干扰条纹条形区域的区域面积大小。

优选地，所述视频滚动干扰条纹检测实现方法还包括：

依据所述滚动干扰条纹强度判断是否生成告警，当所述滚动干扰条纹强度大于预设的告警阈值时，则生成告警。

一种视频滚动干扰条纹检测实现装置，包括：

第一计算模块，用于计算得到n帧输入视频图像每个Y、U、V分量的分量方差值；

第二计算模块，用于依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图；

二值化模块，用于对所述方差权重图进行二值化处理，得到二值化图像；

判别模块，用于提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。

优选地，所述视频滚动干扰条纹检测实现装置还包括：

获取模块，用于得到干扰条纹条形区域图像；

第三计算模块，用于将倾斜角度0～180度平均归一化为m个倾斜角度等级，分别计算干扰条纹条形区域图像每个干扰条纹条形区域的倾斜角度，并统计这m个倾斜角度等级内倾斜角度出现频率最高的倾斜角度等级，计算该频率最高倾斜角度等级内的干扰条纹条形区域的个数及区域面积大小，并据此计算得到最终的滚动干扰条纹强度。

优选地，所述视频滚动干扰条纹检测实现装置还包括：

告警模块，用于依据所述滚动干扰条纹强度判断是否生成告警，当所述滚动干扰条纹强度大于预设的告警阈值时，则生成告警。

本发明通过对视频滚动干扰条纹视频图像进行分析，实现对视频滚动干扰条纹的自动检测，从而达到视频滚动干扰条纹异常自动报警功能，与其他方式相比，本发明能实现对任意方向的滚动干扰条纹进行有效的检测，并可对多路视频图像进行实时检测，准确率高，保证了视频质量诊断系统的可靠性及可信度。

附图说明

图1为本实施例提供的一种视频滚动干扰条纹检测实现方法流程示意图；

图2为另一实施例提供的一种视频滚动干扰条纹检测实现方法流程示意图；

图3为另一实施例提供的一种视频滚动干扰条纹检测实现方法流程示意图；

图4为本实施例提供的一种视频滚动干扰条纹检测实现装置结构示意图；

图5为另一实施例提供的一种视频滚动干扰条纹检测实现装置结构示意图；

图6为另一实施例提供的一种视频滚动干扰条纹检测实现装置结构示意图。

本发明目的的实现、功能特点及优异效果，下面将结合具体实施例以及附图做进一步的说明。

具体实施方式

下面结合附图和具体实施例对本发明所述技术方案作进一步的详细描述，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。

参考图1所示，本实施例提供了一种视频滚动干扰条纹检测实现方法，包括如下步骤：

S10、计算得到n帧输入视频图像每个Y、U、V分量的分量方差值。

S20、依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图。

S30、对所述方差权重图进行二值化处理，得到二值化图像。

S40、提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。

本实施例中，在所述步骤S10中，采用如下数学式(1)、(2)、(3)计算得到n帧输入视频图像每个Y、U、V分量的分量方差值：

${\mathrm{var}}_Y(x,y)={\mathrm{\&Sigma;}}_{i=1}^n\frac{{(Y_i(x,y)-\mathrm{aveY})}^2}{n}---\left(1\right);$

$v{\mathrm{ar}}_U(x,y)={\mathrm{\&Sigma;}}_{i=1}^n\frac{{(U_i(x,y)-\mathrm{aveU})}^2}{n}---\left(2\right);$

${\mathrm{var}}_V(x,y)={\mathrm{\&Sigma;}}_{i=1}^n\frac{{(V_i(x,y)-\mathrm{aveV})}^2}{n}---\left(3\right);$

其中，var_Y(x,y)、var_U(x,y)、var_V(x,y)分别表示n帧输入视频图像Y、U、V分量的分量方差值；Y_i(x,y)、U_i(x,y)、V_i(x,y)分别表示第i帧输入视频图像第(x,y)处像素的Y、U、V分量的分量值；aveY、aveU、aveV分别表示n帧输入视频图像中第(x,y)处像素的Y、U、V的平均分量值。

在所述步骤S20中，采用如下数学式(4)、并依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值：

vars(x,y)＝a*var_Y(x,y)+b*var_U(x,y)+c*var_V(x,y)(4)；

其中，vars(x,y)表示权重方差值；a、b、c分别为预先设置的权重值。

在所述步骤S30中，采用如下数学式(5)对所述方差权重图进行二值化处理，得到二值化图像I_bin:

$b(x,y)=\left\{\begin{array}{cc}0& \mathrm{vars}(x,y)<\mathrm{th}\\ 1& \mathrm{vars}(x,y)>\mathrm{th}\end{array}\right.---\left(5\right);$

其中，b(x,y)表示二值化图像I_bin第(x,y)处像素的值；th表示预先设置的二值化阈值。

优选地，对二值化图像I_bin采用八连通域提取方法提取所述二值化图像的连通域。

八连通域提取方法是从区域中的一点出发，通过标记该点的上、下、左、右、左上、右上、左下、右下这8个方向的移动组合，将同一区域的像素进行标记。

在所述步骤S40中，采用如下数学式(6)计算每个连通域的圆形度：

$C=\frac{p^2}{s}---\left(6\right);$

其中，p表示连通域的周长，s表示连通域的面积，C表示连通域的圆形度；

以及，采用以下判别式(7)、并依据所述每个连通域的圆形度判断所述连通域是否为干扰条纹条形区域：

$\mathrm{Flag}=\left\{\begin{array}{cc}0& s<\mathrm{Tsor}<\mathrm{Tc}\\ 1& \mathrm{others}\end{array}\right.---\left(7\right);$

其中，Flag表示该连通域区域是否为干扰条纹条形区域，Ts表示面积过滤阈值，Tc表示圆形度过滤阈值。

较优实施例中，参考图2所示，所述视频滚动干扰条纹检测实现方法还包括：

S50、得到干扰条纹条形区域图像。

S60、将倾斜角度0～180度平均归一化为m(例如，3<m<180)个倾斜角度等级，分别计算干扰条纹条形区域图像每个干扰条纹条形区域的倾斜角度，并统计这m个倾斜角度等级内倾斜角度出现频率最高的倾斜角度等级，计算该频率最高倾斜角度等级内的干扰条纹条形区域的个数及区域面积大小，并据此计算得到最终的滚动干扰条纹强度。

对于所述步骤S50，对于每个连通域的圆形度C，这个特征对于圆形形状取最小值。物体形状越细长，则其取值越大，在滚动条纹图像连通区域中，滚动条纹的区域呈现的是细长的形状，因此可以利用该特征排除非滚动条纹区域，因此可以通过图像区域面积过滤以及圆形度过滤的方法去除非滚动条纹区域(其过滤方法请参考上文所述)，从而保留滚动条纹区域，得到干扰条纹条形区域图像。

本实施例中，在所述步骤S60中，采用如下数学式(8)计算得到最终的滚动干扰条纹强度：

$\mathrm{st}=a0*\mathrm{sum}+a1*{\mathrm{\&Sigma;}}_{i=1}^n{s}_i---\left(8\right);$

其中，a0表示预设的区域个数比值系数，sum表示频率最高倾斜角度等级内的干扰条纹条形区域的个数，a1表示预设的面积比值系数，表示频率最高倾斜角度等级内的干扰条纹条形区域的区域面积大小。

较优实施例中，参考图3所示，所述视频滚动干扰条纹检测实现方法还包括：

S70、依据所述滚动干扰条纹强度判断是否生成告警，当所述滚动干扰条纹强度大于预设的告警阈值时，则生成告警。例如，在某些实施例中，所述告警可发送给相关维护人员，从而通知其进行故障处理。

相对应地，本实施例还提供了一种视频滚动干扰条纹检测实现装置，参考图4所示，所述装置包括：

第一计算模块10，用于计算得到n帧输入视频图像每个Y、U、V分量的分量方差值。

第二计算模块20，用于依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图。

二值化模块30，用于对所述方差权重图进行二值化处理，得到二值化图像。

判别模块40，用于提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。

较优实施例中，参考图5所示，所述视频滚动干扰条纹检测实现装置还包括：

获取模块50，用于得到干扰条纹条形区域图像。

第三计算模块60，用于将倾斜角度0～180度平均归一化为m个倾斜角度等级，分别计算干扰条纹条形区域图像每个干扰条纹条形区域的倾斜角度，并统计这m个倾斜角度等级内倾斜角度出现频率最高的倾斜角度等级，计算该频率最高倾斜角度等级内的干扰条纹条形区域的个数及区域面积大小，并据此计算得到最终的滚动干扰条纹强度。

较优实施例中，参考图6所示，所述视频滚动干扰条纹检测实现装置还包括：

告警模块70，用于依据所述滚动干扰条纹强度判断是否生成告警，当所述滚动干扰条纹强度大于预设的告警阈值时，则生成告警。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，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，或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)

1.一种视频滚动干扰条纹检测实现方法，其特征在于，包括：

计算得到n帧输入视频图像每个Y、U、V分量的分量方差值；

依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图；

对所述方差权重图进行二值化处理，得到二值化图像；

提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。

2.如权利要求1所述的视频滚动干扰条纹检测实现方法，其特征在于，采用如下数学式计算得到n帧输入视频图像每个Y、U、V分量的分量方差值：

${\mathrm{var}}_Y(x,y)={\mathrm{\&Sigma;}}_{i=1}^n\frac{{(Y_i(x,y)-\mathrm{aveY})}^2}{n};$

${\mathrm{var}}_U(x,y)={\mathrm{\&Sigma;}}_{i=1}^n\frac{{(U_i(x,y)-\mathrm{aveU})}^2}{n};$

${\mathrm{var}}_V(x,y)={\mathrm{\&Sigma;}}_{i=1}^n\frac{{(V_i(x,y)-\mathrm{aveV})}^2}{n};$

其中，var_Y(x,y)、var_U(x,y)、var_V(x,y)分别表示n帧输入视频图像Y、U、V分量的分量方差值；Y_i(x,y)、U_i(x,y)、V_i(x,y)分别表示第i帧输入视频图像第(x,y)处像素的Y、U、V分量的分量值；aveY、aveU、aveV分别表示n帧输入视频图像中第(x,y)处像素的Y、U、V的平均分量值。

3.如权利要求2所述的视频滚动干扰条纹检测实现方法，其特征在于，采用如下数学式、并依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值：

vars(x,y)＝a*var_Y(x,y)+b*var_U(x,y)+c*var_V(x,y)；

其中，vars(x,y)表示权重方差值；a、b、c分别为预先设置的权重值。

4.如权利要求3所述的视频滚动干扰条纹检测实现方法，其特征在于，采用如下数学式对所述方差权重图进行二值化处理，得到二值化图像I_bin:

$b(x,y)=\left\{\begin{array}{cc}0& \mathrm{var\; s}(x,y)<\mathrm{th}\\ 1& \mathrm{var\; s}(x,y)>\mathrm{th}\end{array}\right.;$

其中，b(x,y)表示二值化图像I_bin第(x,y)处像素的值；th表示预先设置的二值化阈值。

5.如权利要求4所述的视频滚动干扰条纹检测实现方法，其特征在于，对二值化图像I_bin采用八连通域提取方法提取所述二值化图像的连通域。

6.如权利要求5所述的视频滚动干扰条纹检测实现方法，其特征在于，采用如下数学式计算每个连通域的圆形度：

$C=\frac{p^2}{s};$

其中，p表示连通域的周长，s表示连通域的面积，C表示连通域的圆形度；

以及，采用以下判别式、并依据所述每个连通域的圆形度判断所述连通域是否为干扰条纹条形区域：

$\mathrm{Flag}=\left\{\begin{array}{cc}0& s<\mathrm{Ts\; or\; c}<\mathrm{Tc}\\ 1& \mathrm{others}\end{array}\right.;$

其中，Flag表示该连通域区域是否为干扰条纹条形区域，Ts表示面积过滤阈值，Tc表示圆形度过滤阈值。

7.如权利要求1所述的视频滚动干扰条纹检测实现方法，其特征在于，还包括：

得到干扰条纹条形区域图像；

将倾斜角度0～180度平均归一化为m个倾斜角度等级，分别计算干扰条纹条形区域图像每个干扰条纹条形区域的倾斜角度，并统计这m个倾斜角度等级内倾斜角度出现频率最高的倾斜角度等级，计算该频率最高倾斜角度等级内的干扰条纹条形区域的个数及区域面积大小，并据此计算得到最终的滚动干扰条纹强度。

8.如权利要求7所述的视频滚动干扰条纹检测实现方法，其特征在于，采用如下数学式计算得到最终的滚动干扰条纹强度：

$\mathrm{st}=a0*\mathrm{sum}+a1*{\mathrm{\&Sigma;}}_{i=1}^n{s}_i;$

其中，a0表示预设的区域个数比值系数，sum表示频率最高倾斜角度等级内的干扰条纹条形区域的个数，a1表示预设的面积比值系数，表示频率最高倾斜角度等级内的干扰条纹条形区域的区域面积大小。

9.如权利要求7或8所述的视频滚动干扰条纹检测实现方法，其特征在于，还包括：

依据所述滚动干扰条纹强度判断是否生成告警，当所述滚动干扰条纹强度大于预设的告警阈值时，则生成告警。

10.一种视频滚动干扰条纹检测实现装置，其特征在于，包括：

第一计算模块，用于计算得到n帧输入视频图像每个Y、U、V分量的分量方差值；

第二计算模块，用于依据所述分量方差值计算得到输入视频图像Y、U、V分量的权重方差值，并依据所述权重方差值得到方差权重图；

二值化模块，用于对所述方差权重图进行二值化处理，得到二值化图像；

判别模块，用于提取所述二值化图像的连通域，并计算每个连通域的圆形度，当所述圆形度值大于一预设门限值时，则确定所述连通域为干扰条纹条形区域。

11.如权利要求10所述的视频滚动干扰条纹检测实现装置，其特征在于，还包括：

获取模块，用于得到干扰条纹条形区域图像；

第三计算模块，用于将倾斜角度0～180度平均归一化为m个倾斜角度等级，分别计算干扰条纹条形区域图像每个干扰条纹条形区域的倾斜角度，并统计这m个倾斜角度等级内倾斜角度出现频率最高的倾斜角度等级，计算该频率最高倾斜角度等级内的干扰条纹条形区域的个数及区域面积大小，并据此计算得到最终的滚动干扰条纹强度。

12.如权利要求11所述的视频滚动干扰条纹检测实现装置，其特征在于，还包括：

告警模块，用于依据所述滚动干扰条纹强度判断是否生成告警，当所述滚动干扰条纹强度大于预设的告警阈值时，则生成告警。