CN109996062B - 视频图像质量检测方法、装置、计算机设备和存储介质 - Google Patents
视频图像质量检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109996062B CN109996062B CN201910269056.XA CN201910269056A CN109996062B CN 109996062 B CN109996062 B CN 109996062B CN 201910269056 A CN201910269056 A CN 201910269056A CN 109996062 B CN109996062 B CN 109996062B
- Authority
- CN
- China
- Prior art keywords
- video image
- image
- factor
- laplace
- detected
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请涉及一种视频图像质量检测方法、装置、计算机设备和存储介质。所述方法包括:获取待检测视频图像、第一时段信息和第一环境信息,所述第一时段信息为第一时段的时段信息,所述第一环境信息为所述待检测视频图像对应的视频图像采集装置所在环境在所述第一时段时的环境信息;根据所述第一时段信息和所述第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;根据所述目标基准视频图像对所述待检测视频图像进行质量检测。采用本方法能够检测结果的准确性。
Description
技术领域
本申请涉及视频监控技术领域,特别是涉及一种视频图像质量检测方法、装置、计算机设备和存储介质。
背景技术
随着城镇化发展,视频监控系统已成为社区安防管理最重要系统之一,因此,高清的视频画面和稳定的视频流对日常的监控求特别重要。
为了保证高清的视频画面和稳定的视频流,对视频画面(或者称为视频图像)的质量进行检测变得尤为重要。其中,在进行质量检测是,一般是将待检测视频图像与预先保存的某一张或者几张视频图像进行比较,这种方式,视频图像质量检测结果的准确性偏低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高检测结果准确性的视频图像质量检测方法、装置、计算机设备和存储介质。
一种视频图像质量检测方法,该述方法包括:
获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
根据目标基准视频图像对待检测视频图像进行质量检测。
在其中一个实施例中,上述的获取待检测视频图像,包括:
接收终端发送的目标视频图像,目标视频图像为在终端与目标流媒体设备建立会话连接后,根据目标流媒体设备返回的视频流获得,流媒体设备支持实时网络传输协议;
根据目标视频图像,获取第一时段内的视频图像;
对第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将第一数目的视频图像作为待检测视频图像。
在其中一个实施例中,上述的方法还包括:
根据目标视频图像,获取第二时段内的视频图像;
根据第二时段内的视频图像,得到第二数目的视频图像;
指示终端显示第二数目的视频图像,检测对第二数目的视频图像的选择操作,将选中的视频图像作为基准视频图像;
获取第二时段信息和第二环境信息,第二时段信息为第二时段的时段信息,第二环境信息为视频图像采集装置所在环境在第二时段时的环境信息;
将第二时段信息和第二环境信息,与选中的视频图像绑定后存储在基准视频图像集中。
在其中一个实施例中,上述的根据目标基准视频图像对待检测视频图像进行质量检测,包括:
将待检测视频图像转换为第一灰度图像,根据第一灰度图像确定第一灰度直方图;
将目标基准视频图像转换为第二灰度图像,根据第二灰度图像确定第二灰度直方图;
根据第一灰度直方图和第二灰度直方图,确定待检测视频图像和目标基准视频图像的灰度图像直方图差异度参数;
在灰度图像直方图差异度参数大于预设的差异度阈值时,判定待检测视频图像出现点位偏移。
在其中一个实施例中,上述的根据目标基准视频图像对待检测视频图像进行质量检测,包括:
将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;
根据第一灰度图像确定第一拉普拉斯因子,第一拉普拉斯因子为第一灰度图像的拉普拉斯因子;
根据第二灰度图像确定第一拉普拉斯模糊因子,第二拉普拉斯模糊因子为第二灰度图像的拉普拉斯模糊因子;
根据第一拉普拉斯因子和第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,第一拉普拉斯因子差值为第一拉普拉斯模糊因子和第一拉普拉斯因子的差值;
在第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,上述的根据目标基准视频图像对待检测视频图像进行质量检测,包括:
将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;
根据第一灰度图像确定第二拉普拉斯模糊因子,第二拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子;
根据第二灰度图像确定第二拉普拉斯因子,第二拉普拉斯因子为第二灰度图像的拉普拉斯因子;
根据第二拉普拉斯因子和第二拉普拉斯模糊因子计算第二拉普拉斯因子差值,第二拉普拉斯因子差值为第二拉普拉斯模糊因子和第二拉普拉斯因子的差值;
在第二拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,上述的根据基准视频图像对待检测视频图像进行质量检测,包括:
获取待检测视频图像的各个像素点的颜色值;
根据颜色值和预设的黑色值范围,确定待检测视频图像的图像黑色占比率;
根据颜色值和预设的蓝色值范围,确定待检测视频图像的图像黑色占比率;
根据颜色值和预设的灰色值范围,确定待检测视频图像的图像灰色占比率;
在图像黑色占比率大于预设的黑色占比率阈值时,或者在图像蓝色占比率大于预设的蓝色占比率阈值时,或者在图像灰色占比率大于预设的灰色占比率阈值时,确定待检测视频图像关联的信号存在故障。
一种视频图像质量检测装置,该装置包括:
获取模块,用于获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
选取模块,用于根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
检测模块,用于根据目标基准视频图像对待检测视频图像进行质量检测。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
根据目标基准视频图像对待检测视频图像进行质量检测。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
根据目标基准视频图像对待检测视频图像进行质量检测。
上述视频图像质量检测方法、装置、计算机设备和存储介质,由于是根据目标基准视频图像对待检测视频图像进行质量检测,而目标基准视频图是根据与待检测视频图像对应的第一时段信息和第一环境信息,从基准视频图像集中选取出的,如此,目标基准视频图像的时段信息和环境信息,是与待检测视频图像的时段信息和环境信息相匹配的,可以提升视频图像质量的检测结果的准确性。
附图说明
图1为一个实施例中视频图像质量检测方法的应用环境图;
图2为一个实施例中视频图像质量检测方法的流程示意图;
图3为另一个实施例中待检测视频图像获取步骤的流程示意图;
图4为一个实施例中基准视频图像集的建立步骤的流程示意图;
图5为一个实施例中视频图像质量检测步骤的流程示意图;
图6为另一个实施例中视频图像质量检测步骤的流程示意图;
图7为再一个实施例中视频图像质量检测步骤的流程示意图;
图8为又一个实施例中视频图像质量检测步骤的流程示意图;
图9为一个实施例中视频图像质量检测装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的视频图像质量检测方法,可以应用于如图1所示的应用环境中。可以应用于如图1所示的应用环境中。其中,终端104通过网络与流媒体设备102和服务器106进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑和便携式可穿戴设备。终端104中安装有相应的应用端软件(应用程序)。该应用端软件可以预先安装在终端104,也可以是在终端104启动后,从第三方设备或网络服务器进行下载并安装。其中,第三方设备在实施例中不作限定。服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。流媒体设备102可以是流媒体服务或者其他支持实时网络传输协议的设备,例如,ipc摄像头(IP Camera,网络摄像机)。
在一个实施例中,如图2所示,提供了一种视频图像质量检测方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
这里,第一时段一般是指待检测视频图像的采集时刻所在时段。
具体地,可以每次获取待检测视频图像、第一时段信息和第一环境信息,也可以是在记录有(或者说已获取)第一时段信息和第一环境信息时,仅获取待检测视频图像,后者是考虑到,在同一段时间内多个不同时刻,时段信息和环境信息往往变化不大,可以在同一段时间内只采集一次第一时段信息和第一环境信息,如此,可以减少数据处理量。
步骤204,根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
其中,基准视频图像集中存储有多张基准视频图像,每张基准视频图像对应不同的时段信息和环境信息;时段信息可以包括季节或者月份信息,也可以包括在一天中的时间信息,例如,h1h1:m1m1:s1s1-h2h2:m2m2:s2s2,h1h1:m1m1:s1s1是指一个时段的开始时刻(时分秒信息),h2h2:m2m2:s2s2是指一个时段的结束时刻(时分秒信息)。不同季节或者不同月份,同一天的时段划分方式也可以是不同的。环境信息可以是天气状况信息,例如,晴天、雨天、多云、阴天和雾天等等,不同类型的天气又可以划分成不同的细类,例如,雨天可以划分为小雨、大雨和中雨。
其中,基准视频图像集的建立方式可以是,例如,将一天的时间划分为多个时段,针对每个时段分别就不同的环境信息选取一张视频图像作为基准视频图像。
具体地,可以根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取与第一时段信息和第一环境信息匹配的基准视频图像,选出的基准视频图像作为目标基准视频图像。
步骤206,根据目标基准视频图像对待检测视频图像进行质量检测。
具体地,可以根据待检测视频图像与目标基准视频图像的差异程度,确定待检测视频图像的质量信息。
上述视频图像质量检测方法中,由于是根据目标基准视频图像对待检测视频图像进行质量检测,而目标基准视频图是根据与待检测视频图像对应的第一时段信息和第一环境信息,从基准视频图像集中选取出的,如此,目标基准视频图像的时段信息和环境信息,是与待检测视频图像的时段信息和环境信息相匹配的,可以提升视频图像质量的检测结果的准确性。
在其中一个实施例中,如图3所示,上述的获取待检测视频图像,可以包括:
步骤302,接收终端发送的目标视频图像,目标视频图像为在终端与目标流媒体设备建立会话连接后,根据目标流媒体设备返回的视频流获得,流媒体设备支持实时网络传输协议;
其中,实时网络传输协议可以包括但不限于是RTSP(Real-Time StreamProtocol,基于文本的多媒体播放控制协议)、RTP(Real-time Transport Protocol,实时传输协议)、RTMP(Real Time Messaging Protocol,实时消息传输协议)和HTTP(HyperText Transfer Protocol,超文本传输协议)。
具体地,终端向目标流媒体设备发送会话连接建立请求,在接收到目标流媒体设备返回的会话连接已建立消息后,向目标流媒体设备发送视频播放请求,接收目标流媒体设备在接收视频播放请求后,通过所建立的会话连接返回的视频流,根据目标流媒体设备返回的视频流获取目标视频图像,将目标视频图像发送给服务器,服务器接收终端发送的目标视频图像。
步骤304,根据目标视频图像,获取第一时段内的视频图像;
这里,第一时段可以是当前时段,或者其他指定时段。
步骤306,对第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将第一数目的视频图像作为待检测视频图像。
其中,第一数目的大小可以根据实际需要设定。
其中,抽帧处理方式可以采用等间隔的抽帧方式,也可以采用非等间隔的抽帧方式,一般以等间隔的抽帧方式为佳。
本实施例的方案,终端与目标流媒体设备建立会话连接,可以通过播放视频的方式就可以获得目标视频图像,如此,不需要借助于视频采集卡也能实现视频图像获取,可以节约成本。
在其中一个实施例中,本发明的视频图像质量检测方法还可以包括基准视频图像集的建立步骤,如图4所示,该基准视频图像集的建立步骤可以包括:
步骤402,根据目标视频图像,获取第二时段内的视频图像;
这里,第二时段可以根据实际需要选取,第二时段的数目一般大于1。
步骤404,根据第二时段内的视频图像,得到第二数目的视频图像;
其中,第二时段以及第二数目可以分别根据实际需要设定。
具体地,可以对第二时段内的视频图像进行抽帧处理,得到第二数目的视频图像;
步骤406,指示终端显示第二数目的视频图像,检测对第二数目的视频图像的选择操作,将选中的视频图像作为基准视频图像;
具体地,服务器将第二数目的视频图像发送给终端进行显示。本实施例方案中,是借助于人工干预的方式确定基准视频图像。这里,可以逐一显示第二数目的视频图像供用户选择,可以一次性显示多张视频图像供用户选择。
步骤408,获取第二时段信息和第二环境信息,第二时段信息为第二时段的时段信息,第二环境信息为视频图像采集装置所在环境在第二时段时的环境信息;
步骤410,将第二时段信息和第二环境信息,与选中的视频图像绑定后存储在基准视频图像集中。
采用本实施例中的方案,每选择一个第二时段,可以存储一张视频图像到基准视频图像集,如此,可以基于时段信息和环境信息选择多个第二时段,得到包括多张基准视频图像的基准视频图像集。
在其中一个实施例中,如图5所示,上述的根据目标基准视频图像对待检测视频图像进行质量检测,可以包括如下步骤:
步骤502,将待检测视频图像转换为第一灰度图像,根据第一灰度图像确定第一灰度直方图;
这里,根据第一灰度图像确定第一灰度直方图,可以是将第一灰度图像按行或者按列进行灰度统计,得到第一灰度直方图。
步骤504,将目标基准视频图像转换为第二灰度图像,根据第二灰度图像确定第二灰度直方图;
这里,根据第二灰度图像确定第一灰度直方图,可以是将第二灰度图像按行或者按列进行灰度统计,得到第二灰度直方图。其中,对第二灰度图像的灰度统计方式和对第一灰度图像的灰度统计方式一致,例如,同为按行进行统计或者同为按列进行灰度统计。
步骤506,根据第一灰度直方图和第二灰度直方图,确定待检测视频图像和目标基准视频图像的灰度图像直方图差异度参数;
这里,灰度图像直方图差异度参数是指表征第一灰度直方图和第二灰度直方图的差异程度的参数值,例如,可以是灰度图像直方图方差(或者称为灰度直方图方差),或者灰度图像直方图均方差(或者称为灰度直方图均方差)。
以灰度图像直方图方差为例,可以可以根据如下的公式(1)确定灰度图像直方图方差。
其中,gi表示待检测视频图像的第i列或者第i行对应的灰度图像像素值的统计值,si表示基准视频图像的第i列或者第i行对应的灰度图像像素值的统计值,i=1,2,3,...,N,N表示检测视频图像(也可以是基准视频图像)的像素行数或者像素列数。f表示灰度图像直方图差异度参数。Max(gi,si)表示对gi和si取最大值。
步骤508,在灰度图像直方图差异度参数大于预设的差异度阈值时,判定待检测视频图像出现点位偏移。
其中,预设的差异度阈值的大小可以根据实际需要设定,对于不同类型的灰度图像直方图差异度参数,可以设置不同的差异度阈值。
具体地,还可以在判定待检测视频图像出现点位偏移时,或者在判定待检测视频图像出现点位偏移的连续次数超过预设的次数门限值的时候,输出告警信息。输出告警信息的方式可以根据实际需要选定,例如,文字提示报警、语音提示报警或者动画提示报警。
采用本实施例的方案,可以实现视频图像点位偏移的自动检测,可以降低劳动强度,且能够节约人力成本,同时,由于是基于待检测视频图像的灰度图像和基准视频图像的灰度图像,确定待检测视频图像和基准视频图像的差异程度,这样可以只对RGB色彩模式的其中一个通道做处理,数据处理量小,数据处理高,可以满足视频图像花屏的实时检测需求。
在其中一个实施例中,如图6所示,上述的根据目标基准视频图像对待检测视频图像进行质量检测,可以包括如下步骤:
步骤602,将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;
步骤604,根据第一灰度图像确定第一拉普拉斯因子,第一拉普拉斯因子为第一灰度图像的拉普拉斯因子;
其中,拉普拉斯因子的计算公式为:其中,Laplace(f)表示拉普拉斯因子,f(即f(x,y))表示第一灰度图像的颜色值,(x,y)表示像素点的坐标值,且Δ2f(x,y)=f(x+1,y)+f(x,y+1)+f(x-1,y)+f(x,y-1)-4f(x,y)。
步骤606,根据第二灰度图像确定第一拉普拉斯模糊因子,第二拉普拉斯模糊因子为第二灰度图像的拉普拉斯模糊因子;
具体地,可以对第二灰度图像进行模糊化处理,然后,计算模糊化处理后的图像的拉普拉斯因子,也即第二灰度图像的拉普拉斯模糊因子。这里的拉普拉斯因子也可以采用上述拉普拉斯因子的计算公式,只是公式中的f相应地表示模糊化处理后的图像的颜色值。
上述步骤604和步骤606可以不采用上述先后顺序执行,也可以同时执行。
步骤608,根据第一拉普拉斯因子和第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,第一拉普拉斯因子差值为第一拉普拉斯模糊因子和第一拉普拉斯因子的差值;
其中,第一拉普拉斯因子差值一般是第一拉普拉斯模糊因子和第一拉普拉斯因子的差值的绝对值。
步骤610,在第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
其中,差值阈值的大小可以根据实际需要设定。
具体地,还可以在判定待检测视频图像出现花屏时,或者在判定待检测视频图像出现花屏的连续次数超过预设的次数门限值的时候,输出告警信息。输出告警信息的方式可以根据实际需要选定,例如,文字提示报警、语音提示报警或者动画提示报警。
采用本实施例的方案,可以实现视频图像花屏的自动检测,可以降低劳动强度,且能够节约人力成本,同时,由于是基于待检测视频图像的灰度图像和基准视频图像的灰度图像,确定待检测视频图像和基准视频图像是否出现花屏,这样可以只对RGB色彩模式的其中一个通道做处理,数据处理量小,数据处理高,可以满足视频图像花屏的实时检测需求。
在其中一个实施例中,如图7所示,上述的根据目标基准视频图像对待检测视频图像进行质量检测,可以包括如下步骤:
步骤702,将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像。
步骤704,根据第一灰度图像确定第二拉普拉斯模糊因子,第二拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子;
具体地,可以对第一灰度图像进行模糊化处理,然后,计算该模糊化处理后的图像的拉普拉斯因子,也即第一灰度图像的拉普拉斯模糊因子。这里的拉普拉斯因子也可以采用上述拉普拉斯因子的计算公式,只是公式中的f相应地表示这里的模糊化处理后的图像的颜色值。
步骤706,根据第二灰度图像确定第二拉普拉斯因子,第二拉普拉斯因子为第二灰度图像的拉普拉斯因子;
这里的拉普拉斯因子也可以采用上述拉普拉斯因子的计算公式,只是公式中的f相应地表示第二灰度图像的的颜色值。
其中,第二拉普拉斯因子和第二拉普拉斯模糊因子可以采用现有的拉普拉斯因子和拉普拉斯模糊因子计算公式进行计算得到,在此不予赘述。
步骤708,根据第二拉普拉斯因子和第二拉普拉斯模糊因子计算第二拉普拉斯因子差值,第二拉普拉斯因子差值为第二拉普拉斯模糊因子和第二拉普拉斯因子的差值;
其中,第二拉普拉斯因子差值一般是第二拉普拉斯模糊因子和第二拉普拉斯因子的差值的绝对值。
步骤S710,在第二拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
这里,差值阈值的大小可以根据实际情况设定,本步骤的差值阈值和步骤610中的差值阈值可以为相同的值,也可以为不同的值。
采用本实施例的方案,同样可以实现视频图像花屏的自动检测,可以降低劳动强度,且能够节约人力成本,可以满足实时检测需求。
在其中一个实施例中,上述的根据目标基准视频图像对待检测视频图像进行质量检测,如图8所示,可以包括如下步骤:
步骤802,获取待检测视频图像的各个像素点的颜色值;
这里,颜色值指RGB值。具体地,可以遍历待检测视频图像的各个像素点,得到各个像素点的RGB值。
步骤804,根据颜色值和预设的黑色值范围,确定待检测视频图像的图像黑色占比率;
其中,黑色值范围可以实际情况确定,较佳的,该黑色值范围为[0,0,0]与[180,255,10]之间的范围,即RGB值在[0,0,0]与[180,255,10]之间的范围,像素点就为黑色的像素点。图像黑色占比率等于待检测视频图像的中黑色的像素点数目与待检测视频图像中的总像素点数目的比值。
步骤806,根据颜色值和预设的蓝色值范围,确定待检测视频图像的图像黑色占比率;
其中,蓝色值范围可以实际情况确定,较佳的,该蓝色值范围为[100,128,46]与[124,255,255]之间的范围,即RGB值在[100,128,46]与[124,255,255]之间的范围,像素点就为蓝色的像素点。图像蓝色占比率等于待检测视频图像的中蓝色的像素点数目与待检测视频图像中的总像素点数目的比值。
步骤808,根据颜色值和预设的灰色值范围,确定待检测视频图像的图像灰色占比率;
其中,灰色值范围可以实际情况确定,较佳的,该灰色值范围为[0,0,46]与[180,43,220]之间的范围,即RGB值在[0,0,46]与[180,43,220]之间的范围,像素点就为灰色的像素点。图像灰色占比率等于待检测视频图像的中灰色的像素点数目与待检测视频图像中的总像素点数目的比值。
步骤810,在图像黑色占比率大于预设的黑色占比率阈值时,或者在图像蓝色占比率大于预设的蓝色占比率阈值时,或者在图像灰色占比率大于预设的灰色占比率阈值时,确定待检测视频图像关联的信号存在故障。
其中,黑色占比率阈值、蓝色占比率阈值和灰色占比率阈值的大小可以根据实际需要确定。
本实施例方案,可以有效地对监控画面信号故障(灰屏、蓝屏和黑屏)进行自动检测,且准确性高。
应该理解的是,虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种视频图像质量检测装置,包括:获取模块902、选取模块904和检测模块906,其中:
获取模块902,用于获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
选取模块904,用于根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
检测模块906,用于根据目标基准视频图像对待检测视频图像进行质量检测。
在其中一个实施例中,获取模块902可以接收终端发送的目标视频图像,目标视频图像为在终端与目标流媒体设备建立会话连接后,根据目标流媒体设备返回的视频流获得,流媒体设备支持实时网络传输协议,根据目标视频图像,获取第一时段内的视频图像,对第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将第一数目的视频图像作为待检测视频图像。
在其中一个实施例中,上述视频图像质量检测装置还可以包括建立模块,建立模块可以用于根据目标视频图像,获取第二时段内的视频图像,根据第二时段内的视频图像,得到第二数目的视频图像,指示终端显示第二数目的视频图像,检测对第二数目的视频图像的选择操作,将选中的视频图像作为基准视频图像,获取第二时段信息和第二环境信息,第二时段信息为第二时段的时段信息,第二环境信息为视频图像采集装置所在环境在第二时段时的环境信息,将第二时段信息和第二环境信息,与选中的视频图像绑定后存储在基准视频图像集中。
在其中一个实施例中,检测模块906可以包括点位偏移检测单元、第一花屏检测单元、第二花屏检测单元和信号故障检测单元中的一个或者任意多个的组合。
在其中一个实施例中,点位偏移检测单元可以用于将待检测视频图像转换为第一灰度图像,根据第一灰度图像确定第一灰度直方图,将目标基准视频图像转换为第二灰度图像,根据第二灰度图像确定第二灰度直方图,根据第一灰度直方图和第二灰度直方图,确定待检测视频图像和目标基准视频图像的灰度图像直方图差异度参数,在灰度图像直方图差异度参数大于预设的差异度阈值时,判定待检测视频图像出现点位偏移。
在其中一个实施例中,第一花屏检测单元可以用于将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像,根据第一灰度图像确定第一拉普拉斯因子,第一拉普拉斯因子为第一灰度图像的拉普拉斯因子,根据第二灰度图像确定第一拉普拉斯模糊因子,第二拉普拉斯模糊因子为第二灰度图像的拉普拉斯模糊因子,根据第一拉普拉斯因子和第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,第一拉普拉斯因子差值为第一拉普拉斯模糊因子和第一拉普拉斯因子的差值,在第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,第二花屏检测单元可以用于将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像,根据第一灰度图像确定第二拉普拉斯模糊因子,第二拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子,根据第二灰度图像确定第二拉普拉斯因子,第二拉普拉斯因子为第二灰度图像的拉普拉斯因子,根据第二拉普拉斯因子和第二拉普拉斯模糊因子计算第二拉普拉斯因子差值,第二拉普拉斯因子差值为第二拉普拉斯模糊因子和第二拉普拉斯因子的差值,在第二拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,信号故障检测单元可以用于获取待检测视频图像的各个像素点的颜色值,根据颜色值和预设的黑色值范围,确定待检测视频图像的图像黑色占比率,根据颜色值和预设的蓝色值范围,确定待检测视频图像的图像黑色占比率,根据颜色值和预设的灰色值范围,确定待检测视频图像的图像灰色占比率,在图像黑色占比率大于预设的黑色占比率阈值时,或者在图像蓝色占比率大于预设的蓝色占比率阈值时,或者在图像灰色占比率大于预设的灰色占比率阈值时,确定待检测视频图像关联的信号存在故障。
关于视频图像质量检测装置的具体限定可以参见上文中对于视频图像质量检测方法的限定,在此不再赘述。上述视频图像质量检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储视频图像质量检测中需要用到的各图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频图像质量检测方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
根据目标基准视频图像对待检测视频图像进行质量检测。
在其中一个实施例中,处理器执行计算机程序实现上述的获取待检测视频图像的步骤时,具体实现以下步骤:接收终端发送的目标视频图像,目标视频图像为在终端与目标流媒体设备建立会话连接后,根据目标流媒体设备返回的视频流获得,流媒体设备支持实时网络传输协议;根据目标视频图像,获取第一时段内的视频图像;对第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将第一数目的视频图像作为待检测视频图像。
在其中一个实施例中,处理器执行计算机程序时,还实现以下步骤:根据目标视频图像,获取第二时段内的视频图像;根据第二时段内的视频图像,得到第二数目的视频图像;指示终端显示第二数目的视频图像,检测对第二数目的视频图像的选择操作,将选中的视频图像作为基准视频图像;获取第二时段信息和第二环境信息,第二时段信息为第二时段的时段信息,第二环境信息为视频图像采集装置所在环境在第二时段时的环境信息;将第二时段信息和第二环境信息,与选中的视频图像绑定后存储在基准视频图像集中。
在其中一个实施例中,处理器执行计算机程序实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:将待检测视频图像转换为第一灰度图像,根据第一灰度图像确定第一灰度直方图;将目标基准视频图像转换为第二灰度图像,根据第二灰度图像确定第二灰度直方图;根据第一灰度直方图和第二灰度直方图,确定待检测视频图像和目标基准视频图像的灰度图像直方图差异度参数;在灰度图像直方图差异度参数大于预设的差异度阈值时,判定待检测视频图像出现点位偏移。
在其中一个实施例中,处理器执行计算机程序实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;根据第一灰度图像确定第一拉普拉斯因子,第一拉普拉斯因子为第一灰度图像的拉普拉斯因子;根据第二灰度图像确定第一拉普拉斯模糊因子,第二拉普拉斯模糊因子为第二灰度图像的拉普拉斯模糊因子;根据第一拉普拉斯因子和第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,第一拉普拉斯因子差值为第一拉普拉斯模糊因子和第一拉普拉斯因子的差值;在第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,处理器执行计算机程序实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;根据第一灰度图像确定第二拉普拉斯模糊因子,第二拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子;根据第二灰度图像确定第二拉普拉斯因子,第二拉普拉斯因子为第二灰度图像的拉普拉斯因子;根据第二拉普拉斯因子和第二拉普拉斯模糊因子计算第二拉普拉斯因子差值,第二拉普拉斯因子差值为第二拉普拉斯模糊因子和第二拉普拉斯因子的差值;在第二拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,处理器执行计算机程序实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:获取待检测视频图像的各个像素点的颜色值;根据颜色值和预设的黑色值范围,确定待检测视频图像的图像黑色占比率;根据颜色值和预设的蓝色值范围,确定待检测视频图像的图像黑色占比率;根据颜色值和预设的灰色值范围,确定待检测视频图像的图像灰色占比率;在图像黑色占比率大于预设的黑色占比率阈值时,或者在图像蓝色占比率大于预设的蓝色占比率阈值时,或者在图像灰色占比率大于预设的灰色占比率阈值时,确定待检测视频图像关联的信号存在故障。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待检测视频图像、第一时段信息和第一环境信息,第一时段信息为第一时段的时段信息,第一环境信息为待检测视频图像对应的视频图像采集装置所在环境在第一时段时的环境信息;
根据第一时段信息和第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
根据目标基准视频图像对待检测视频图像进行质量检测。
在其中一个实施例中,计算机程序被处理器执行实现上述的获取待检测视频图像的步骤时,具体实现以下步骤:接收终端发送的目标视频图像,目标视频图像为在终端与目标流媒体设备建立会话连接后,根据目标流媒体设备返回的视频流获得,流媒体设备支持实时网络传输协议;根据目标视频图像,获取第一时段内的视频图像;对第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将第一数目的视频图像作为待检测视频图像。
在其中一个实施例中,计算机程序被处理器执行时,还实现以下步骤:根据目标视频图像,获取第二时段内的视频图像;根据第二时段内的视频图像,得到第二数目的视频图像;指示终端显示第二数目的视频图像,检测对第二数目的视频图像的选择操作,将选中的视频图像作为基准视频图像;获取第二时段信息和第二环境信息,第二时段信息为第二时段的时段信息,第二环境信息为视频图像采集装置所在环境在第二时段时的环境信息;将第二时段信息和第二环境信息,与选中的视频图像绑定后存储在基准视频图像集中。
在其中一个实施例中,计算机程序被处理器执行实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:将待检测视频图像转换为第一灰度图像,根据第一灰度图像确定第一灰度直方图;将目标基准视频图像转换为第二灰度图像,根据第二灰度图像确定第二灰度直方图;根据第一灰度直方图和第二灰度直方图,确定待检测视频图像和目标基准视频图像的灰度图像直方图差异度参数;在灰度图像直方图差异度参数大于预设的差异度阈值时,判定待检测视频图像出现点位偏移。
在其中一个实施例中,计算机程序被处理器执行实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;根据第一灰度图像确定第一拉普拉斯因子,第一拉普拉斯因子为第一灰度图像的拉普拉斯因子;根据第二灰度图像确定第一拉普拉斯模糊因子,第二拉普拉斯模糊因子为第二灰度图像的拉普拉斯模糊因子;根据第一拉普拉斯因子和第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,第一拉普拉斯因子差值为第一拉普拉斯模糊因子和第一拉普拉斯因子的差值;在第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,计算机程序被处理器执行实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:将待检测视频图像转换为第一灰度图像,将目标基准视频图像转换为第二灰度图像;根据第一灰度图像确定第二拉普拉斯模糊因子,第二拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子;根据第二灰度图像确定第二拉普拉斯因子,第二拉普拉斯因子为第二灰度图像的拉普拉斯因子;根据第二拉普拉斯因子和第二拉普拉斯模糊因子计算第二拉普拉斯因子差值,第二拉普拉斯因子差值为第二拉普拉斯模糊因子和第二拉普拉斯因子的差值;在第二拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
在其中一个实施例中,计算机程序被处理器执行实现上述的根据目标基准视频图像对待检测视频图像进行质量检测的步骤时,具体实现以下步骤:获取待检测视频图像的各个像素点的颜色值;根据颜色值和预设的黑色值范围,确定待检测视频图像的图像黑色占比率;根据颜色值和预设的蓝色值范围,确定待检测视频图像的图像黑色占比率;根据颜色值和预设的灰色值范围,确定待检测视频图像的图像灰色占比率;在图像黑色占比率大于预设的黑色占比率阈值时,或者在图像蓝色占比率大于预设的蓝色占比率阈值时,或者在图像灰色占比率大于预设的灰色占比率阈值时,确定待检测视频图像关联的信号存在故障。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种视频图像质量检测方法,其特征在于,所述方法包括:
获取待检测视频图像、第一时段信息和第一环境信息,所述第一时段信息为第一时段的时段信息,所述第一环境信息为所述待检测视频图像对应的视频图像采集装置所在环境在所述第一时段时的环境信息;
根据所述第一时段信息和所述第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
根据所述目标基准视频图像对所述待检测视频图像进行质量检测;
其中,所述根据目标基准视频图像对所述待检测视频图像进行质量检测的步骤,包括:
将所述待检测视频图像转换为第一灰度图像,将所述目标基准视频图像转换为第二灰度图像;
根据所述第一灰度图像确定第一拉普拉斯因子,所述第一拉普拉斯因子为所述第一灰度图像的拉普拉斯因子;
根据所述第二灰度图像确定第一拉普拉斯模糊因子,所述第一拉普拉斯模糊因子为所述第二灰度图像的拉普拉斯模糊因子;其中,所述第一拉普拉斯模糊因子为对第二灰度图像进行模糊化处理后,所得到模糊化处理后的图像的拉普拉斯因子;
根据所述第一拉普拉斯因子和所述第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,所述第一拉普拉斯因子差值为所述第一拉普拉斯模糊因子和所述第一拉普拉斯因子的差值;
在所述第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
2.根据权利要求1所述的方法,其特征在于,所述获取待检测视频图像,包括:
接收终端发送的目标视频图像,所述目标视频图像为在所述终端与目标流媒体设备建立会话连接后,根据所述目标流媒体设备返回的视频流获得,所述流媒体设备支持实时网络传输协议;
根据所述目标视频图像,获取所述第一时段内的视频图像;
对所述第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将所述第一数目的视频图像作为所述待检测视频图像。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述目标视频图像,获取第二时段内的视频图像;
根据所述第二时段内的视频图像,得到第二数目的视频图像;
指示所述终端显示所述第二数目的视频图像,检测对所述第二数目的视频图像的选择操作,将选中的视频图像作为所述基准视频图像;
获取第二时段信息和第二环境信息,所述第二时段信息为第二时段的时段信息,所述第二环境信息为所述视频图像采集装置所在环境在所述第二时段时的环境信息;
将所述第二时段信息和所述第二环境信息,与选中的视频图像绑定后存储在所述基准视频图像集中。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述根据所述目标基准视频图像对所述待检测视频图像进行质量检测,包括:
将所述待检测视频图像转换为第一灰度图像,根据所述第一灰度图像确定第一灰度直方图;
将所述目标基准视频图像转换为第二灰度图像,根据所述第二灰度图像确定第二灰度直方图;
根据所述第一灰度直方图和所述第二灰度直方图,确定所述待检测视频图像和所述目标基准视频图像的灰度图像直方图差异度参数;
在所述灰度图像直方图差异度参数大于预设的差异度阈值时,判定所述待检测视频图像出现点位偏移。
5.根据权利要求1至3任意一项所述的方法,其特征在于,所述根据所述目标基准视频图像对所述待检测视频图像进行质量检测,包括:
将所述待检测视频图像转换为第一灰度图像,将所述目标基准视频图像转换为第二灰度图像;
根据所述第一灰度图像确定第二拉普拉斯模糊因子,所述第二拉普拉斯模糊因子为所述第一灰度图像的拉普拉斯模糊因子;其中,所述第二拉普拉斯模糊因子为对第一灰度图像进行模糊化处理后,所得到模糊化处理后的图像的拉普拉斯因子;
根据所述第二灰度图像确定第二拉普拉斯因子,所述第二拉普拉斯因子为所述第二灰度图像的拉普拉斯因子;
根据所述第二拉普拉斯因子和所述第二拉普拉斯模糊因子计算第二拉普拉斯因子差值,所述第二拉普拉斯因子差值为所述第二拉普拉斯模糊因子和所述第二拉普拉斯因子的差值;
在所述第二拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
6.根据权利要求1至3任意一项所述的方法,其特征在于,所述根据所述基准视频图像对所述待检测视频图像进行质量检测,包括:
获取所述待检测视频图像的各个像素点的颜色值;
根据所述颜色值和预设的黑色值范围,确定所述待检测视频图像的图像黑色占比率;
根据所述颜色值和预设的蓝色值范围,确定所述待检测视频图像的图像蓝色占比率;
根据所述颜色值和预设的灰色值范围,确定所述待检测视频图像的图像灰色占比率;
在所述图像黑色占比率大于预设的黑色占比率阈值时,或者在所述图像蓝色占比率大于预设的蓝色占比率阈值时,或者在所述图像灰色占比率大于预设的灰色占比率阈值时,确定所述待检测视频图像关联的信号存在故障。
7.一种视频图像质量检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测视频图像、第一时段信息和第一环境信息,所述第一时段信息为第一时段的时段信息,所述第一环境信息为所述待检测视频图像对应的视频图像采集装置所在环境在所述第一时段时的环境信息;
选取模块,用于根据所述第一时段信息和所述第一环境信息,从预设的基准视频图像集中选取目标基准视频图像;
检测模块,用于根据所述目标基准视频图像对所述待检测视频图像进行质量检测;
其中,所述检测模块,具体用于将所述待检测视频图像转换为第一灰度图像,将所述目标基准视频图像转换为第二灰度图像;根据所述第一灰度图像确定第一拉普拉斯因子,所述第一拉普拉斯因子为所述第一灰度图像的拉普拉斯因子;根据所述第二灰度图像确定第一拉普拉斯模糊因子,所述第一拉普拉斯模糊因子为所述第二灰度图像的拉普拉斯模糊因子;其中,所述第一拉普拉斯模糊因子为对第二灰度图像进行模糊化处理后,所得到模糊化处理后的图像的拉普拉斯因子;根据所述第一拉普拉斯因子和所述第一拉普拉斯模糊因子计算第一拉普拉斯因子差值,所述第一拉普拉斯因子差值为所述第一拉普拉斯模糊因子和所述第一拉普拉斯因子的差值;在所述第一拉普拉斯因子差值小于预设的差值阈值时,确定待检测视频图像出现花屏。
8.根据权利要求7所述的装置,其特征在于,所述获取模块,具体用于接收终端发送的目标视频图像,所述目标视频图像为在所述终端与目标流媒体设备建立会话连接后,根据所述目标流媒体设备返回的视频流获得,所述流媒体设备支持实时网络传输协议;根据所述目标视频图像,获取所述第一时段内的视频图像;对所述第一时段内的视频图像进行抽帧处理,得到第一数目的视频图像,将所述第一数目的视频图像作为所述待检测视频图像。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269056.XA CN109996062B (zh) | 2019-04-04 | 2019-04-04 | 视频图像质量检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269056.XA CN109996062B (zh) | 2019-04-04 | 2019-04-04 | 视频图像质量检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109996062A CN109996062A (zh) | 2019-07-09 |
CN109996062B true CN109996062B (zh) | 2020-08-11 |
Family
ID=67131281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910269056.XA Active CN109996062B (zh) | 2019-04-04 | 2019-04-04 | 视频图像质量检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109996062B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662024A (zh) * | 2019-10-31 | 2020-01-07 | 上海中铁通信信号测试有限公司 | 基于多帧的视频质量诊断方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101287073A (zh) * | 2008-05-12 | 2008-10-15 | 吉林大学 | 变光照环境中机器视觉系统稳定亮度图像自适应获取方法 |
CN102421009A (zh) * | 2011-12-07 | 2012-04-18 | 中国航空无线电电子研究所 | 一种视频信号的自动测试方法 |
CN105657259A (zh) * | 2015-12-31 | 2016-06-08 | 沈阳航空航天大学 | 一种二分缩步平移法相机参数智能调整方法 |
CN106097724A (zh) * | 2016-07-18 | 2016-11-09 | 中国科学院地理科学与资源研究所 | 户外便携式交通信息视频检测与采集系统及其检测方法 |
CN106296640A (zh) * | 2015-06-09 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种识别模糊图像的方法和装置 |
CN109241859A (zh) * | 2018-08-13 | 2019-01-18 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007007750A1 (ja) * | 2005-07-11 | 2007-01-18 | Nippon Telegraph And Telephone Corporation | 映像整合装置、方法、およびプログラム |
WO2010032282A1 (ja) * | 2008-09-16 | 2010-03-25 | パイオニア株式会社 | サーバ装置、移動端末装置、交差点案内システム及び交差点案内方法 |
CN103473776B (zh) * | 2013-09-17 | 2016-05-25 | 深圳市华因康高通量生物技术研究院 | 一种比较图像清晰度的方法、系统及自动聚焦控制方法 |
CN104902218A (zh) * | 2014-03-05 | 2015-09-09 | 王慈 | 广域安防系统中视频监控子网性能监测系统及方法 |
TWI543616B (zh) * | 2015-07-21 | 2016-07-21 | 原相科技股份有限公司 | 在數位域降低影像感測器之固定圖案雜訊的方法與裝置 |
US10169548B2 (en) * | 2016-08-24 | 2019-01-01 | International Business Machines Corporation | Image obfuscation |
-
2019
- 2019-04-04 CN CN201910269056.XA patent/CN109996062B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101287073A (zh) * | 2008-05-12 | 2008-10-15 | 吉林大学 | 变光照环境中机器视觉系统稳定亮度图像自适应获取方法 |
CN102421009A (zh) * | 2011-12-07 | 2012-04-18 | 中国航空无线电电子研究所 | 一种视频信号的自动测试方法 |
CN106296640A (zh) * | 2015-06-09 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 一种识别模糊图像的方法和装置 |
CN105657259A (zh) * | 2015-12-31 | 2016-06-08 | 沈阳航空航天大学 | 一种二分缩步平移法相机参数智能调整方法 |
CN106097724A (zh) * | 2016-07-18 | 2016-11-09 | 中国科学院地理科学与资源研究所 | 户外便携式交通信息视频检测与采集系统及其检测方法 |
CN109241859A (zh) * | 2018-08-13 | 2019-01-18 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
CN109996062A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110049310B (zh) | 视频图像获取、视频质量检测方法和装置 | |
CN109996063B (zh) | 视频图像花屏检测方法、装置、计算机设备和存储介质 | |
CN109922275B (zh) | 曝光参数的自适应调整方法、装置及一种拍摄设备 | |
US20110013053A1 (en) | Defective pixel detection and correction | |
CN109934262B (zh) | 图片差异性判断方法、装置、计算机设备和存储介质 | |
CN111507298B (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
CN110580693B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN111091146B (zh) | 图片相似度获取方法、装置、计算机设备及存储介质 | |
CN109996062B (zh) | 视频图像质量检测方法、装置、计算机设备和存储介质 | |
CN111814776A (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN111445487A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN114078161A (zh) | 摄像头预置位自动纠偏方法、装置和计算机设备 | |
CN112073713B (zh) | 视频漏录测试方法、装置、设备及存储介质 | |
CN115658410B (zh) | 测试电子设备触摸屏流畅度的方法、系统及存储介质 | |
CN110598754A (zh) | 基于图像检测的在线监督方法、装置、设备及存储介质 | |
CN109120856B (zh) | 一种摄像方法及装置 | |
CN116431857A (zh) | 一种用于无人场景的视频处理方法和系统 | |
CN110049311A (zh) | 视频图像点位偏移检测方法、装置、系统和计算机设备 | |
CN110213457B (zh) | 一种图像传输方法及装置 | |
CN110458768B (zh) | 图像处理方法、计算机设备和可读存储介质 | |
CN111158819B (zh) | 界面状态的确定方法、装置、设备及存储介质 | |
CN114500968A (zh) | 色温估计方法、白平衡调整方法、装置及存储介质 | |
CN110072050B (zh) | 曝光参数的自适应调整方法、装置及一种拍摄设备 | |
CN113891040A (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
CN112819738A (zh) | 红外图像融合方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
CP03 | Change of name, title or address |
Address after: 528311 no.l203 Country Garden International Club, Beijiao Town, Shunde District, Foshan City, Guangdong Province Patentee after: Zero Hole Technology Co.,Ltd. Address before: 528300 3rd floor, No.18 Industrial Avenue, Gaocun Village Committee Industrial Zone, Beijiao Town, Shunde District, Foshan City, Guangdong Province (address declaration) Patentee before: GUANGDONG ACIGA TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |