CN109996063B - 视频图像花屏检测方法、装置、计算机设备和存储介质 - Google Patents

视频图像花屏检测方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109996063B
CN109996063B CN201910269057.4A CN201910269057A CN109996063B CN 109996063 B CN109996063 B CN 109996063B CN 201910269057 A CN201910269057 A CN 201910269057A CN 109996063 B CN109996063 B CN 109996063B
Authority
CN
China
Prior art keywords
image
factor
laplace
video image
gray
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
CN201910269057.4A
Other languages
English (en)
Other versions
CN109996063A (zh
Inventor
谭维鹏
余天星
何龙
张世杰
刘斌
梁学斌
邵涟
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.)
Zero Hole Technology Co ltd
Original Assignee
Guangdong Aciga 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 Guangdong Aciga Technology Co ltd filed Critical Guangdong Aciga Technology Co ltd
Priority to CN201910269057.4A priority Critical patent/CN109996063B/zh
Publication of CN109996063A publication Critical patent/CN109996063A/zh
Application granted granted Critical
Publication of CN109996063B publication Critical patent/CN109996063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Abstract

本申请涉及一种视频图像花屏检测方法、装置、系统和计算机设备。所述方法包括：获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测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图像的拉普拉斯因子；根据第一灰度图像确定第一灰度图像的拉普拉斯模糊因子；根据第二灰度图像的拉普拉斯因子和第一灰度图像的拉普拉斯模糊因子计算拉普拉斯因子差值；在该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。采用本方法能够降低劳动强度且能够节约人力成本。

Description

视频图像花屏检测方法、装置、计算机设备和存储介质
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花屏检测方法、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，花屏检测是视频图像画面质量检测中一种重要的检测。传统的花屏检测方式主要是借助于肉眼进行检测，这种方式存在不但劳动强度大，而且人力成本较高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够降低劳动强度且能够节约人力成本的视频图像花屏检测方法、装置、计算机设备和存储介质。
一种视频图像花屏检测方法，该方法包括：获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测视频图像转换为第二灰度图像；根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子；根据第一灰度图像确定第一拉普拉斯模糊因子，第一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。
一种视频图像花屏检测方法，该方法包括：获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测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；根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一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。
一种视频图像点位偏移检装置，该装置包括：
第一获取模块，用于获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
第一预处理模块，用于将待检测视频图像转换为第二灰度图像，根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子，根据第一灰度图像确定第一拉普拉斯模糊因子，第一拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子；
第一处理模块，用于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；
第一判断模块，用于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。
一种视频图像点位偏移检装置，该装置包括：
第二获取模块，用于获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
第二预处理模块，用于将待检测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，根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一灰度图像的拉普拉斯因子；
第二处理模块，用于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；
第二判断模块，用于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。
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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测视频图像转换为第二灰度图像；根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子；根据第一灰度图像确定第一拉普拉斯模糊因子，第一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。
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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测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；根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一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。
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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测视频图像转换为第二灰度图像；根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子；根据第一灰度图像确定第一拉普拉斯模糊因子，第一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。
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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；将待检测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；根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一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。
上述视频图像花屏检测方法、装置、计算机设备和存储介质，是获取待检测视频图像，并获取第一灰度图像，该第一灰度图像为基准视频图像的灰度图像，将待检测视频图像转换为第二灰度图像，根据第一灰度图像的拉普拉斯因子与第二灰度图像的拉普拉斯模糊因子的差值，或者根据第一灰度图像的拉普拉斯模糊因子与第二灰度图像的拉普拉斯因子的差值检测待检测视频图像是否出现花屏。采用该方案，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，可以满足实时检测需求。
附图说明
图1为一个实施例中视频图像花屏检测方法的应用环境图；
图2为一个实施例中视频图像花屏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获取步骤的流程示意图；
图5为一个实施例中关联关系建立步骤的流程示意图；
图6为一个实施例中获取第一灰度图像步骤的流程示意图；
图7为另一个实施例中视频图像花屏检测方法的流程示意图；
图8为一个实施例中视频图像点位偏移检测过程的流程示意图；
图9为一个实施例中视频图像的灰屏、蓝屏和黑屏检测过程的流程示意图；
图10为一个实施例中视频图像花屏检测装置的结构框图；
图11为另一个实施例中视频图像花屏检测装置的结构框图；
图12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花屏检测方法，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花屏检测方法，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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
其中，待检测视频图像的获取过程一般是实时地，可以是将实时获得各帧视频图像分别作为待检测视频图像，也可以是从实时获得多帧视频图像抽取一帧或者几帧作为待检测视频图像，一般可以采用均匀抽取的方式，例如，每隔n帧抽取一帧或者每m帧中抽取一帧，但也不限于均匀抽取的方式。
其中，第一灰度图像可以是将基准视频图像转换成灰度图像。基准视频图像是被选做作为评判视频图像质量的一张或者多张视频图像。
具体地，服务器可以直接获取基准视频图像，将基准视频图像转换成灰度图像，即第一灰度图像。服务器也可以接收由预处理服务器根据基准视频图像生成的第一灰度图像。
步骤S204，将待检测视频图像转换为第二灰度图像；
具体地，服务器将待检测视频图像转换为第二灰度图像；
步骤S206，根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二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：
Figure BDA0002017781080000071
其中，Laplace(f)表示拉普拉斯因子，f(即f(x,y))表示第二灰度图像的颜色值，(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S208，根据第一灰度图像确定第一拉普拉斯模糊因子，第一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相应地表示模糊化处理后的图像的颜色值。
上述步骤S206和步骤S208可以不采用上述先后顺序执行，也可以同时执行。
步骤S210，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S212，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，预设的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。
上述视频图像花屏检测方法中，是获取待检测视频图像，并获取第一灰度图像，该第一灰度图像为基准视频图像的灰度图像，待检测视频图像转换为第二灰度图像，根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子，根据第一灰度图像确定第一拉普拉斯模糊因子，第一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。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3所示，上述的获取待检测视频图像，可以包括：
步骤S302，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S304，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S306，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，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，可以节约成本。
在其中一个实施例中，本发明的视频图像花屏检测方法还可以包括基准视频图像获取步骤，如图4所示，该基准视频图像获取步骤可以包括：
步骤S402，根据目标视频图像，获取第二时段内的视频图像；
步骤S404，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S406，指示终端显示第二数目的视频图像；
具体地，服务器将所述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，可以一次性显示多张视频图像。
步骤S408，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，用户可以选中1张有明显环境特征的视频图像，终端检测到用户的选择操作后，将选中的视频图像作为基准视频图像。
考虑到不同时段或者不同天气状况的基准视频图像往往是不同的，为了提升花屏检测结果的准确性，在其中一个实施例中，本发明的视频图像花屏检测方法还可以包括关联关系建立获取步骤，如图5所示，该关联关系建立步骤可以如下包括：
步骤S502，获取第二时段的时段标识信息以及天气信息；
这里，时段标识信息可以是根据季节信息、月份信息、一天中的时段信息等确定的标识信息，天气信息可以包括各种天气状况信息，例如，可以是晴天、阴天、雨天和雾天等等，也可以是空气湿度信息，晴朗程度信息。
步骤S504，建立第二时段的时段标识信息以及天气信息与基准视频图像的关联关系。
采用本实施例的方案，建立了时段标识信息以及天气信息与基准视频图像的关联关系，具体地，可以建立各个不同的第二时段的时段标识信息以及天气信息与基准视频图像的关联关系。如此，可以基于该关联关系选择最匹配的基准视频图像用于视频图像的点位偏移的检测，可以提升检测的准确性。
在其中一个实施例中，上述的获取第一灰度图像的步骤，如图6所示，可以包括如下步骤：
步骤S602，获取第一时段的时段标识信息以及天气信息；
步骤S604，根据第一时段的时段标识信息以及天气信息和上述的关联关系，确定目标基准视频图像；
具体地，可以在所述关联关系中，查询与第一时段的时段标识信息以及天气信息最匹配的基准视频图像作为目标基准视频图像。
步骤S606，根据目标基准视频图像，确定目标基准视频图像的灰度图像，目标基准视频图像的灰度图作为第一灰度图像。
具体地，将目标基准视频图像转换成灰度图像，将该转换后的灰度图像作为第一灰度图像。
采用本实施例中的方案，可以提升检测的准确性。
在一个实施例中，如图7所示，提供了一种视频图像花屏检测方法，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S702，获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
步骤S704，将待检测视频图像转换为第二灰度图像；
本实施例中的步骤S702和步骤S704可以对应地参照上述的步骤S202和步骤S204，在此不予赘述。
步骤S706，根据第二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相应地表示这里的模糊化处理后的图像的颜色值。
步骤S708，根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一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相应地表示第一灰度图像的颜色值。
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S710，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S712，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S212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，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，可以满足实时检测需求。
上述实施例中的关于获取待检测视频图像步骤、基准视频图像确定步骤、关联关系建立步骤以及第一灰度图像获取步骤的具体限定，也可以适用对于本实施例中的视频图像花屏检测方法的限定，在此不再赘述。
根据上述实施例中的视频图像花屏检测方法，在其中一个实施例中，还提供一种视频质量检测方法，该视频质量检测方法包括上述任意一个实施例中的视频图像花屏检测过程，还包括视频图像点位偏移检测过程，或者还包括视频的灰屏、蓝屏和黑屏检测过程。
在其中一个实施例中，上述的视频图像点位偏移检测过程，如图8所示，包括如下步骤：
步骤S802，获取待检测视频图像，并获取第一灰度直方图，第一灰度直方图为基准视频图像的灰度直方图；
其中，第一灰度直方图可以是将基准视频图像转换成灰度图像，对该灰度图像进行灰度统计得到的灰度直方图，其中，统计方式可以是按列进行统计，也可以是按行或者按列进行统计。基准视频图像是被选做作为评判视频图像质量的一张或者多张视频图像。
具体地，服务器可以直接获取基准视频图像，将基准视频图像转换成灰度图像，对该灰度图像进行灰度统计得到第一灰度直方图。服务器也可以接收由预处理服务器根据基准视频图像生成的第一灰度直方图。
步骤S804，将待检测视频图像转换为灰度图像，根据待检测视频图像转换成的灰度图像确定第二灰度直方图；
其中，在根据待检测视频图像转换成的灰度图像确定第二灰度直方图中，对待检测视频图像的灰度统计方式与对基准视频图像的灰度统计方式一致，例如，同为按列统计或者同为按行统计。
步骤S806，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。
Figure BDA0002017781080000141
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S208，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。
本实施例方案，可以有效地对视频监控画面点位偏移进行自动检测，且实用性强。
在其中一个实施例中，上述的视频的灰屏、蓝屏和黑屏检测过程，如图9所示，包括如下步骤：
步骤902，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904，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906，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908，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会色占比率；
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910，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进行自动检测，且准确性高。
应该理解的是，虽然图2-9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2-9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10所示，提供了一种视频图像花屏检测装置，包括：第一获取模块1002、第一预处理模块1004、第一处理模块1006和第一判断模块1008，其中：
第一获取模块1002，用于获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
第一预处理模块1004，用于将待检测视频图像转换为第二灰度图像，根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子，根据第一灰度图像确定第一拉普拉斯模糊因子，第一拉普拉斯模糊因子为第一灰度图像的拉普拉斯模糊因子；
第一处理模块1006，用于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；
第一判断模块1008，用于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。
在一个实施例中，如图11所示，提供了一种视频图像花屏检测装置，包括：第二获取模块1102、第二预处理模块1104、第二处理模块1106和第二判断模块1108，其中：
第二获取模块1102，用于获取待检测视频图像，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
第二预处理模块1104，用于将待检测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，根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一灰度图像的拉普拉斯因子；
第二处理模块1106，用于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；
第二判断模块1108，用于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，第一获取模块1002或者第二获取模块1102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，第一获取模块1002或者第二获取模块1102还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。
在其中一个实施例中，第一获取模块1002或者第二获取模块1102还可以用于获取第二时段的时段标识信息以及天气信息，建立第二时段的时段标识信息以及天气信息与基准视频图像的关联关系。
在其中一个实施例中，第一获取模块1002或者第二获取模块1102可以获取第一时段的时段标识信息以及天气信息，根据第一时段的时段标识信息以及天气信息和关联关系，确定目标基准视频图像，根据目标基准视频图像，确定目标基准视频图像的灰度图像，目标基准视频图像的灰度图作为第一灰度图像。
关于视频图像花屏检测装置的具体限定可以参见上文中对于视频图像花屏检测方法的限定，在此不再赘述。上述视频图像花屏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12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花屏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花屏检测方法。
本领域技术人员可以理解，图12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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
将待检测视频图像转换为第二灰度图像；
根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子；
根据第一灰度图像确定第一拉普拉斯模糊因子，第一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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
将待检测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；
根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一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。
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：获取第二时段的时段标识信息以及天气信息；建立第二时段的时段标识信息以及天气信息与基准视频图像的关联关系。
在其中一个实施例中，处理器执行计算机程序上述的获取第一灰度图像的步骤时，具体实现以下包括：获取第一时段的时段标识信息以及天气信息；根据第一时段的时段标识信息以及天气信息和关联关系，确定目标基准视频图像；根据目标基准视频图像，确定目标基准视频图像的灰度图像，目标基准视频图像的灰度图作为第一灰度图像。
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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
将待检测视频图像转换为第二灰度图像；
根据第二灰度图像确定第一拉普拉斯因子，第一拉普拉斯因子为第二灰度图像的拉普拉斯因子；
根据第一灰度图像确定第一拉普拉斯模糊因子，第一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，并获取第一灰度图像，第一灰度图像为基准视频图像的灰度图像；
将待检测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；
根据第一灰度图像确定第二拉普拉斯因子，第二拉普拉斯因子为第一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。
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：获取第二时段的时段标识信息以及天气信息；建立第二时段的时段标识信息以及天气信息与基准视频图像的关联关系。
在其中一个实施例中，计算机程序被处理器执行上述的获取第一灰度图像的步骤时，具体实现以下包括：根据第一时段的时段标识信息以及天气信息和关联关系，确定目标基准视频图像；根据目标基准视频图像，确定目标基准视频图像的灰度图像，目标基准视频图像的灰度图作为第一灰度图像。
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)

1.一种视频图像花屏检测方法，其特征在于，所述方法包括：
获取待检测视频图像，并获取第一灰度图像，所述第一灰度图像为基准视频图像的灰度图像；所述基准视频图像是根据所述待检测视频图像所在时段的时段标识信息以及天气信息和关联关系确定的图像；所述关联关系为基准视频图像与所述时段标识信息以及天气信息的关联关系；
将所述待检测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一拉普拉斯因子，所述第一拉普拉斯因子为所述第二灰度图像的拉普拉斯因子；
根据所述第一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一灰度图像的拉普拉斯模糊因子；其中，所述拉普拉斯模糊因子为对第一灰度图像进行模糊化处理后，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，确定所述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。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述第二时段的时段标识信息以及天气信息；
建立所述第二时段的时段标识信息以及天气信息与所述基准视频图像的关联关系。
5.根据权利要求4所述的方法，其特征在于，所述获取第一灰度图像，包括：
获取所述第一时段的时段标识信息以及天气信息；
根据所述第一时段的时段标识信息以及天气信息和所述关联关系，确定目标基准视频图像；
根据所述目标基准视频图像，确定所述目标基准视频图像的灰度图像，所述目标基准视频图像的灰度图作为所述第一灰度图像。
6.一种视频图像花屏检测方法，其特征在于，所述方法包括：
获取待检测视频图像，并获取第一灰度图像，所述第一灰度图像为基准视频图像的灰度图像；所述基准视频图像是根据所述待检测视频图像所在时段的时段标识信息以及天气信息和关联关系确定的图像；所述关联关系为基准视频图像与所述时段标识信息以及天气信息的关联关系；
将所述待检测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拉普拉斯模糊因子，所述第二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，所述拉普拉斯模糊因子为对第二灰度图像进行模糊化处理后，模糊化处理后的图像的拉普拉斯因子；
根据所述第一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一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，确定所述待检测视频图像出现花屏。
7.一种视频图像花屏检测装置，其特征在于，所述装置包括：
第一获取模块，用于获取待检测视频图像，并获取第一灰度图像，所述第一灰度图像为基准视频图像的灰度图像；所述基准视频图像是根据所述待检测视频图像所在时段的时段标识信息以及天气信息确定的图像；关联关系为基准视频图像与所述时段标识信息以及天气信息的关联关系；
第一预处理模块，用于将所述待检测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一拉普拉斯因子，所述第一拉普拉斯因子为所述第二灰度图像的拉普拉斯因子，根据所述第一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一灰度图像的拉普拉斯模糊因子；其中，所述拉普拉斯模糊因子为对第一灰度图像进行模糊化处理后，模糊化处理后的图像的拉普拉斯因子；
第一处理模块，用于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；
第一判断模块，用于在所述第一拉普拉斯因子差值小于预设的差值阈值时，确定所述待检测视频图像出现花屏。
8.一种视频图像花屏装置，其特征在于，所述装置包括：
第二获取模块，用于获取待检测视频图像，并获取第一灰度图像，所述第一灰度图像为基准视频图像的灰度图像；所述基准视频图像是根据所述待检测视频图像所在时段的时段标识信息以及天气信息确定的图像；关联关系为基准视频图像与所述时段标识信息以及天气信息的关联关系；
第二预处理模块，用于将所述待检测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拉普拉斯模糊因子，所述第二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，根据所述第一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一灰度图像的拉普拉斯因子；其中，所述拉普拉斯模糊因子为对第二灰度图像进行模糊化处理后，模糊化处理后的图像的拉普拉斯因子；
第二处理模块，用于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；
第二判断模块，用于在所述第二拉普拉斯因子差值小于预设的差值阈值时，确定所述待检测视频图像出现花屏。
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。
CN201910269057.4A 2019-04-04 2019-04-04 视频图像花屏检测方法、装置、计算机设备和存储介质 Active CN109996063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910269057.4A CN109996063B (zh) 2019-04-04 2019-04-04 视频图像花屏检测方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910269057.4A CN109996063B (zh) 2019-04-04 2019-04-04 视频图像花屏检测方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109996063A CN109996063A (zh) 2019-07-09
CN109996063B true CN109996063B (zh) 2020-08-11

Family

ID=67131010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910269057.4A Active CN109996063B (zh) 2019-04-04 2019-04-04 视频图像花屏检测方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109996063B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112752145B (zh) * 2020-02-03 2022-05-17 腾讯科技（深圳）有限公司 一种视频识别方法及相关设备
CN112206508A (zh) * 2020-09-25 2021-01-12 腾讯科技（深圳）有限公司 一种图像检测方法、装置及计算机可读存储介质
CN113378633A (zh) * 2021-04-30 2021-09-10 成都东方盛行电子有限责任公司 一种流媒体信号质量检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105516713A (zh) * 2015-12-24 2016-04-20 招商局重庆交通科研设计院有限公司 基于机器视觉的道路交通闭路电视图像质量评价方法
CN107085845A (zh) * 2017-04-19 2017-08-22 北京数码视讯科技股份有限公司 图像模糊检测方法及装置
CN107330891A (zh) * 2017-07-17 2017-11-07 陈剑桃 一种有效的图像质量评价系统
CN108846814A (zh) * 2018-06-11 2018-11-20 广州视源电子科技股份有限公司 图像处理方法、装置、可读存储介质及计算机设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2353385C (en) * 1998-12-03 2004-09-28 Expanse Networks, Inc. Subscriber identification system
TWI312633B (en) * 2005-06-02 2009-07-21 Ind Tech Res Inst A composite method and apparatus for scaling digital image
JP2011130169A (ja) * 2009-12-17 2011-06-30 Sanyo Electric Co Ltd 画像処理装置及び撮影装置
CN103353985B (zh) * 2013-03-27 2016-05-25 西华大学 一种图像高斯模糊的测度方法
CN106101641B (zh) * 2016-07-18 2022-06-14 中国科学院地理科学与资源研究所 视频监测系统及其监测方法
CN107360343A (zh) * 2017-07-17 2017-11-17 梧州井儿铺贸易有限公司 一种航拍相机高空环境条件下成像检测系统
CN108122231B (zh) * 2018-01-10 2021-09-24 山东华软金盾软件股份有限公司 监控视频下基于roi拉普拉斯算法的图像质量评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105516713A (zh) * 2015-12-24 2016-04-20 招商局重庆交通科研设计院有限公司 基于机器视觉的道路交通闭路电视图像质量评价方法
CN107085845A (zh) * 2017-04-19 2017-08-22 北京数码视讯科技股份有限公司 图像模糊检测方法及装置
CN107330891A (zh) * 2017-07-17 2017-11-07 陈剑桃 一种有效的图像质量评价系统
CN108846814A (zh) * 2018-06-11 2018-11-20 广州视源电子科技股份有限公司 图像处理方法、装置、可读存储介质及计算机设备

Also Published As

Publication number Publication date
CN109996063A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN109996063B (zh) 视频图像花屏检测方法、装置、计算机设备和存储介质
CN110049310B (zh) 视频图像获取、视频质量检测方法和装置
JP5701005B2 (ja) 物体検知装置、物体検知方法、監視カメラシステム、およびプログラム
CN110930353A (zh) 孔位保护门状态检测方法、装置、计算机设备和存储介质
CN110334702B (zh) 基于配置平台的数据传输方法、装置和计算机设备
CN109934262A (zh) 图片差异性判断方法、装置、计算机设备和存储介质
CN111814776B (zh) 一种图像处理方法、设备、服务器及存储介质
CN111507298B (zh) 人脸检测方法、装置、计算机设备和存储介质
CN113411571A (zh) 一种基于滑窗梯度熵的视频帧清晰度检测方法
CN111091146B (zh) 图片相似度获取方法、装置、计算机设备及存储介质
CN110619625B (zh) 一种监测皮带运行状态的方法、装置、系统及存储介质
CN109859142B (zh) 图像亮度的调节方法、装置、计算机设备和存储介质
CN109996062B (zh) 视频图像质量检测方法、装置、计算机设备和存储介质
CN113421241A (zh) 异常事件上报方法、装置、计算机设备及存储介质
CN111144241A (zh) 基于图像校验的目标识别方法、装置和计算机设备
CN110598754A (zh) 基于图像检测的在线监督方法、装置、设备及存储介质
CN115272952A (zh) 新能源基建的安全监控方法、装置、系统和存储介质
CN110213457B (zh) 一种图像传输方法及装置
CN113743235A (zh) 基于边缘计算的电力巡检图像处理方法、装置和设备
CN110049311A (zh) 视频图像点位偏移检测方法、装置、系统和计算机设备
CN112734719A (zh) 一种图像传感器的坏点检测方法、存储介质以及拍摄装置
CN116156088B (zh) 一种视频图像缩放处理系统、方法、计算机设备及存储介质
CN112446249A (zh) 一种曝光方法及系统
CN115601606B (zh) 一种门店状态检测方法、装置、设备及存储介质
CN117788426A (zh) 一种基于图像切割策略提高烟火检测精度的方法

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
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.