CN106488312A - 视频源的检测方法及装置 - Google Patents

视频源的检测方法及装置 Download PDF

Info

Publication number
CN106488312A
CN106488312A CN201510548858.6A CN201510548858A CN106488312A CN 106488312 A CN106488312 A CN 106488312A CN 201510548858 A CN201510548858 A CN 201510548858A CN 106488312 A CN106488312 A CN 106488312A
Authority
CN
China
Prior art keywords
image data
frame image
attribute
movable information
pixels point
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
Application number
CN201510548858.6A
Other languages
English (en)
Other versions
CN106488312B (zh
Inventor
周鸿�
罗小伟
韦虎
林福辉
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.)
Spreadtrum Communications Shanghai Co Ltd
Original Assignee
Spreadtrum Communications Shanghai 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 Spreadtrum Communications Shanghai Co Ltd filed Critical Spreadtrum Communications Shanghai Co Ltd
Priority to CN201510548858.6A priority Critical patent/CN106488312B/zh
Publication of CN106488312A publication Critical patent/CN106488312A/zh
Application granted granted Critical
Publication of CN106488312B publication Critical patent/CN106488312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Television Systems (AREA)

Abstract

一种视频源的检测方法及装置。所述方法包括：判断接收到的第i帧图像数据的属性；根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列；将所述第一属性序列与已存储的属性序列进行比较；当存在与所述第一属性序列一致的属性序列时，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。应用所述方法可以有效提高视频源的检测效率。

Description

视频源的检测方法及装置
技术领域
本发明涉及视频源检测领域，具体涉及一种视频源的检测方法及装置。
背景技术
用户终端等图像显示设备获取到视频源后，以帧为单位进行处理。由于每个图像帧包含若干行的像素信息，通过扫描每一行的像素信息可以显示所述图像帧对应的图像。其中，隔行扫描模式和逐行扫描模式是用户终端等图像显示设备的典型扫描模式。隔行扫描模式通常应用在普通的电视机中，而逐行扫描模式通常应用于计算机及数字电视等设备中。
采用隔行扫描模式进行图像显示时，先后分别获取一图像帧的两个半帧，再顺序地显示这两个半帧的像素信息，每次显示一个半帧的图像。其中，每个半帧分别包含该图像奇数行的像素信息和偶数行的像素信息，这两个半帧可以分别被称为顶场和底场。如图1所示，实线表示当前正在被扫描的行，虚线表示为已扫描的行或未扫描的行。
采用逐行扫描模式进行图像显示时，之间获取一整帧图像，然后顺序地显示该图像帧上每一行的像素信息，每次显示一个完整的帧。如图1所示，逐行扫描模式就是不分实线行与虚线行，而是顺序地逐行进行扫描的模式。
目前，用户终端等图像显示设备获取的视频的来源比较复杂，同一视频源中，既有传统的电视隔行信号，又有各种模式的电影信号。电视隔行信号以及不同模式的电影信号具有不同的特性和显示顺序，因此，在显示所获取的视频源之前，需要对视频源进行检测，以避免产生重影、抖动等现象。
然而，目前在对视频源进行检测的过程中，检测的延时较长，影响用户体验。
发明内容
本发明要解决的问题是如何快速检测视频源的模式。
为解决上述问题，本发明实施例提供了一种视频源的检测方法，所述方法包括：
判断接收到的第i帧图像数据的属性，i为正整数；
根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列，所述第一属性序列为已存储的第i-N至i帧图像数据的属性顺序排列组成的序列，N为正整数；
将所述第一属性序列与已存储的属性序列进行比较；
当存在与所述第一属性序列一致的属性序列时，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
可选地，所述第i帧图像数据的顶场及底场数据分别为Tm及Bn，所述第i-1帧图像数据的顶场及底场数据分别为Ts及Bk，其中，m、n、s及k均表示所述图像数据的采集时刻，且均为正整数，相邻两采集时刻之间的时间间隔为△t，所述第i帧图像数据的属性包括以下至少一种：
当m＝n＝s＝k时，所述第i帧图像数据的属性为静止属性；
当m＝n＝s且k-s＝△t，或者n-m＝△t且n＝s＝k时，所述第i帧图像数据的属性为重复属性；
当m＝n、s＝k且m-s＝△t时，所述第i帧图像数据的属性为电影属性；
当n-m＝△t、s-n＝△t且k-s＝△t，或者n＝s、n-m＝△t且k-s＝△t时，所述第i帧图像数据的属性为交错属性。
可选地，所述判断所述第i帧图像数据的属性，包括：
分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像；
分别对所述顶场和底场的二值化图像进行分块；
分别对分块后获得的各个宏块中的像素点的运动信息求和；
从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值；
根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值小于第一预设阈值时，判定所述第i帧图像数据的属性为静止属性。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当所选取的最小值小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
当所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当满足以下其中一个条件时，判定所述第i帧图像数据的属性为重复属性：
所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值；
所选取的最小值小于等于第三预设阈值，所述第三预设阈值小于第一预设阈值。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
当计算得到的交错比例参数值小于等于第四预设阈值时，判定所述第i帧图像数据的属性为电影属性。
可选地，所述根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值，包括：
从所述第i帧图像数据中各个像素点的运动信息中筛选出边界像素点的运动信息，以及因帧间延迟产生运动的像素点的运动信息，得到筛选后的二值化图像；
在所述筛选后的二值化图像中顺序地将每K列的值分为一组，K为正整数，且K≥2；
计算每列的值中，相邻三行的值出现交错的次数；
将每组中对各列计算得到的次数进行求和；
计算每组求和的结果与对应组内所有像素点的运动信息的和之间的比值；
从所获得的比值中选取最大有效值作为所述交错比例参数值。
可选地，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
根据所选取的最大值与对应的预设条件的关系，先判断所述第i帧图像数据是否为静止属性，再判断重复属性，最后判断是否为交错属性或电影属性。
可选地，所述从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值，包括：
分别对所述计算得到顶场及底场的二值化图像中，各个宏块中所有像素点的运动信息的和进行归一化处理；
从归一化后的各个宏块的所有像素点的运动信息的和中选取最大值。
可选地，N≥5。
可选地，当所述已存储的属性序列中不存在与所述第一属性序列一致的属性序列时，还包括：将第i-1帧图像数据所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
本发明实施例还提供了一种视频源的检测装置，所述装置包括：
判断单元，适于判断接收到的第i帧图像数据的属性，i为正整数；
生成单元，适于根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列，所述第一属性序列为已存储的第i-N至i帧图像数据的属性顺序排列组成的序列，N为正整数；
比较单元，适于将所述第一属性序列与已存储的属性序列进行比较；
第一检测单元，适于当存在与所述第一属性序列一致的属性序列时，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
可选地，所述视频源第i帧图像数据的顶场及底场数据分别为Tm及Bn，所述视频源的第i-1帧图像数据的顶场及底场数据分别为Ts及Bk，其中，m、n、s及k均表示所述图像数据的采集时刻，且均为正整数，相邻两采集时刻之间的时间间隔为△t，所述第i帧图像数据的属性包括以下至少一种：
当m＝n＝s＝k时，所述第i帧图像数据的属性为静止属性；
当m＝n＝s且k-s＝△t，或者m-n＝△t且n＝s＝k时，所述第i帧图像数据的属性为重复属性；
当m＝n、s＝k且m-s＝△t时，所述第i帧图像数据的属性为电影属性；
当n-m＝△t、s-n＝△t且k-s＝△t，或者n＝s、n-m＝△t且k-s＝△t时，所述第i帧图像数据的属性为交错属性。
可选地，所述判断单元包括：
第一计算子单元，适于分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像；
分块子单元，适于分别对所述顶场和底场的二值化图像进行分块；
第二计算子单元，适于对分块后获得的各个宏块中的像素点的运动信息求和；
选取子单元，适于从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值；
判断子单元，适于根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
可选地，第一计算子单元，适于分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像；
分块子单元，适于分别对所述顶场和底场的二值化图像进行分块；
第二计算子单元，适于对分块后获得的各个宏块中的像素点的运动信息求和；
选取子单元，适于从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值；
判断子单元，适于根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
可选地，所述判断子单元包括：
第一选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第二判定模块，适于当所选取的最小值小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
可选地，所述判断子单元包括：
第一计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第二计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第三判定模块，适于当所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
可选地，所述判断子单元包括：第一计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第二计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第一选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第四判定模块，适于当满足以下至少一个条件时，判定所述第i帧图像数据的属性为重复属性：
所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值；
所选取的最小值小于等于第三预设阈值，所述第三预设阈值小于第一预设阈值。
可选地，所述判断子单元包括：
第三计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第四计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第二选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第五计算模块，适于当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
第五判定模块，适于当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
可选地，所述判断子单元包括：
第三计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第四计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第二选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第五计算模块，适于当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
第六判定模块，适于当计算得到的交错比例参数值小于等于第四预设阈值时，判定所述第i帧图像数据的属性为电影属性。
可选地，所述第五计算模块包括：
筛选子模块，适于在所述筛选后的二值化图像中顺序地将每K列的值分为一组，K为正整数，且K≥2；
第一计算子模块，适于计算每列的值中，相邻三行的值出现交错的次数；
第二计算子模块，适于将每组中对各列计算得到的次数进行求和；
第三计算子模块，适于计算每组求和的结果与对应组内所有像素点的运动信息的和之间的比值；
选取子模块，适于从所获得的比值中选取最大有效值作为所述交错比例参数值。
可选地，所述判断子单元根据所选取的最大值与对应的预设条件的关系，先判断所述第i帧图像数据是否为静止属性，再判断重复属性，最后判断是否为交错属性或电影属性。
可选地，所述选取子单元包括：
处理模块，适于分别对所述计算得到顶场及底场的二值化图像中，各个宏块中所有像素点的运动信息的和进行归一化处理；
第三选取模块，适于从归一化后的各个宏块的所有像素点的运动信息的和中选取最大值。
可选地，N≥5
可选地，所述方法还包括：第二检测单元，适于当所述已存储的属性序列中不存在与所述第一属性序列一致的属性序列时，将第i-1帧图像数据所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
与现有技术相比，本发明的技术方案至少具有以下优点：
通过对第i帧图像数据的属性进行判断，进而可以根据第i-N帧至第i帧图像数据的属性获得第一属性序列，从而可以将已存储的属性序列与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。由于所述第i-N帧至第i-1帧图像数据的属性是预先获得的，因此本发明实施例中的方法可以在接收到第i帧图像数据时即检测其视频源，可以有效提高检测效率。
附图说明
图1是本发明实施例中一种图像扫描设备的扫描模式示意图；
图2是本发明实施例中一种视频源检测系统的结构示意图；
图3是本发明实施例中一种视频源检测方法的流程图；
图4a-4e分别是本发明实施例中一帧图像数据不同属性的示意图；
图5是本发明实施例中多种第一属性序列的示意图；
图6是本发明实施例中已存储的部分属性序列示意图；
图7是本发明实施例中一种图像显示设备对3：2电影模式的图像数据的处理示意图。
图8是本发明实施例中一种判断所述第i帧图像数据的属性的方法流程图；
图9是本发明实施例中对顶场的二值化图像进行分块后的宏块示意图；
图10是本发明实施例中一种判断所述第i帧图像数据的属性是否交错属性的方法流程图；
图11是本发明实施例中一种判断所述第i帧图像数据的属性是否电影属性的方法流程图；
图12是本发明实施例中一种计算交错比例参数值的方法流程图；
图13是本发明实施例中一种第i帧图像数据的运动信息示意图；
图14是图13中例中所述第i帧图像数据的特性信息示意图；
图15是本发明实施例中另一种第i帧图像数据的运动信息示意图；
图16是图15中例中所述第i帧图像数据的特性信息示意图；
图17是从一具有电影属性的流中提取出的第i帧图像；
图18是从所述一具有电影属性的流中提取出的第i+1帧图像；
图19是对图17及18中的两帧图像处理后获得的仅含有特性信息的图像；
图20是从一具有交错属性的流中提取出的第i帧图像；
图21是从所述一具有交错属性的流中提取出的第i+1帧图像；
图22是对图20及21中的两帧图像处理后获得的仅含有特性信息的图像；
图23是本发明实施例中一种对仅含有特性信息的图像进行分组的示意图；
图24是本发明实施例中一种对第i帧图像数据的属性进行依次判断的方法流程图；
图25是本发明实施例中一种视频源检测装置的结构示意图；
图26是本发明实施例中一种判断单元的结构示意图；
图27是本发明实施例中一种判断子单元的结构示意图；
图28是本发明实施例中另一种判断子单元的结构示意图；
图29是本发明实施例中又一种判断子单元的结构示意图；
图30是本发明实施例中再一种判断子单元的结构示意图；
图31是本发明实施例中另一种判断子单元的结构示意图；
图32是本发明实施例中又一种判断子单元的结构示意图；
图33是本发明实施例中一种第五计算模块的结构示意图；
图34是本发明实施例中选取子单元的结构示意图。
具体实施方式
目前，用户终端等图像显示设备获取的视频的来源比较复杂，同一视频源中，既有传统的电视隔行信号，又有各种模式的电影信号。当视频源为传统的电视隔行信号时，用户终端等图像显示设备通常采用隔行扫描模式进行图像显示。当视频源为电影信号时，用户终端等图像显示设备通常采用逐行扫描的模式进行图像显示。也就是说，不同的视频源具有不同的显示方式。
然而，目前在对视频源进行检测时，通常需要根据接收到的下一帧图像数据，才能检测出前一帧图像数据是电视隔行信号还是何种模式的电影信号，导致检测的延时较长。
针对上述问题，本发明的实施例提供了一种视频源的检测方法，所述方法可以在接收到第i帧图像数据时，对所述第i帧图像数据的属性进行判断，并根据第i-N帧至第i帧图像数据的属性获得第一属性序列，进而可以将已存储的属性序列与所述第一属性序列一致的属性序列对应的视频源的模式，作为所述第i帧图像数据的视频源的模式。由于所述第i-N帧至第i-1帧图像数据的属性是预先获得的，因此本发明实施例中的方法可以在接收到第i帧图像数据时即检测其视频源，有效提高检测效率。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例作详细的说明。
如图2所示，本发明实施例提供了一种视频源的检测系统，所述系统可以包括采集设备21，以及与所述采集设备耦接的图像显示设备22。其中，所述采集设备可以采集图像数据并进行相应处理，处理后的图像数据输出至所述图像显示设备22，由所述图像显示设备22根据本发明实施例中所述视频源的检测方法进行检测，并按照检测结果显示所述图像。
可以理解的是，本发明实施例中所述视频源的检测方法并不仅适用于图2所示的视频源检测系统，还可适用于其他结构的视频源检测系统。例如，还可以在采集设备21以及图像显示设备22之间设置视频源的检测装置，由所述视频源的检测装置根据本发明实施例中所述视频源的检测方法进行视频源的检测，然后由图像显示设备22根据检测结果显示图像。在本发明的实施例中，为了方便描述，以图2中所示的视频源的检测系统为例进行说明。
下面结合图2，对本发明实施例中所述视频源的检测方法进行详细介绍：
具体地，如图3所示，所述方法可以包括如下步骤：
步骤31，判断接收到的第i帧图像数据的属性，i为正整数。
在具体实施中，如图2所示，采集设备21采集到相应的图像数据后，对所述图像数据进行处理并输出至所述图像显示设备22。当图像显示设备22接收到采集设备21输出的第i帧图像数据后，对所述第i帧图像数据的属性进行判断。其中，所述采集设备21以帧为单位输出所采集到的图像数据，所述图像显示设备22每接收到一帧图像数据，均需要对该帧图像数据的属性进行判断，并保存每帧图像数据的属性。
在具体实施中，可以根据当前帧的图像数据与前一帧的图像数据之间的关系，即第i帧图像数据与第i-1帧图像数据之间的关系，设定所述第i帧图像数据的属性。在本发明的一实施例中，如图4a-e所示，根据第i帧图像数据与第i-1帧图像数据之间的关系，所述第i帧图像数据可以包括：静止属性(Static)、重复属性(Repeat)、交错属性(Interlaced)及电影属性(Film)。
下面结合图2及图4对上述各个属性进行详细介绍：
所述采集设备21采集到所述图像数据Ts及Bk后，可以将s时刻采集到的图像数据Ts与k时刻采集到的图像数据Bk进行合并处理，并作为第i-1帧图像数据进行输出。此时所述将图像显示设备22接收到的第i-1帧图像数据的顶场及底场数据分别为Ts及Bk。所述采集设备21采集到所述图像数据Tm及Bn后，可以将m时刻采集到的图像数据Tm与n时刻采集到的数据Bn进行合并处理，并作为第i帧图像数据进行输出。此时所述将图像显示设备22接收到的第i帧图像数据的顶场及底场数据分别为Tm及Bn。
其中，m、n、s及k均表示所述采集设备21采集对应图像数据的采集时刻，且均为正整数，相邻两采集时刻之间的时间间隔为△t。例如，Tm表示所述采集设备21在m时刻采集到的图像数据，Bn表示所述采集设备21在n时刻采集到的数据，Ts表示所述采集设备21在s时刻采集到的图像数据，Bk表示所述采集设备21在k时刻采集到的图像数据。同一时刻采集到的顶场数据是唯一的。同一时刻采集到的底场数据也是唯一的。
当m＝n＝s＝k时，即Tm＝Ts，Bn＝Bk，且Tm、Ts、Bn及Bk均为同一时刻采集到的图像数据。此时，所述第i帧图像数据的属性为静止属性。例如，如图4a所示，m＝n＝s＝k＝1，即m、n、s及k均为第1个采集时刻。
当m＝n＝s且k-s＝△t时，即Tm＝Ts，Bn≠Bk，Bk和Ts为相邻两时刻采集到的底场数据和顶场数据，此时，所述第i帧图像数据的属性为重复属性；或者当n-m＝△t且n＝s＝k时，即Tm≠Ts，Bn＝Bk，Tm和Ts为相邻两时刻采集到的底场数据和顶场数据，此时，所述第i帧图像数据的属性也为重复属性。例如，如图4b所示，m＝n＝s＝1，k＝2，即m、n及s均为第1个采集时刻，k为第2个采集时刻。
当m＝n、s＝k且m-s＝△t时，即Tm及Ts分别为相邻两时刻采集到的顶场数据，Bn及Bk分别为相邻两时刻采集到的底场数据，Tm及Bn分别为同一时刻采集到的顶场数据和底场数据，此时，所述第i帧图像数据的属性为电影属性。例如，如图4c所示，m＝n＝1，s＝k＝2，即m及n均为第1个采集时刻，s及k均为第2个采集时刻。
当n-m＝△t、s-n＝△t且k-s＝△t时，即Tm、Bn、Ts及Bk为相邻四个时刻采集到的底场数据或顶场数据，此时，所述第i帧图像数据的属性为交错属性，例如，如图4d所示，m＝1，n＝2，s＝3，k＝4；或者，当n＝s、n-m＝△t且k-s＝△t时，即Bn及Ts分别为同一时刻采集到的底场数据和顶场数据，Tm为n时刻的前一时刻采集到的顶场数据，Bk为n时刻的后一时刻采集到的底场数据。例如，如图4d所示，n＝s＝2，m＝1且k＝3。
步骤32，根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列。
获得第i帧图像数据的属性后，可以将第i-N帧至第i帧图像数据的属性进行顺序排列，获得第一属性序列。例如，如图5所示，相邻两帧图像数据之间采用虚线进行间隔，沿z方向依次为第1帧图像数据、第2帧图像数据……第i帧图像数据……。根据每帧图像数据属性的不同，可以分别获得第一属性序列a-i。以第一属性序列b为例，当i＝2且第2帧图像数据为T1B2时，由于第1帧图像数据为T1B1，第1帧图像数据与第2帧图像数据之间满足m＝n＝s且k-s＝1，因此，第2帧图像数据的属性为重复属性。当i＝3且第3帧图像数据为T2B3时，由于第2帧图像数据为T1B2，第2帧图像数据与第3帧图像数据之间满足n＝s、n-m＝1且k-s＝1，因此，第第3帧图像数据的属性为交错属性。依此类推，当接收到第i帧图像数据时，根据第i帧图像数据与第i-1帧图像数据之间的关系，可以获得第i帧图像数据的属性，并由此获得第一属性序列b。
在具体实施中，可以根据电影模式的数量设置N的具体取值，此处不作限制，只要根据所述第一属性序列可以区分不同的电影模式信号以及电视隔行信号即可。例如，N的取值可以为：N≥5，即将第i帧图像数据与其至少前5帧图像数据的属性组成所述第一属性序列。
步骤33，将所述第一属性序列与已存储的属性序列进行比较。
在具体实施中，图像显示设备22或其他存储设备中可以预存储多个属性数列。也可以理解为在图像显示设备22或其他存储设备中预先设置有属性序列数据库。其中，电视隔行信号或不同的电影模式信号可以对应一个属性序列，也可以对应多个属性序列，只要在所述与存储的属性序列或属性序列库中，根据一个属性序列可以唯一确定与其对应的电视隔行信号或电影模式信号即可。
例如，所述图像显示设备22或其他存储设备预存储的部分属性序列可以如图5所示。其中，为了简化图示，S表示Static，即静止属性；F表示Film，即电影属性；R表示Repeat，即重复属性；I表示Interlaced，即交错属性。交错折叠模式(pull-down)表示电视隔行信号，2：2折叠模式(pull-down)等其他模式均为不同模式的电影模式信号。从图5中可以看出，每种电影模式可以对应多个不同的属性序列，例如，3：2折叠模式(pull-down)可以对应“RIRFFR”及“RFFRIR”两个属性序列，8:7折叠模式(pull-down)可以对应“RRSSRR”、“SSSFSS”、“FSSRRS”及“FSSRRS”。
将所述第一属性序列与已存储的属性序列进行比较，即在所述已存储的属性序列中查找与所述第一属性序列一致的属性序列。当所述已存储的属性序列中存在与所述第一属性序列一致的属性序列时，执行步骤34，否则执行步骤35(未示出)。
步骤34，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
例如，当所述第一属性序列为图5中的第一属性序列L时，即RIRFFF，在图6中已存储的属性序列中查找与所述第一属性序列L一致的属性序列。经查找，第一属性序列i对应的视频源为3：2：3：2：2折叠模式(pull-down)，则所述图像显示设备22可以将3：2：3：2：2折叠模式(pull-down)作为所述第i帧图像数据的视频源的模式，对所述第i帧图像数据进行显示。
步骤35，将第i-1帧图像数据所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
例如，以图5中所述第一属性序列g的第12帧图像数据为所述第i帧图像数据，则当N＝5时，由第i-N至i帧图像数据顺序排列组成的第一属性序列为：RRSSRR。经查找，在图6中已存储的属性序列中不存在与所述第一属性序列一致的属性序列。此时，第i-1帧图像数据所对应的第一属性序列为FSSRRS，对应的视频源的模式为8：7折叠模式(pull-down)，因此所述第i帧图像数据的视频源的模式为8：7折叠模式(pull-down)。所述图像显示设备22可以按照8：7折叠模式(pull-down)显示所述第i帧图像数据。
在具体实施中，图像显示设备22在根据检测结果显示所述第i帧图像数据时，针对不同的视频源，需要做不同的处理操作。例如，当检测所述第i帧图像数据的视频源的模式为电视隔行信号时，通常需要对所述第i帧图像数据进行反交错处理。
如图7所示，沿t方向分别为图像显示设备22接收到的第1帧图像数据、第2帧图像数据……。当检测到所述第i帧图像数据的视频源的模式为3：2折叠模式(pull-down)的电影模式信号时，通常需要对所述第i帧图像数据进行相应的数据操作，以使得所显示的图像依次为相邻时刻所采集到的图像数据，并且每次显示的图像数据中，顶场数据和底场数据的采集时刻均相同。比如，当输入至所述图像显示设备22的第2帧图像数据为T1B2且属性为重复属性时，所述图像显示设备22对所输入的第2帧图像数据进行处理，使得第2帧图像数据对于的输出数据为T1B1。当输入至所述图像显示设备22的第3帧图像数据为T2B3且为交错属性时，所述图像显示设备22对所输入的第3帧图像数据进行处理，使得第2帧图像数据对于的输出数据为T2B2。
由此可以看出，本发明实施例中，所述方法可以在接收到第i帧图像数据时，通过第i-N帧至第i帧图像数据的属性获得第一属性序列，从而可以将已存储的属性序列与所述第一属性序列一致的属性序列对应的视频源的模式作为所述第i帧图像数据的视频源的模式，而无须在接收到第i+1帧图像数据后才能判断第i帧图像数据的属性，因此可以有效提高检测效率。下面对判断第i帧图像数据属性的具体过程进行详细描述：
如图8所示，在本发明一实施例中，判断所述第i帧图像数据的属性的过程可以包括如下步骤：
步骤81，分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像。
在具体实施中，如上所述，所述第i帧图像数据顶场数据和底场数据中分别包含所述该图像奇数行的像素信息和偶数行的像素信息。相对于第i-1帧图像数据的顶场数据和底场数据，当处于同一位置的像素点的像素值发生变化时，则该位置处的像素点发生运动。
由此，在计算所述第i帧图像数据顶场中各个像素点的运动信息时，参见公式(1)，通过将所述第i帧图像数据的顶场数据中各个像素点的像素值(Top_Curr)与第i-1帧图像数据的顶场数据中对应像素点的像素值(Top_Pre)相减后再取绝对值，获得的Delt_Top即为所述第i帧图像数据顶场中各个像素点的运动信息。在计算所述第i帧图像数据底场中各个像素点的运动信息，参见公式(2)，通过将所述第i帧图像数据的顶场数据中各个像素点的像素值(Bot_Curr)与第i-1帧图像数据的顶场数据中对应像素点的像素值(Bot_Pre)相减后再取绝对值，获得的Delt_Bot即为所述第i帧图像数据底场中各个像素点的运动信息。
Delt_Top＝abs(Top_Pre-Top_Curr)； (1)
Delt_Bot＝abs(Bot_Pre-Bot_Curr)； (2)
获得所述第i帧图像数据顶场中各个像素点的运动信息后，将每个像素点的运动信息与预设的阈值TH进行比较，如公式(3)所示，当Delt_Top＞TH时，该像素点对应于二值化图像的位置的值MV_Top＝1，当Delt_Top≤TH时，该像素点对应于二值化图像的位置的值MV_Top＝0，由此得到可以获得表征所述第i帧图像数据顶场中各个像素点运动信息的二值化图像。
获得所述第i帧图像数据底场中各个像素点的运动信息后，将每个像素点的运动信息与预设的阈值TH进行比较，如公式(4)所示，当Delt_Bot＞TH时，该像素点对应于二值化图像的位置的值MV_Bot＝1，当Delt_Bot≤TH时，该像素点对应于二值化图像的位置的值MV_Bot＝0，由此得到可以获得表征所述第i帧图像数据底场中各个像素点运动信息的二值化图像。
步骤82，分别对所述顶场和底场的二值化图像进行分块。
在具体实施中，获得所述顶场及底场的二值化图像后，对所述二值化图像进行分块，获得多个宏块，宏块的数量可以由本领域人员自行设定，但对所述顶场分块后获得的宏块的数量与对所述底场分块后获得的宏块的数量相同。例如，如图9所示，对所述顶场的二值化图像进行分块后，可以获得宏块Blockx-1,j，宏块Blockx,j，宏块Blockx,j-1，以及宏块Blockx,j+1等。其中，x及j均为正整数，且，q≥x≥1，p≥j≥1，p*q即为对所述顶场的二值化图像进行分块获得的宏块的数量。
步骤83，分别对分块后获得的各个宏块中的像素点的运动信息求和。
以顶场二值化图像中的宏块Blockx,j为例，将宏块Blockx,j中各个像素点的运动信息相加，即所述宏块Blockx,j中“1”的数量相加，获得宏块Blockx,j中像素点的运动信息之和MV_Points_Array_Top(x，j)。
MV_Points_Array_Top(x，j)＝ΣBlockx，j (5)
参照公式(5)，可以获得所述顶场的二值化图像的各个宏块中的像素点的运动信息的和MV_Points_Array_Top(x，j)，以及所述底场的二值化图像的各个宏块中的像素点的运动信息的和MV_Points_Array_Bot(x，j)。
步骤84，从计算得到的各个宏块中所有像素点的运动信息的和中选取最大值。
在具体实施中，可以直接从所获得的MV_Points_Array_Top(x，j)及MV_Points_Array_Bot(x，j)中选取最大值；也可以先分别对MV_Points_Array_Top(x，j)及MV_Points_Array_Bot(x，j)进行归一化处理，然后分别从处理后的数值中选取最大值，对应获得MV_Top_MaxNum及MV_Bot_MaxNum，最后再从MV_Top_MaxNum及MV_Bot_MaxNum中选取最大值。例如，参照公式(6)及(7)，以对宏块Blockx,j进行归一化处理为例，每个宏块的大小相同，且每个宏块均包括ω行Г列个像素点：
MV_Top_MaxNum＝Max(MV_Points_Array_Top(x，j))/(ω*Γ) (6)
MV_Bot_MaxNum＝Max(MV_Points_Array_Bot(x，j))/(ω*Γ) (7)
通过对MV_Points_Array_Top(x，j)及MV_Points_Array_Bot(x，j)进行归一化处理，可以在设置所述第二预设阈值时不考虑宏块具体大小。
步骤85，根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
如上所述，所述第i帧图像数据的属性可以包括静止属性、重复属性、交错属性以及电影属性。在具体实施中，根据所选取的最大值与对应的预设条件的关系，既可以单独判断接收到的第i帧图像数据的属性是静止属性、重复属性、交错属性或电影属性，也可以先判断是否为静止属性，再判断重复属性，最后判断是否为交错属性或电影属性，具体判断的顺序可以根据每种属性的判断方法进行设置，此处不作限制。其中，在最后判断是否为交错属性或电影属性时，可以先判断是否为交错属性，在判断是否为电影属性，也可以先判断是否电影属性，再判断是否为交错属性，还可以同时判断是否为电影属性或交错属性。
下面分别对每种属性的判断过程进行详细描述：
在具体实施中，可以将通过步骤84所选取的最大值与第一预设阈值进行比较。当所选取的最大值小于第一预设阈值时，判定所述第i帧图像数据的属性为静止属性。其中，所述第一预设阈值即具体判定静止属性的过程中所允许的噪声范围，可以由本领域技术人员根据有限次的实验进行设定。也就是说，当具有最大运动信息的宏块的运动信息小于第一预设阈值时，判定所述第i帧图像数据的属性为静止属性。
需要说明的是，在具体判定所述第i帧图像数据的属性为静止属性的过程中，预设的第一预设阈值本身是一个边界值，也可以在所选取的最大值等于第一预设阈值时，即判定所述第i帧图像数据的属性为静止属性。换句话说，在边界值可以判定所述第i帧图像数据的属性为静止属性，也可以不判定所述第i帧图像数据的属性为静止属性，具体是否判定所述第i帧图像数据的属性为静止属性，可以由技术人员自行设置。但不论是否执行，上述方案均在本发明的保护范围内。
在具体实施中，可以采用多种方法判断所述第i帧图像数据的属性是否为重复属性。
在本发明的一实施例中，可以在所选取的最大值大于等于所述第一预设阈值时，从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值，并在所选取的最小值小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性。其中，所述第三预设阈值小于第一预设阈值。当所选取的最大值大于第一预设阈值，而所选取的最小值小于第三预设阈值时，所选取的最大值足够大，而所选取的最小值足够小，此时所述第i帧图像数据属于重复属性的可能性较大。所述第三预设阀值可以由本领域人员根据有限次的实验进行设定，具体可以参照上述对所述第一预设阈值的描述进行实施。也就是说，当具有最小运动信息的宏块的运动信息小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性。
在本发明的另一实施例中，可以在所选取的最大值大于等于所述第一预设阈值时，先对所述第i帧图像数据顶场中所有像素点的运动信息求和，即对MV_Points_Array_Top(x，j)求和，获得MV_Sum_Top，以及对所述第i帧图像数据底场中所有像素点的运动信息求和，即对MV_Points_Array_Bot(x，j)求和，获得MV_Sum_Bot；再计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值，即MV_Sum_Top与MV_Sum_Bot的比值。在MV_Sum_Top与MV_Sum_Bot的比值小于等于第二预设阈值时，判定所述第i帧图像数据的属性为重复属性。
其中，所述第二预设阈值可以由本领域人员根据有限次的实验进行设定，具体可以参照上述对所述第一预设阈值的描述进行实施。
其中，在计算MV_Sum_Top与MV_Sum_Bot的比值时，可以先将MV_Sum_Top与MV_Sum_Bot进行比较，将MV_Sum_Top与MV_Sum_Bot中较小的值与较大的值之间的比值，作为所述MV_Sum_Top与MV_Sum_Bot的比值。
在本发明的一实施例中，在所选取的最大值大于等于所述第一预设阈值时，既可以执行从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值的操作，又可以执行计算MV_Sum_Top与MV_Sum_Bot的比值的操作，并在满足MV_Sum_Top与MV_Sum_Bot的比值小于等于第二预设阈值，以及所选取的最小值小于等于第三预设阈值中的任一条件时，判定所述第i帧图像数据的属性为重复属性。
在具体实施中，如图10所示，判断所述第i帧图像数据的属性是否交错属性的过程可以包括如下步骤：
步骤101，当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和。
步骤102，计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。
步骤103，从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值。
步骤104，当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值。
步骤105，当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
在具体实施中，如图11所示，判断所述第i帧图像数据的属性是否电影属性的过程可以包括如下步骤：
步骤111，当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和。
步骤112，计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。
步骤113，从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值。
步骤114，当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值。
步骤115，当计算得到的交错比例参数值小于等于第四预设阈值时，判定所述第i帧图像数据的属性为电影属性。
下面对图10及图11进行详细描述：
在具体实施中，步骤101至103以及步骤111至113可以参照上述对判断第i帧图像数据的属性是否重复属性过程的描述，此处不再赘述。
在具体实施中，如图12所示，当MV_Sum_Top与MV_Sum_Bot的比值大于第二预设阈值且所选取的最小值大于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，可以采用如下步骤计算交错比例参数值：
步骤121，从所述第i帧图像数据中各个像素点的运动信息中筛选出边界像素点的运动信息，以及因运动物体在顶场和底场因为延迟而产生的交错信息，得到筛选后的二值化图像。
在具体实施中，获得第i帧图像数据顶场及底场中各个像素点的运动信息后，由于顶场中各个像素点的运动信息为所述第i帧图像数据偶数行(或奇数行)的像素点的运动信息，底场中各个像素点的运动信息为所述第i帧图像数据奇数行(或偶数行)的像素点的运动信息，因此，可以将所述顶场及底场中各个像素点的运动信息进行合并处理，获得所述第i帧图像数据的运动信息MV_MAP。
由于在所述第i帧图像数据的属性为电影属性时，所述第i帧图像数据的运动信息MV_MAP包含运动物体的边界信息，而在所述第i帧图像数据的属性为交错属性时，所述第i帧图像数据的运动信息MV_MAP除包含运动物体的边界信息外，还包括顶场和底场之间的延迟信息，即所述第i帧图像数据中的运动物体因顶场和底场之间的延迟而产生的交错信息(所述交错信息即拉丝现象)，因此，可以根据MV_MAP是否包含顶场和底场之间的延迟信息判定所述第i帧图像数据的属性是否为电影属性或交错属性。本发明的实施例中，将运动物体的边界信息以及运动物体因顶场与底场之间的延迟而产生的交错信息称为特性信息。
在具体实施中，为了更加准确地获得第i帧图像数据的特性信息，在获得MV_MAP后，将所述MV_MAP中相邻两行像素点的运动信息对应相减，即可获得仅含有特性信息的MV_MAP。具体地，以所述MV_MAP中第h行u列的像素点的运动信息为Pixelh,u为例，则第h+1行u列的像素点的运动信息为Pixelh+1,u，则可以按照公式(8)获得所述仅含有特性信息的MV_MAP中第h行u列的像素点处的值Pixel-1h,u：
也就是说，当第h+1行u列的像素点的运动信息Pixelh+1,u大于第h行u列的像素点的运动信息Pixelh,u时，所述仅含有特性信息的MV_MAP中第h行u列的像素点处的值Pixel-1h,u为1，否则为0。
例如，如图13所示，所述第i帧图像数据中各个像素点沿竖直方向运动，将其相邻两行像素点的运动信息对应相减，获得如图14所示的仅含有特性信息即的MV_MAP。如图15所示，所述第i帧图像数据中各个像素点沿水平方向运动，将其相邻两行像素点的运动信息对应相减，获得如图16所示的仅含有特性信息的MV_MAP。
为了使本领域人员更加直观地理解所述仅含有特性信息的MV_MAP，下面结合图17至22进行描述。其中，图17及18分别为从具有电影属性的流中提取出的相邻两帧图像，图20及21分别为从具有交错属性的流中提取出的相邻两帧图像。将图17及18中所示的两帧图像的数据，按照本发明实施例中所述视频源的检测方法进行处理，可以获得如图19所示的仅含有特性信息的MV_MAP。将图20及21中所示的两帧图像的数据，按照本发明实施例中所述视频源的检测方法进行处理，可以获得如图22所示的仅含有特性信息的MV_MAP。
从图19中可以看出，对具有电影属性的相邻两帧图像进行处理后所获得的仅含有特性信息的MV_MAP中，仅含有运动物体的边界信息(即图中白色线条)。从图22中可以看出，对具有交错属性的相邻两帧图像进行处理后所获得的仅含有特性信息的MV_MAP中，除含有运动物体的边界信息外，还含有运动物体因顶场与底场之间的延迟而产生的交错信息(即图中A区域部分)。
步骤122，在所述筛选后的二值化图像中顺序地将每K列的值分为一组，K为正整数，且K≥2。
步骤123，计算每列的值中，相邻三行的值出现交错的次数。
步骤124，将每组中对各列计算得到的次数进行求和。
步骤125，计算每组求和的结果与对应组内所有值的和之间的比值。
步骤126，从所获得的比值中选取最大有效值作为所述交错比例参数值。
对于步骤122至126，在具体实施中，所述K的值可以由本领域人员根据实际情况进行设定，只要通过统计K列内每列的像素点运动信息中，相邻三行像素点的运动信息出现交错的次数，可以区分所述仅含有特性信息的MV_MAP中是否含有运动物体因顶场与底场之间的延迟而产生的交错信息即可。例如，K的值可以为8，即将8列像素点的运动信息分为一组进行后续统计。
在具体实施中，所述相邻三行的值出现交错的次数，即相邻三行的值中出现“101”的次数，或者出现“010”的次数。例如，在图14中，沿β方向依次为第1列，第2列…..，当k＝3时，沿β方向依次为第1组、第2组……。每列的值至出现“101”的次数各为1次。将每组中对各列计算得到的次数进行求和，可以获得每组中出现交错的次数均为3次。在图16中，沿α方向依次为第1列，第2列…..，当k＝3时，沿α方向依次为第1组、第2组……。其中，第2列的值至出现“101”的次数为2次，其余列的值至出现“101”的次数均为0次。将每组中对各列计算得到的次数进行求和，除第1组中出现交错的次数为2次外，其余组中出现交错的次数均为0次。
在计算所述交错比例参数值时，可以先计算每组求和的结果与对应组内所有值的和之间的比值，再从所获得的比值中选取最大有效值作为所述交错比例参数值。
例如，在图14中，以第1组为例，第1组中所有值的和，即第1组内出现“1”的总数为6，则第1组中出现交错的次数与该组内所有值的和的比值为3/6。同样地，可以获得其他各组对应的比值。从所获得的多个比值中，排除各组中所有值的和小于第五预设阈值的比值，并从剩余的比值中选取最大值作为所述交错比例参数值。其中，所述第五预设阈值可以由本领域人员根据所述顶场及底场内所有宏块的运动信息的和自行设定。
又如，在图23中，按照线231对所述仅含有特性信息的MV_MAP进行分组，每组获得一比值。从所获得的所有比值中选取最大有效值作为所述交错比例参数值。
获得所述交错比例参数值后，将所述交错比例参数值与第四预设阈值进行比较。其中，所述第四预设阈值用于衡量所述仅含有特性信息的MV_MAP中，是否含有顶场与底场之间延迟信息，可以由本领域人员自行设定，具体可以参照上述对所述第一预设阈值的描述进行实施。若所述交错比例参数值大于所述第四预设阈值，则判定所述第i帧图像数据的属性为电影属性，否则判定所述第i帧图像数据的属性为交错属性。
通过上述内容，可以对所述第i帧图像数据的属性进行独立判断。在具体实施中，还可以根据每种属性之间的关系，对所述第i帧图像数据的属性进行依次判断。具体地，在本发明的一实施例中，对所述第i帧图像数据的属性进行依次判断可以包括如下步骤：
步骤2411，分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像。
步骤2412，分别对所述顶场和底场的二值化图像进行分块。
步骤2413，分别对分块后获得的各个宏块中的像素点的运动信息求和。
步骤2414，从计算得到的各个宏块中所有像素点的运动信息的和中选取最大值。
步骤2415，判断所选取的最大值是否小于第一预设阈值。
当所选取的最大值是否小于第一预设阈值时，执行步骤2416，否则执行步骤2417。
步骤2416，判定所述第i帧图像数据的属性为静止属性。
步骤2417，从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值，以及计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。
步骤2418，判断所选取的最小值是否大于第三预设阈值，并且所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值是否大于第二预设阈值。
当所选取的最小值大于第三预设阈值，并且所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值大于第二预设阈值时，执行步骤250，否则执行步骤249。
步骤2419，判定所述第i帧图像数据的属性为重复属性。
步骤2420，计算交错比例参数值。
步骤2421，判断所述交错比例参数值是否大于第四预设阈值。
当所述交错比例参数值是否大于第四预设阈值时，执行步骤2422，否则执行步骤2423。
步骤2422，判定所述第i帧图像数据的属性为交错属性。
步骤2423，判定所述第i帧图像数据的属性为电影属性。
需要说明的是，步骤2411至2423可以参照上述相应部分的描述，此处不再赘述。
由上述内容可知，本发明实施例中所述视频源的检测方法，通过判断每一帧图像数据的属性，进而可以判断该帧图像数据的视频源的模式，可以有效提高检测效率。
为了使本领域技术人员更好地理解和实现本发明，以下分别对上述视频源检测方法对应的装置进行详细描述。
如图25所示，本发明的实施例提供了一种视频源的检测装置250，所述装置250可以包括：判断单元251，生成单元252，比较单元253，以及第一检测单元254。其中：
所述判断单元251适于判断接收到的第i帧图像数据的属性，i为正整数。所述生成单元252适于根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列，所述第一属性序列为已存储的第i-N至i帧图像数据的属性顺序排列组成的序列，N为正整数。所述比较单元253适于将所述第一属性序列与已存储的属性序列进行比较。所述第一检测单元254适于当存在与所述第一属性序列一致的属性序列时，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
在具体实施中，可以根据电影模式的数量设置N的具体取值，此处不作限制，只要根据所述第一属性序列可以区分不同的电影模式信号以及电视隔行信号即可。例如，N的取值可以为：N≥5，即将第i帧图像数据与其至少前5帧图像数据的属性组成所述第一属性序列。
在具体实施中，所述装置250还可以包括：第二检测单元255。所述第二检测单元255适于当所述已存储的属性序列中不存在与所述第一属性序列一致的属性序列时，将第i-1帧图像数据所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
在具体实施中，当所述视频源第i帧图像数据的顶场及底场数据分别为Tm及Bn，所述视频源的第i-1帧图像数据的顶场及底场数据分别为Ts及Bk时，其中，m、n、s及k均表示所述图像数据的采集时刻，且均为正整数，相邻两采集时刻之间的时间间隔为△t，所述第i帧图像数据的属性包括以下至少一种：
当m＝n＝s＝k时，所述第i帧图像数据的属性为静止属性；
当m＝n＝s且k-s＝△t，或者m-n＝△t且n＝s＝k时，所述第i帧图像数据的属性为重复属性；
当m＝n、s＝k且m-s＝△t时，所述第i帧图像数据的属性为电影属性；
当n-m＝△t、s-n＝△t且k-s＝△t，或者n＝s、n-m＝△t且k-s＝△t时，所述第i帧图像数据的属性为交错属性。
在具体实施中，如图26所示，所述判断单元251可以包括：第一计算子单元261，分块子单元262，第二计算子单元263，选取子单元264以及判断子单元265。其中：
所述第一计算子单元261适于分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像。所述分块子单元262适于分别对所述顶场和底场的二值化图像进行分块。所述第二计算子单元263适于对分块后获得的各个宏块中的像素点的运动信息求和。所述选取子单元264适于从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值。所述判断子单元265适于根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
在具体实施中，所述判断子单元265根据所选取的最大值与对应的预设条件的关系，可以单独判断所述第i帧图像数据是否为静止属性，重复属性，交错属性或电影属性，也可以先判断所述第i帧图像数据是否为静止属性，再判断重复属性，最后判断是否为交错属性或电影属性。下面分别对每种属性的判断过程进行详细描述：
在具体实施中，所述判断子单元265可以采用如图27所示的结构，判断所述第i帧图像数据的属性是否为静止属性。具体地，如图27所示，所述判断子单元265可以包括：第一判定模块271。所述第一判定模块271适于当所选取的最大值小于第一预设阈值时，判定所述第i帧图像数据的属性为静止属性。
在具体实施中，所述判断子单元265可以分别采用如图28、29或30所示的结构，判断所述第i帧图像数据的属性是否为重复属性。下面分别对如图28、29及30所示的结构进行详细说明：
在本发明的一实施例中，如图28所示，所述判断子单元265可以包括：第一选取模块281以及第二判定模块282。其中，所述第一选取模块281适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值。所述第二判定模块282适于当所选取的最小值小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
在本发明的另一实施例中，如图29所示，所述判断子单元265可以包括：第一计算模块291，第二计算模块292以及第三判定模块293。其中，所述第一计算模块291适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和。所述第二计算模块292适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。所述第三判定模块293适于当所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值时，判定所述第i帧图像数据的属性为重复属性。所述第三预设阈值小于第一预设阈值。
在本发明的又一实施例中，如图30所示，所述判断子单元265可以包括：第一计算模块291，第二计算模块292，第一选取模块281以及第四判定模块301。其中：
所述第一计算模块291适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和。所述第二计算模块292适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。所述第一选取模块281适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值。所述第四判定模块301适于当满足以下至少一个条件时，判定所述第i帧图像数据的属性为重复属性：所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值；所选取的最小值小于等于第三预设阈值，所述第三预设阈值小于第一预设阈值。
在具体实施中，所述判断子单元265可以分别采用如图31所示的结构，判断所述第i帧图像数据的属性是否为交错属性。具体地，如图31所示，所述判断子单元265可以包括：第三计算模块311，第四计算模块312，第二选取模块313，第五计算模块314以及第五判定模块315。其中：
所述第三计算模块311适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和。所述第四计算模块312适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。所述第二选取模块313适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值。所述第五计算模块314，适于当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值。所述第五判定模块315适于当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
在具体实施中，所述判断子单元265可以分别采用如图32所示的结构，判断所述第i帧图像数据的属性是否为电影属性。具体地，如图32所示，所述判断子单元265可以包括：第三计算模块311，第四计算模块312，第二选取模块313，第五计算模块314以及第六判定模块321。其中：
所述第三计算模块311适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和。所述第四计算模块312适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值。所述第二选取模块313适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值。所述第五计算模块314，适于当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值。所述第六判定模块321适于当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
在具体实施中，如图33所示，所述第五计算模块314可以包括：筛选子模块331，第一计算子模块332，第二计算子模块333，第三计算子模块334以及选取子模块335。其中：
所述筛选子模块331适于在所述筛选后的二值化图像中顺序地将每K列的值分为一组，K为正整数，且K≥2。所述第一计算子模块332适于计算每列的值中，相邻三行的值出现交错的次数。所述第二计算子模块333适于将每组中对各列计算得到的次数进行求和。所述第三计算子模块334适于计算每组求和的结果与对应组内所有像素点的运动信息的和之间的比值。所述选取子模块335适于从所获得的比值中选取最大有效值作为所述交错比例参数值。
在具体实施中，如图34所示，所述选取子单元264可以包括：处理模块341以及第三选取模块342。其中，所述处理模块341适于分别对所述计算得到顶场及底场的二值化图像中，各个宏块中所有像素点的运动信息的和进行归一化处理。所述第三选取模块342适于从归一化后的各个宏块的所有像素点的运动信息的和中选取最大值。
由上述内容可知，本发明实施例中所述视频源的检测装置250，通过判断单元251对每一帧图像数据的属性进行判断，进而由生成单元252根据判断结果生成第一属性序列，比较单元253将所述第一属性序列与已存储的属性序列进行比较，由第一检测单元254根据比较结果获得所述第i帧图像数据的视频源。所述视频源的检测装置250在检测第i帧图像数据的视频源的过程中，可以有效提高检测效率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (28)

1.一种视频源的检测方法，其特征在于，包括：
判断接收到的第i帧图像数据的属性，i为正整数；
根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列，所述第一属性序列为已存储的第i-N至i帧图像数据的属性顺序排列组成的序列，N为正整数；
将所述第一属性序列与已存储的属性序列进行比较；
当存在与所述第一属性序列一致的属性序列时，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
2.如权利要求1所述的视频源的检测方法，其特征在于，所述第i帧图像数据的顶场及底场数据分别为Tm及Bn，所述第i-1帧图像数据的顶场及底场数据分别为Ts及Bk，其中，m、n、s及k均表示所述图像数据的采集时刻，且均为正整数，相邻两采集时刻之间的时间间隔为△t，所述第i帧图像数据的属性包括以下至少一种：
当m＝n＝s＝k时，所述第i帧图像数据的属性为静止属性；
当m＝n＝s且k-s＝△t，或者n-m＝△t且n＝s＝k时，所述第i帧图像数据的属性为重复属性；
当m＝n、s＝k且m-s＝△t时，所述第i帧图像数据的属性为电影属性；
当n-m＝△t、s-n＝△t且k-s＝△t，或者n＝s、n-m＝△t且k-s＝△t时，所述第i帧图像数据的属性为交错属性。
3.如权利要求2所述的视频源的检测方法，其特征在于，所述判断所述第i帧图像数据的属性，包括：
分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像；
分别对所述顶场和底场的二值化图像进行分块；
分别对分块后获得的各个宏块中的像素点的运动信息求和；
从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值；
根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
4.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值小于第一预设阈值时，判定所述第i帧图像数据的属性为静止属性。
5.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当所选取的最小值小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
6.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
当所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
7.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所 有像素点的运动信息之和的比值；
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当满足以下其中一个条件时，判定所述第i帧图像数据的属性为重复属性：
所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值；
所选取的最小值小于等于第三预设阈值，所述第三预设阈值小于第一预设阈值。
8.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
9.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所 有像素点的运动信息之和的比值；
从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
当计算得到的交错比例参数值小于等于第四预设阈值时，判定所述第i帧图像数据的属性为电影属性。
10.如权利要求8或9所述的视频源的检测方法，其特征在于，所述根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值，包括：
从所述第i帧图像数据中各个像素点的运动信息中筛选出边界像素点的运动信息，以及因帧间延迟产生运动的像素点的运动信息，得到筛选后的二值化图像；
在所述筛选后的二值化图像中顺序地将每K列的值分为一组，K为正整数，且K≥2；
计算每列的值中，相邻三行的值出现交错的次数；
将每组中对各列计算得到的次数进行求和；
计算每组求和的结果与对应组内所有像素点的运动信息的和之间的比值；
从所获得的比值中选取最大有效值作为所述交错比例参数值。
11.如权利要求3所述的视频源的检测方法，其特征在于，所述根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性，包括：
根据所选取的最大值与对应的预设条件的关系，先判断所述第i帧图像数据是否为静止属性，再判断重复属性，最后判断是否为交错属性或电影属性。
12.如权利要求3所述的视频源的检测方法，其特征在于，所述从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值，包括：
分别对所述计算得到顶场及底场的二值化图像中，各个宏块中所有像素点的运动信息的和进行归一化处理；
从归一化后的各个宏块的所有像素点的运动信息的和中选取最大值。
13.如权利要求1所述的视频源的检测方法，其特征在于，N≥5。
14.如权利要求1所述的视频源的检测方法，其特征在于，当所述已存储的属性序列中不存在与所述第一属性序列一致的属性序列时，还包括：将第i-1帧图像数据所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
15.一种视频源的检测装置，其特征在于，包括：
判断单元，适于判断接收到的第i帧图像数据的属性，i为正整数；
生成单元，适于根据判断结果及已存储的第i-N帧至第i帧图像数据的属性生成第一属性序列，所述第一属性序列为已存储的第i-N至i帧图像数据的属性顺序排列组成的序列，N为正整数；
比较单元，适于将所述第一属性序列与已存储的属性序列进行比较；
第一检测单元，适于当存在与所述第一属性序列一致的属性序列时，将与所述第一属性序列一致的属性序列所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
16.如权利要求15所述的视频源的检测装置，其特征在于，所述视频源第i帧图像数据的顶场及底场数据分别为Tm及Bn，所述视频源的第i-1帧图像数据的顶场及底场数据分别为Ts及Bk，其中，m、n、s及k均表示所述图像数据的采集时刻，且均为正整数，相邻两采集时刻之间的时间间隔为△t，所述第i帧图像数据的属性包括以下至少一种：
当m＝n＝s＝k时，所述第i帧图像数据的属性为静止属性；
当m＝n＝s且k-s＝△t，或者m-n＝△t且n＝s＝k时，所述第i帧图像数据的属性为重复属性；
当m＝n、s＝k且m-s＝△t时，所述第i帧图像数据的属性为电影属性；
当n-m＝△t、s-n＝△t且k-s＝△t，或者n＝s、n-m＝△t且k-s＝△t时，所述 第i帧图像数据的属性为交错属性。
17.如权利要求16所述的视频源的检测装置，其特征在于，所述判断单元包括：
第一计算子单元，适于分别计算所述第i帧图像数据顶场和底场中各个像素点的运动信息，获得对应的二值化图像；
分块子单元，适于分别对所述顶场和底场的二值化图像进行分块；
第二计算子单元，适于对分块后获得的各个宏块中的像素点的运动信息求和；
选取子单元，适于从计算得到的各个宏块的所有像素点的运动信息的和中选取最大值；
判断子单元，适于根据所选取的最大值与对应的预设条件的关系，判断所述第i帧图像数据的属性。
18.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元包括：第一判定模块，适于当所选取的最大值小于第一预设阈值时，判定所述第i帧图像数据的属性为静止属性。
19.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元包括：
第一选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第二判定模块，适于当所选取的最小值小于等于第三预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
20.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元包括：
第一计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第二计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第三判定模块，适于当所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值时，判定所述第i帧图像数据的属性为重复属性，所述第三预设阈值小于第一预设阈值。
21.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元包括：
第一计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第二计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第一选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第四判定模块，适于当满足以下至少一个条件时，判定所述第i帧图像数据的属性为重复属性：
所述第i帧图像数据顶场中所有像素点的运动信息之和，与底场中所有像素点的运动信息之和的比值小于等于第二预设阈值；
所选取的最小值小于等于第三预设阈值，所述第三预设阈值小于第一预设阈值。
22.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元包括：
第三计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第四计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第二选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之 和中选取最小值；
第五计算模块，适于当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
第五判定模块，适于当计算得到的交错比例参数值大于第四预设阈值时，判定所述第i帧图像数据的属性为交错属性。
23.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元包括：
第三计算模块，适于当所选取的最大值大于等于所述第一预设阈值时，分别对所述第i帧图像数据顶场和底场中所有像素点的运动信息求和；
第四计算模块，适于计算所述第i帧图像数据顶场中所有像素点的运动信息之和与底场中所有像素点的运动信息之和的比值；
第二选取模块，适于从计算得到的各个宏块的所有像素点的运动信息之和中选取最小值；
第五计算模块，适于当所述第i帧图像数据顶场中所有像素点的运动信息的和，与底场中所有像素点的运动信息的和的比值大于第二预设阈值，并且所选取的最小值小于第三预设阈值时，根据所述第i帧图像数据中各个像素点的运动信息，计算交错比例参数值；
第六判定模块，适于当计算得到的交错比例参数值小于等于第四预设阈值时，判定所述第i帧图像数据的属性为电影属性。
24.如权利要求22或23所述的视频源的检测装置，其特征在于，所述第五计算模块包括：
筛选子模块，适于在所述筛选后的二值化图像中顺序地将每K列的值分为一组，K为正整数，且K≥2；
第一计算子模块，适于计算每列的值中，相邻三行的值出现交错的次数；
第二计算子模块，适于将每组中对各列计算得到的次数进行求和；
第三计算子模块，适于计算每组求和的结果与对应组内所有像素点的运动信息的和之间的比值；
选取子模块，适于从所获得的比值中选取最大有效值作为所述交错比例参数值。
25.如权利要求17所述的视频源的检测装置，其特征在于，所述判断子单元根据所选取的最大值与对应的预设条件的关系，先判断所述第i帧图像数据是否为静止属性，再判断重复属性，最后判断是否为交错属性或电影属性。
26.如权利要求17所述的视频源的检测装置，其特征在于，所述选取子单元包括：
处理模块，适于分别对所述计算得到顶场及底场的二值化图像中，各个宏块中所有像素点的运动信息的和进行归一化处理；
第三选取模块，适于从归一化后的各个宏块的所有像素点的运动信息的和中选取最大值。
27.如权利要求15所述的视频源的检测装置，其特征在于，N≥5 。
28.如权利要求15所述的视频源的检测装置，其特征在于，还包括：第二检测单元，适于当所述已存储的属性序列中不存在与所述第一属性序列一致的属性序列时，将第i-1帧图像数据所对应的视频源的模式作为所述第i帧图像数据的视频源的模式。
CN201510548858.6A 2015-08-31 2015-08-31 视频源的检测方法及装置 Active CN106488312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510548858.6A CN106488312B (zh) 2015-08-31 2015-08-31 视频源的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510548858.6A CN106488312B (zh) 2015-08-31 2015-08-31 视频源的检测方法及装置

Publications (2)

Publication Number Publication Date
CN106488312A true CN106488312A (zh) 2017-03-08
CN106488312B CN106488312B (zh) 2019-04-30

Family

ID=58236427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510548858.6A Active CN106488312B (zh) 2015-08-31 2015-08-31 视频源的检测方法及装置

Country Status (1)

Country Link
CN (1) CN106488312B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345997A (zh) * 2018-12-12 2019-02-15 惠科股份有限公司 显示驱动方法、显示驱动装置和显示装置
CN110929093A (zh) * 2019-11-20 2020-03-27 百度在线网络技术（北京）有限公司 用于搜索控制的方法、装置、设备和介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010002853A1 (en) * 1999-12-02 2001-06-07 Lg Electronics Inc. Film mode detection method using periodic pattern of video sequence
EP1198138A1 (en) * 2000-10-13 2002-04-17 Matsushita Electric Industrial Co., Ltd. Method and apparatus for film mode detection in video fields
CN1477870A (zh) * 2002-07-25 2004-02-25 ���ǵ�����ʽ���� 去隔行装置和方法
CN1878282A (zh) * 2006-07-12 2006-12-13 北京中星微电子有限公司 一种用于数字视频解交错及其场序列检测的方法和装置
CN101076104A (zh) * 2006-05-19 2007-11-21 深圳艾科创新微电子有限公司 电影模式的检测方法
CN101483790A (zh) * 2008-12-22 2009-07-15 四川虹微技术有限公司 电影模式视频信号检测方法
CN101483745A (zh) * 2008-12-22 2009-07-15 四川虹微技术有限公司 基于边缘检测的视频模式识别方法
CN101557491A (zh) * 2008-04-09 2009-10-14 宝利微电子系统控股公司 视频图像电影模式检测方法及装置
CN101610348A (zh) * 2008-06-16 2009-12-23 宝利微电子系统控股公司 检测多种电影模式的方法及装置
CN101754047A (zh) * 2008-12-03 2010-06-23 汤姆森特许公司 用于检测电影模式或摄像机模式的方法
CN102300071A (zh) * 2010-06-22 2011-12-28 上海高清数字科技产业有限公司 电影模式视频信号处理方法和装置
CN104580978A (zh) * 2015-02-11 2015-04-29 北京海尔集成电路设计有限公司 一种视频检测及处理方法、装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010002853A1 (en) * 1999-12-02 2001-06-07 Lg Electronics Inc. Film mode detection method using periodic pattern of video sequence
EP1198138A1 (en) * 2000-10-13 2002-04-17 Matsushita Electric Industrial Co., Ltd. Method and apparatus for film mode detection in video fields
CN1477870A (zh) * 2002-07-25 2004-02-25 ���ǵ�����ʽ���� 去隔行装置和方法
CN101076104A (zh) * 2006-05-19 2007-11-21 深圳艾科创新微电子有限公司 电影模式的检测方法
CN1878282A (zh) * 2006-07-12 2006-12-13 北京中星微电子有限公司 一种用于数字视频解交错及其场序列检测的方法和装置
CN101557491A (zh) * 2008-04-09 2009-10-14 宝利微电子系统控股公司 视频图像电影模式检测方法及装置
CN101610348A (zh) * 2008-06-16 2009-12-23 宝利微电子系统控股公司 检测多种电影模式的方法及装置
CN101754047A (zh) * 2008-12-03 2010-06-23 汤姆森特许公司 用于检测电影模式或摄像机模式的方法
CN101483790A (zh) * 2008-12-22 2009-07-15 四川虹微技术有限公司 电影模式视频信号检测方法
CN101483745A (zh) * 2008-12-22 2009-07-15 四川虹微技术有限公司 基于边缘检测的视频模式识别方法
CN102300071A (zh) * 2010-06-22 2011-12-28 上海高清数字科技产业有限公司 电影模式视频信号处理方法和装置
CN104580978A (zh) * 2015-02-11 2015-04-29 北京海尔集成电路设计有限公司 一种视频检测及处理方法、装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345997A (zh) * 2018-12-12 2019-02-15 惠科股份有限公司 显示驱动方法、显示驱动装置和显示装置
CN109345997B (zh) * 2018-12-12 2022-04-01 惠科股份有限公司 显示驱动方法、显示驱动装置和显示装置
CN110929093A (zh) * 2019-11-20 2020-03-27 百度在线网络技术（北京）有限公司 用于搜索控制的方法、装置、设备和介质
CN110929093B (zh) * 2019-11-20 2023-08-11 百度在线网络技术（北京）有限公司 用于搜索控制的方法、装置、设备和介质

Also Published As

Publication number Publication date
CN106488312B (zh) 2019-04-30

Similar Documents

Publication Publication Date Title
US20040165084A1 (en) Flicker detecting method and flicker detecting apparatus
CN105933783A (zh) 一种弹幕的播放方法、装置和终端设备
JP2007172384A (ja) 画像検索装置および画像検索方法
CN108769776A (zh) 标题字幕检测方法、装置及电子设备
CN109313805A (zh) 图像处理装置、图像处理系统、图像处理方法和程序
CN107123094A (zh) 一种混合泊松、高斯和脉冲噪声的视频去噪方法
CN104424631A (zh) 一种基于枪球联动系统的坐标关联方法及装置
US20180063449A1 (en) Method for processing an asynchronous signal
CN109313806A (zh) 图像处理装置、图像处理系统、图像处理方法和程序
CN108550166A (zh) 一种空间目标图像匹配方法
CN1703095B (zh) 检测字母盒的装置和方法及具备其的mpeg解码器
CN106488312A (zh) 视频源的检测方法及装置
CN108257125A (zh) 一种基于自然场景统计的深度图像质量无参考评价方法
CN105094413B (zh) 触控装置、触控控制器及触控面板的噪声检测方法
CN103871089B (zh) 一种基于融合的图像超像素网格化方法
CN106570889A (zh) 一种检测红外视频中弱小目标的方法
CN112613494A (zh) 基于深度对抗网络的电力线路监控异常识别方法及系统
CN103279973A (zh) 基于混合并行的立体图像匹配系统
CN106295592A (zh) 一种媒体文件字幕的识别方法、装置及电子设备
CN106454509A (zh) 一种广告图像的检测方法及装置
CN105141963B (zh) 图像运动估计方法和装置
CN110490170A (zh) 一种人脸候选框提取方法
US6373897B1 (en) Moving quantity detection apparatus and method
CN101903907A (zh) 针对边缘的图像处理
CN104243887B (zh) 一种基于不规则采样的电影模式检测方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200529

Address after: 8-07, building 6, ronghuiyuan, airport economic core area, Shunyi District, Beijing

Patentee after: Xin Xin finance leasing (Beijing) Co.,Ltd.

Address before: 201203 Shanghai city Zuchongzhi road Pudong New Area Zhangjiang hi tech park, Spreadtrum Center Building 1, Lane 2288

Patentee before: SPREADTRUM COMMUNICATIONS (SHANGHAI) Co.,Ltd.

TR01 Transfer of patent right

Effective date of registration: 20201126

Address after: Room 2502, COFCO Plaza, 990 Nanma Road, Nankai District, Tianjin

Patentee after: Xin Xin finance leasing (Tianjin) Co.,Ltd.

Address before: 8-07, building 6, ronghuiyuan, airport economic core area, Shunyi District, Beijing

Patentee before: Xin Xin finance leasing (Beijing) Co.,Ltd.

TR01 Transfer of patent right
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20170308

Assignee: SPREADTRUM COMMUNICATIONS (SHANGHAI) Co.,Ltd.

Assignor: Xin Xin finance leasing (Tianjin) Co.,Ltd.

Contract record no.: X2021110000055

Denomination of invention: Detection method and device of video source

Granted publication date: 20190430

License type: Exclusive License

Record date: 20211227

EE01 Entry into force of recordation of patent licensing contract
TR01 Transfer of patent right

Effective date of registration: 20230711

Address after: 201203 Shanghai city Zuchongzhi road Pudong New Area Zhangjiang hi tech park, Spreadtrum Center Building 1, Lane 2288

Patentee after: SPREADTRUM COMMUNICATIONS (SHANGHAI) Co.,Ltd.

Address before: Room 2502, COFCO Plaza, 990 Nanma Road, Nankai District, Tianjin 300100

Patentee before: Xin Xin finance leasing (Tianjin) Co.,Ltd.

TR01 Transfer of patent right