CN106898020B - 基于视频处理的监控图像对比度异常识别方法及系统 - Google Patents

基于视频处理的监控图像对比度异常识别方法及系统 Download PDF

Info

Publication number
CN106898020B
CN106898020B CN201710100635.2A CN201710100635A CN106898020B CN 106898020 B CN106898020 B CN 106898020B CN 201710100635 A CN201710100635 A CN 201710100635A CN 106898020 B CN106898020 B CN 106898020B
Authority
CN
China
Prior art keywords
contrast
channel image
image
channel
factor
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
CN201710100635.2A
Other languages
English (en)
Other versions
CN106898020A (zh
Inventor
王登才
于昊
朱鹏飞
谭征兵
周斌
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.)
JIANGSU CHANGTIAN ZHIYUAN TRAFFIC TECHNOLOGY CO LTD
Original Assignee
JIANGSU CHANGTIAN ZHIYUAN TRAFFIC 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 JIANGSU CHANGTIAN ZHIYUAN TRAFFIC TECHNOLOGY CO LTD filed Critical JIANGSU CHANGTIAN ZHIYUAN TRAFFIC TECHNOLOGY CO LTD
Priority to CN201710100635.2A priority Critical patent/CN106898020B/zh
Publication of CN106898020A publication Critical patent/CN106898020A/zh
Application granted granted Critical
Publication of CN106898020B publication Critical patent/CN106898020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Image Analysis (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明的基于视频处理的监控图像对比度异常识别方法及系统，方法为：获取监控视频中的视频图像数据流，通过解码器将数据流解码为YUV数据；提取YUV数据中的Y通道图像；根据Y通道图像，计算得到Y通道图像的对比度因子；将Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，第一对比度比较结果包括对比度异常结果和对比度正常结果。本发明的基于视频处理的监控图像对比度异常识别方法及系统，通过实时对监控视频中的视频图像进行YUV通道的对比度因子比较，得到图像对比度检测结果，此方法的计算量较小，实时性好，且检测结果准确性高。

Description

基于视频处理的监控图像对比度异常识别方法及系统
技术领域
本发明涉及安防监控领域，尤其涉及基于视频处理的监控图像对比度异常识别方法及系统。
背景技术
对比度异常分为亮度对比度异常及颜色对比度异常。亮度对比度异常的特点是，难以识别物体的纹理信息及边界；区别于偏色现象，颜色对比度异常的特点是，由于某一通道的对比度不强(输出值为恒定的非0值)，导致整幅画面呈现出多个主色调，难以辨别原始目标的色彩信息。对比度异常的产生原因有，相机失焦、抖动、RGB通道工作异常、干扰等。
目前，常用的对比度检测方法有频域法、对比法等。
由于频域法需要进行傅里叶变换，所以计算量较大，而且易受噪声干扰。
对比法则是通过预先存储一张对比度正常的图像，通过计算当前图像与对比图像的对比度差异来判断是否出现了对比度异常，该方式应用起来比较繁琐，而且在出现相机遮挡、云台相机移位时难以达到理想效果。
因此，现有技术中的缺陷是，现有的对比度异常分析方法计算量大，对比结果容易受到干扰，影响图像对比度异常检测结果的实时性和准确性。
发明内容
针对上述技术问题，本发明提供一种基于视频处理的监控图像对比度异常识别方法及系统，通过实时对监控视频中的视频图像进行YUV通道的对比度因子比较，得到图像对比度检测结果，此方法的计算量较小，实时性好，且检测结果准确性高。
为解决上述技术问题，本发明提供的技术方案是：
第一方面，本发明提供一种基于视频处理的监控图像对比度异常识别方法，包括：
步骤S1，获取监控视频中的视频图像数据流，将所述数据流解码为YUV数据；
步骤S2，提取所述YUV数据中的Y通道图像；
步骤S3，根据所述Y通道图像，计算得到所述Y通道图像的对比度因子；
步骤S4，将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，所述第一对比度比较结果包括对比度异常结果和对比度正常结果。
本发明的基于视频处理的监控图像对比度异常识别方法，其技术方案为：获取监控视频中的视频图像数据流，将所述数据流解码为YUV数据；提取所述YUV数据中的Y通道图像；根据所述Y通道图像，计算得到所述Y通道图像的对比度因子；将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，所述第一对比度比较结果包括对比度异常结果和对比度正常结果。
本发明的基于视频处理的监控图像对比度异常识别方法，通过实时对监控视频中的视频图像进行YUV通道的对比度因子比较，得到图像对比度检测结果，此方法的计算量较小，实时性好，且检测结果准确性高。
进一步地，所述步骤S4之后还包括：
步骤S5，根据所述对比度正常结果，将YUV空间转换至RGB空间，并提取R、G、B通道图像；
步骤S6，根据所述R、G、B通道图像，计算得到所述R、G、B通道图像的对比度因子；
步骤S7，将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较，得到第二对比度比较结果，所述第二对比度比较结果包括对比度异常结果和对比度正常结果。
进一步地，所述步骤S4，具体为：
将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果：
若所述Y通道图像的对比度因子不大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度异常；
若所述Y通道图像的对比度因子大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度正常。
进一步地，所述步骤S7，具体为：
将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较，得到第二对比度比较结果：
若所述R、G、B通道图像的对比度因子不大于所述第二预设阈值，所述第二对比度比较结果为所述视频图像的对比度异常；
若所述R、G、B通道图像的对比度因子大于所述第二预设阈值，所述第二对比度比较结果为所述视频图像的对比度正常。
进一步地，所述步骤S3，具体为：
提取所述Y通道图像，通过计算得到所述Y通道图像的梯度图；
根据所述Y通道图像的梯度图，计算得到所述Y通道图像的梯度图的对比度特征；
根据所述Y通道图像的梯度图的对比度特征，计算得到所述Y通道图像的对比度因子。
进一步地，所述步骤S6，具体为：
通过计算得到所述R、G、B通道图像的梯度图；
根据所述R、G、B通道图像的梯度图，计算得到所述R、G、B通道图像的梯度图的灰度直方图；
根据所述R、G、B通道图像的梯度图和灰度直方图，计算得到所述R、G、B通道图像的梯度图的对比度特征；
根据所述R、G、B通道图像的梯度图的对比度特征，计算得到所述R、G、B通道图像的对比度因子。
进一步地，所述计算得到所述Y通道图像的梯度图的对比度特征，具体为：
计算所述Y通道图像的梯度图的灰度直方图；
根据所述灰度直方图，计算所述灰度直方图的上界对比度特征；
根据所述灰度直方图的上界对比度特征，计算得到所述灰度直方图的均值，所述灰度直方图的上界对比度特征和所述均值作为所述Y通道图像的梯度图的对比度特征。
第二方面，本发明提供了一种基于视频处理的监控图像对比度异常识别系统，包括：
YUV数据获取模块，用于获取监控视频中的视频图像数据流，将所述数据流解码为YUV数据；
Y通道图像提取模块，用于提取所述YUV数据中的Y通道图像；
Y通道对比度因子获取模块，用于根据所述Y通道图像，计算得到所述Y通道图像的对比度因子；
Y通道对比度识别模块，用于将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，所述第一对比度比较结果包括对比度异常结果和对比度正常结果。
本发明提供的基于视频处理的监控图像对比度异常识别系统，其技术方案为：通过YUV数据获取模块，用于获取监控视频中的视频图像数据流，将所述数据流解码为YUV数据；通过Y通道图像提取模块，用于提取所述YUV数据中的Y通道图像；通过Y通道对比度因子获取模块，用于根据所述Y通道图像，计算得到所述Y通道图像的对比度因子；
通过Y通道对比度识别模块，用于将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，所述第一对比度比较结果包括对比度异常结果和对比度正常结果。
进一步地，所述对比度识别模块之后，还包括：
RGB通道图像提取模块，用于根据所述对比度正常结果，将YUV空间转换至RGB空间，并提取R、G、B通道图像；
RGB通道对比度因子获取模块，用于根据所述R、G、B通道图像，计算得到所述R、G、B通道图像的对比度因子；
RGB通道对比度识别模块，用于将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较，得到第二对比度比较结果，所述第二对比度比较结果包括对比度异常结果和对比度正常结果。
进一步地，所述对比度识别模块，具体用于：
将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果：
若所述Y通道图像的对比度因子不大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度异常；
若所述Y通道图像的对比度因子大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度正常。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1示出了本发明实施例所提供的一种基于视频处理的监控图像对比度异常识别方法的流程图；
图2示出了本发明实施例所提供的一种基于视频处理的监控图像对比度异常识别系统的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
实施例一
图1示出了本发明第一实施例所提供的一种基于视频处理的监控图像对比度异常识别方法的流程图；如图1所示，本发明实施例一提供的一种基于视频处理的监控图像对比度异常识别方法，包括：
步骤S1，获取监控视频中的视频图像数据流，通过解码器将数据流解码为YUV数据；
步骤S2，提取YUV数据中的Y通道图像；
步骤S3，根据Y通道图像，计算得到Y通道图像的对比度因子；
具体为：
提取Y通道图像，通过计算得到Y通道图像的梯度图GrandY；
首先采用sobel算子分别计算Y通道图像的x、y方向梯度图Gx、Gy，x方向算子为{-a,0,a；-a,0,a；-a,0,a}，y方向算子为{-a,-a,-a；0,0,0；a,a,a},其中a＝1/3。Gx代表的是图像的x方向对比度，Gy代表的是图像y方向对比度。
如下计算Y通道图像的梯度图GrandY：
Figure BDA0001231639630000061
其中(i，j)为像素坐标。
根据Y通道图像的梯度图GrandY，计算得到Y通道图像的梯度图的对比度特征Mud、Mmean；
其中，计算得到Y通道图像的梯度图的对比度特征，具体为：
计算Y通道图像的梯度图GrandY的灰度直方图HistGY，公式如下：
Figure BDA0001231639630000062
Figure BDA0001231639630000071
其中，H、W为GrandY的高度和宽度，ψ(i,j)表示图像GrandY在坐标(i,j)的像素值为r时值为1，不为r时值为0。
根据灰度直方图HistGY，计算灰度直方图HistGY的上界对比度特征Mud，公式如下：
Figure BDA0001231639630000072
其中，Mud为滤出噪声干扰的HistGY的上界。
根据灰度直方图的上界对比度特征Mud，计算得到灰度直方图HistGY的均值，灰度直方图的上界对比度特征和均值作为Y通道图像的梯度图的对比度特征，公式如下：
Figure BDA0001231639630000073
根据Y通道图像的梯度图GrandY的对比度特征Mud、Mmean，计算得到Y通道图像的对比度因子αcontrast-Y，公式如下：
αcontrast-Y＝ρ*Mud+(1-ρ)*Mmean
其中，ρ为权重参数，可根据该参数调整对比度参数的贡献率，取值区间为[0.3,0.7]。
步骤S4，将Y通道图像的对比度因子αcontrast-Y与第一预设阈值thcontrast进行比较，得到第一对比度比较结果，第一对比度比较结果包括对比度异常结果和对比度正常结果；
具体为：
将Y通道图像的对比度因子αcontrast-Y与第一预设阈值thcontrast进行比较，得到第一对比度比较结果：
若Y通道图像的对比度因子αcontrast-Y不大于第一预设阈值thcontrast，第一对比度比较结果为Y通道图像的对比度异常；
若Y通道图像的对比度因子αcontrast-Y大于第一预设阈值thcontrast，第一对比度比较结果为Y通道图像的对比度正常。
本发明的基于视频处理的监控图像对比度异常识别方法，通过实时对监控视频中的视频图像进行YUV通道的对比度因子比较，得到图像对比度检测结果，此方法的计算量较小，实时性好，且检测结果准确性高。另外，本方法可以作为一个检测模块快速部署，计算量较小，适用于监控领域，相机数量大、实时要求较高的情况。
基于对Y通道图像的对比度检测，如果比较结果是Y通道图像的对比度正常，则进行下一步的对比度异常检测，这样结合YUV通道和RGB通道作进一步的对比度异常检测，使检测结果更准确，同时该方法的计算量小，保证了方法的实时性。基于YUV通道的对比度检测的正常结果，进行RGB空间的对比度异常检测，具体为在步骤S4之后还包括：
步骤S5，根据对比度正常结果，将YUV空间转换至RGB空间，并提取R、G、B通道图像；
具体为：将YUV空间转化为RGB空间，依次提取每一个通道图像Ic，c＝R,G,B。
步骤S6，根据R、G、B通道图像，计算得到R、G、B通道图像的对比度因子；
具体为：
通过计算得到R、G、B通道图像的梯度图GrandIc；
首先，采用Sobel算子计算x、y方向梯度图Gxc、Gyc，x方向算子为{-a,0,a；-a,0,a；-a,0,a}，y方向算子为{-a,-a,-a；0,0,0；a,a,a},a＝1/3。
然后，计算Ic的梯度图GrandIc。
Figure BDA0001231639630000081
(i,j)为图像坐标
最后，统计梯度图GrandIc的灰度直方图HistIc，公式如下：
Figure BDA0001231639630000091
H,W为Ic的高度与宽度
Figure BDA0001231639630000092
根据R、G、B通道图像的梯度图GrandIc和灰度直方图HistIc，计算得到R、G、B通道图像的梯度图的对比度特征Mud-c、Mmean-c，公式如下：
Figure BDA0001231639630000093
Figure BDA0001231639630000094
根据R、G、B通道图像的梯度图的对比度特征Mud-c、Mmean-c，计算得到R、G、B通道图像的对比度因子αcontrast-c，公式如下：
αcontrast-c＝ρ*Mud-c+(1-ρ)*Mmean-c，ρ∈[0.3，0.7]
步骤S7，将R、G、B通道图像的对比度因子αcontrast-c与第二预设阈值thcontrast-c进行比较，得到第二对比度比较结果，第二对比度比较结果包括对比度异常结果和对比度正常结果。
具体为：
若R、G、B通道图像的对比度因子αcontrast-c不大于第二预设阈值thcontrast-c，第二对比度比较结果为视频图像的对比度异常；
若R、G、B通道图像的对比度因子αcontrast-c大于第二预设阈值thcontrast-c，第二对比度比较结果为视频图像的对比度正常。
最后，可根据检测的结果，即对比度异常结果进行报警及处理，包括Y通道对比度异常的产生原因可能是聚焦不准、镜片模糊等，解决办法有调节焦距、清洗或更换镜片等；颜色通道(R\G\B)对比度异常的产生原因可能是传输干扰、CCD层的分色滤色片出现故障，解决办法有检查网络、排除干扰源、维修相机等。
因此，本发明的基于视频处理的监控图像对比度异常识别方法，用于自动报警监控视频质量检测系统中视频图像发生对比度异常的情况。通过实时对监控视频中的视频图像进行YUV通道和RGB通道的对比度因子比较，得到图像对比度检测结果，此方法的计算量较小，实时性好，且检测结果准确性高。另外，本方法可以作为一个检测模块快速部署，计算量较小，适用于监控领域，相机数量大、实时要求较高的情况。
图2示出了本发明实施例所提供的一种基于视频处理的监控图像对比度异常识别系统的示意图，参见图2，本发明实施例提供了一种基于视频处理的监控图像对比度异常识别系统10，包括：
YUV数据获取模块101，用于获取监控视频中的视频图像数据流，通过解码器将数据流解码为YUV数据；
Y通道图像提取模块102，用于提取YUV数据中的Y通道图像；
Y通道对比度因子获取模块103，用于根据Y通道图像，计算得到Y通道图像的对比度因子；
Y通道对比度识别模块104，用于将Y通道图像的对比度因子αcontrast-Y与第一预设阈值thcontrast进行比较，得到第一对比度比较结果，第一对比度比较结果包括对比度异常结果和对比度正常结果；
具体为：
将Y通道图像的对比度因子αcontrast-Y与第一预设阈值thcontrast进行比较，得到第一对比度比较结果：
若Y通道图像的对比度因子αcontrast-Y不大于第一预设阈值thcontrast，第一对比度比较结果为Y通道图像的对比度异常；
若Y通道图像的对比度因子αcontrast-Y大于第一预设阈值thcontrast，第一对比度比较结果为Y通道图像的对比度正常。
本发明提供的基于视频处理的监控图像对比度异常识别系统10，其技术方案为：通过YUV数据获取模块101，用于获取监控视频中的视频图像数据流，通过解码器将数据流解码为YUV数据；通过Y通道图像提取模块102，用于提取YUV数据中的Y通道图像；通过Y通道对比度因子获取模块103，用于根据Y通道图像，计算得到Y通道图像的对比度因子；
通过Y通道对比度识别模块104，用于将Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，第一对比度比较结果包括对比度异常结果和对比度正常结果。
本发明的基于视频处理的监控图像对比度异常识别系统10，通过实时对监控视频中的视频图像进行YUV通道的对比度因子比较，得到图像对比度检测结果，此方法的计算量较小，实时性好，且检测结果准确性高。另外，本方法可以作为一个检测模块快速部署，计算量较小，适用于监控领域，相机数量大、实时要求较高的情况。
基于对Y通道图像的对比度检测，如果比较结果是Y通道图像的对比度正常，则进行下一步的对比度异常检测，这样结合YUV通道和RGB通道作进一步的对比度异常检测，使检测结果更准确，同时该方法的计算量小，保证了方法的实时性。基于YUV通道的对比度检测的正常结果，进行RGB空间的对比度异常检测，具体为：对比度识别模块之后，还包括：
(1)RGB通道图像提取模块，用于根据对比度正常结果，将YUV空间转换至RGB空间，并提取R、G、B通道图像；
具体为：将YUV空间转化为RGB空间，依次提取每一个通道图像Ic，c＝R,G,B。
(2)RGB通道对比度因子获取模块，用于根据R、G、B通道图像，计算得到R、G、B通道图像的对比度因子；
具体为：
通过计算得到R、G、B通道图像的梯度图GrandIc；
首先，采用Sobel算子计算x、y方向梯度图Gxc、Gyc，x方向算子为{-a,0,a；-a,0,a；-a,0,a}，y方向算子为{-a,-a,-a；0,0,0；a,a,a},a＝1/3。
然后，计算Ic的梯度图GrandIc。
Figure BDA0001231639630000121
(i,j)为图像坐标
最后，统计梯度图GrandIc的灰度直方图HistIc，公式如下：
Figure BDA0001231639630000122
H,W为Ic的高度与宽度
Figure BDA0001231639630000123
根据R、G、B通道图像的梯度图GrandIc和灰度直方图HistIc，计算得到R、G、B通道图像的梯度图的对比度特征Mud-c、Mmean-c，公式如下：
Figure BDA0001231639630000124
Figure BDA0001231639630000125
根据R、G、B通道图像的梯度图的对比度特征Mud-c、Mmean-c，计算得到R、G、B通道图像的对比度因子αcontrast-c，公式如下：
αcontrast-c＝ρ*Mud-c+(1-ρ)*Mmean-c，ρ∈[0.3，0.7]
(3)RGB通道对比度识别模块，用于将R、G、B通道图像的对比度因子αcontrast-c与第二预设阈值thcontrast-c进行比较，得到第二对比度比较结果，第二对比度比较结果包括对比度异常结果和对比度正常结果。
具体为：
若R、G、B通道图像的对比度因子αcontrast-c不大于第二预设阈值thcontrast-c，第二对比度比较结果为视频图像的对比度异常；
若R、G、B通道图像的对比度因子αcontrast-c大于第二预设阈值thcontrast-c，第二对比度比较结果为视频图像的对比度正常。
最后，可根据检测的结果，即对比度异常结果进行报警及处理，包括Y通道对比度异常的产生原因可能是聚焦不准、镜片模糊等，解决办法有调节焦距、清洗或更换镜片等；颜色通道(R\G\B)对比度异常的产生原因可能是传输干扰、CCD层的分色滤色片出现故障，解决办法有检查网络、排除干扰源、维修相机等。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (6)

1.基于视频处理的监控图像对比度异常识别方法，其特征在于，包括：
步骤S1，获取监控视频中的视频图像数据流，将所述数据流解码为YUV数据；
步骤S2，提取所述YUV数据中的Y通道图像；
步骤S3，根据所述Y通道图像，计算得到所述Y通道图像的对比度因子；
步骤S4，将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，所述第一对比度比较结果包括对比度异常结果和对比度正常结果，
所述步骤S4之后还包括：
步骤S5，根据所述对比度正常结果，将YUV空间转换至RGB空间，并提取R、G、B通道图像；
步骤S6，根据所述R、G、B通道图像，计算得到所述R、G、B通道图像的对比度因子；
所述步骤S6，具体为：
通过计算得到所述R、G、B通道图像的梯度图；
根据所述R、G、B通道图像的梯度图，计算得到所述R、G、B通道图像的梯度图的灰度直方图；
根据所述R、G、B通道图像的梯度图和灰度直方图，计算得到所述R、G、B通道图像的梯度图的对比度特征；
根据所述R、G、B通道图像的梯度图的对比度特征，计算得到所述R、G、B通道图像的对比度因子；
步骤S7，将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较，得到第二对比度比较结果，所述第二对比度比较结果包括对比度异常结果和对比度正常结果；
所述步骤S7，具体为：
将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较，得到第二对比度比较结果：
若所述R、G、B通道图像的对比度因子不大于所述第二预设阈值，所述第二对比度比较结果为所述视频图像的对比度异常；
若所述R、G、B通道图像的对比度因子大于所述第二预设阈值，所述第二对比度比较结果为所述视频图像的对比度正常。
2.根据权利要求1所述的基于视频处理的监控图像对比度异常识别方法，其特征在于，
所述步骤S4，具体为：
将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果：
若所述Y通道图像的对比度因子不大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度异常；
若所述Y通道图像的对比度因子大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度正常。
3.根据权利要求1所述的基于视频处理的监控图像对比度异常识别方法，其特征在于，
所述步骤S3，具体为：
提取所述Y通道图像，通过计算得到所述Y通道图像的梯度图；
根据所述Y通道图像的梯度图，计算得到所述Y通道图像的梯度图的对比度特征；
根据所述Y通道图像的梯度图的对比度特征，计算得到所述Y通道图像的对比度因子。
4.根据权利要求1所述的基于视频处理的监控图像对比度异常识别方法，其特征在于，
所述计算得到所述Y通道图像的梯度图的对比度特征，具体为：
计算所述Y通道图像的梯度图的灰度直方图；
根据所述灰度直方图，计算所述灰度直方图的上界对比度特征；
根据所述灰度直方图的上界对比度特征，计算得到所述灰度直方图的均值，所述灰度直方图的上界对比度特征和所述均值作为所述Y通道图像的梯度图的对比度特征。
5.基于视频处理的监控图像对比度异常识别系统，其特征在于，
YUV数据获取模块，用于获取监控视频中的视频图像数据流，将所述数据流解码为YUV数据；
Y通道图像提取模块，用于提取所述YUV数据中的Y通道图像；
Y通道对比度因子获取模块，用于根据所述Y通道图像，计算得到所述Y通道图像的对比度因子；
Y通道对比度识别模块，用于将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果，所述第一对比度比较结果包括对比度异常结果和对比度正常结果；
所述对比度识别模块之后，还包括：
RGB通道图像提取模块，用于根据所述对比度正常结果，将YUV空间转换至RGB空间，并提取R、G、B通道图像；
RGB通道对比度因子获取模块，用于根据所述R、G、B通道图像，计算得到所述R、G、B通道图像的对比度因子；
所述RGB通道对比度因子获取模块，具体用于：
通过计算得到所述R、G、B通道图像的梯度图；
根据所述R、G、B通道图像的梯度图，计算得到所述R、G、B通道图像的梯度图的灰度直方图；
根据所述R、G、B通道图像的梯度图和灰度直方图，计算得到所述R、G、B通道图像的梯度图的对比度特征；
根据所述R、G、B通道图像的梯度图的对比度特征，计算得到所述R、G、B通道图像的对比度因子；
RGB通道对比度识别模块，用于将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较，得到第二对比度比较结果，所述第二对比度比较结果包括对比度异常结果和对比度正常结果；
所述RGB通道对比度识别模块，具体用于：
将所述R、G、B通道图像的对比度因子与第二预设阈值进行比较得到第二对比度比较结果；
若所述R、G、B通道图像的对比度因子不大于所述第二预设阈值，所述第二对比度比较结果为所述视频图像的对比度异常；
若所述R、G、B通道图像的对比度因子大于所述第二预设阈值，所述第二对比度比较结果为所述视频图像的对比度正常。
6.根据权利要求5所述的基于视频处理的监控图像对比度异常识别系统，其特征在于，
所述对比度识别模块，具体用于：
将所述Y通道图像的对比度因子与第一预设阈值进行比较，得到第一对比度比较结果：
若所述Y通道图像的对比度因子不大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度异常；
若所述Y通道图像的对比度因子大于所述第一预设阈值，所述第一对比度比较结果为所述Y通道图像的对比度正常。
CN201710100635.2A 2017-02-23 2017-02-23 基于视频处理的监控图像对比度异常识别方法及系统 Active CN106898020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710100635.2A CN106898020B (zh) 2017-02-23 2017-02-23 基于视频处理的监控图像对比度异常识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710100635.2A CN106898020B (zh) 2017-02-23 2017-02-23 基于视频处理的监控图像对比度异常识别方法及系统

Publications (2)

Publication Number Publication Date
CN106898020A CN106898020A (zh) 2017-06-27
CN106898020B true CN106898020B (zh) 2020-09-22

Family

ID=59185478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710100635.2A Active CN106898020B (zh) 2017-02-23 2017-02-23 基于视频处理的监控图像对比度异常识别方法及系统

Country Status (1)

Country Link
CN (1) CN106898020B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108347601B (zh) * 2018-03-19 2020-06-19 云丁网络技术(北京)有限公司 视频遮挡的检测方法及相关设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424633A (zh) * 2013-08-23 2015-03-18 浙江大华技术股份有限公司 一种视频对比度异常检测方法及装置
CN105430384A (zh) * 2015-12-10 2016-03-23 青岛海信网络科技股份有限公司 一种视频质量诊断方法和系统
CN105913385A (zh) * 2016-03-31 2016-08-31 宇龙计算机通信科技(深圳)有限公司 雾霾图像的清晰化方法、系统和图像处理装置
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9843761B2 (en) * 2015-02-05 2017-12-12 Polycom, Inc. System and method for brightening video image regions to compensate for backlighting

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424633A (zh) * 2013-08-23 2015-03-18 浙江大华技术股份有限公司 一种视频对比度异常检测方法及装置
CN105430384A (zh) * 2015-12-10 2016-03-23 青岛海信网络科技股份有限公司 一种视频质量诊断方法和系统
CN105913385A (zh) * 2016-03-31 2016-08-31 宇龙计算机通信科技(深圳)有限公司 雾霾图像的清晰化方法、系统和图像处理装置
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
视频监控端到端业务质量监测技术研究;金振等;《电信工程技术与标准化》;20160831;第11-14页 *

Also Published As

Publication number Publication date
CN106898020A (zh) 2017-06-27

Similar Documents

Publication Publication Date Title
US9076037B2 (en) Image processing apparatus and method
JP4767240B2 (ja) 映像の境界を検出する方法及びその装置とこれを具現するコンピューターで読み取れる記録媒体
WO2017047494A1 (ja) 画像処理装置
US20120019728A1 (en) Dynamic Illumination Compensation For Background Subtraction
TWI419082B (zh) 偵測視訊序列中的移動物體影像的方法以及影像處理系統
CN103702111B (zh) 一种检测摄像头视频偏色的方法
CN103139492B (zh) 摄像装置、摄像方法以及监视系统
CN101299239B (zh) 文字区域图像的获取方法及装置、文字识别系统
WO2017192199A1 (en) Methods and apparatus for automated noise and texture optimization of digital image sensors
CN109598736B (zh) 深度图像与彩色图像的配准方法及装置
KR102006763B1 (ko) Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템
JP2016540440A (ja) ピクチャー処理方法、装置
CN111612773B (zh) 一种红外热像仪及实时自动盲元检测处理方法
CN107644437B (zh) 基于分块的偏色检测系统及其方法
KR101336240B1 (ko) 저장된 영상을 이용한 영상 처리 방법 및 장치
WO2013114803A1 (ja) 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム
CN106898020B (zh) 基于视频处理的监控图像对比度异常识别方法及系统
CN105335981B (zh) 一种基于图像的货物监控方法
CN117351036A (zh) 一种crh5动车组齿轮箱箱体裂纹边缘检测方法
CN105809677B (zh) 一种基于双边滤波器的图像边缘检测方法及系统
Sonawane et al. Image quality assessment techniques: An overview
US9189706B1 (en) Apparatus and method for detecting motion
US11631183B2 (en) Method and system for motion segmentation
KR101267279B1 (ko) 영상에서 비를 제거하기 위한 영상 처리 장치 및 방법
Vuong et al. Initial direction and speed decision system for auto focus based on blur detection

Legal Events

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

Effective date of registration: 20211126

Address after: Room 1108, No. 186-1, Jiangdong Middle Road, Jianye District, Nanjing, Jiangsu 210019

Patentee after: Jiangsu Changtian Zhiyuan Information Technology Co.,Ltd.

Address before: Floor 13, building 2, NANDA Sofitel scientific innovation park, No. 19, Qingjiang South Road, Nanjing, Jiangsu 210029

Patentee before: JIANGSU CHANGTIAN ZHIYUAN TRAFFIC TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231115

Address after: Building 1, No. 88 Yurun Street, Jianye District, Nanjing City, Jiangsu Province, 210000, 6th Floor, 6-128

Patentee after: JIANGSU CHANGTIAN ZHIYUAN TRAFFIC TECHNOLOGY Co.,Ltd.

Address before: Room 1108, No. 186-1, Jiangdong Middle Road, Jianye District, Nanjing, Jiangsu 210019

Patentee before: Jiangsu Changtian Zhiyuan Information Technology Co.,Ltd.

TR01 Transfer of patent right