CN110830787B - 一种检测花屏图像的方法及装置 - Google Patents

Abstract

本申请实施方式公开了一种检测花屏图像的方法及装置，其中，所述方法包括：获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值；将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块；检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块；统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。本申请提供的技术方案，能够提高花屏图像的检测效率。

Description

一种检测花屏图像的方法及装置

技术领域

本申请涉及图像处理技术领域，特别涉及一种检测花屏图像的方法及装置。

背景技术

随着视频播放技术的不断发展，目前涌现出大量的视频播放平台。用户客户端可以从视频播放平台中拉取视频流，并对视频流解码之后播放相应的视频内容。然而，解码得到的视频画面中，可能会存在某些视频画面显示不正常的情况。目前，比较常见的一种不正常的视频画面为花屏画面，该花屏画面中，可能会由于数据丢包，而造成部分画面呈现无法辨识的块状图案。

目前，通常是根据用户在观看视频过程中的反馈来对存在花屏画面的视频进行处理。例如，用户在观看加载的视频时，如果该视频中存在花屏画面，可以通过播放器上的反馈接口，向视频播放平台发送表征该视频存在花屏画面的提示信息。视频播放平台的管理人员可以定期检测用户发送的提示信息，从而对存在花屏画面的视频进行处理。

然而，这样的方式无法及时识别出存在花屏画面的视频，而是需要用户在观看到花屏画面，并且反馈提示信息的情况下，才能确定出包含花屏画面的视频。显然，这样的方式在识别花屏画面时具备较低的效率，而且会影响用户的视频观看体验。

发明内容

本申请实施方式的目的是提供一种检测花屏图像的方法及装置，能够提高花屏图像的检测效率。

为实现上述目的，本申请实施方式提供一种检测花屏图像的方法，所述方法包括：获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值；将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块；检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块；统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。

为实现上述目的，本申请实施方式还提供一种检测花屏图像的装置，所述装置包括：边缘图像计算单元，用于获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值；候选子块筛选单元，用于将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块；花屏子块判断单元，用于检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块；花屏图像判断单元，用于统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。

为实现上述目的，本申请实施方式还提供一种检测花屏图像的装置，所述装置包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的方法。

由上可见，本申请提供的技术方案，可以通过检测目标图像的边缘图像中，是否存在较多花屏子块的方式，来判断目标图像是否为花屏图像。具体地，通过计算目标图像中像素点的灰度梯度值，从而可以得到目标图像对应的边缘图像。其中，灰度梯度值可以表征灰度值的变化趋势。然后，可以将边缘图像划分为多个子块，并针对每个子块进行判断。在花屏子块中，灰度值的变化通常不会太明显，因此对应的灰度梯度值也会较小。基于此，可以根据子块中像素点的灰度梯度值，从划分后的子块中筛选出存在花屏可能的候选子块。另外，花屏子块在边界处，通常会发生灰度值的跳变，从而使得花屏子块边界上像素点的灰度梯度值通常较大。因此，可以进一步地检测候选子块边界上像素点的灰度梯度值，并根据检测结果，可以判断候选子块是否为花屏子块。在针对各个子块完成上述的检测过程之后，可以统计边缘图像中花屏子块的总数量。若该总数量过大，则可以判定对应的目标图像为花屏图像。由上可见，本申请可以针对解码后的目标视频中的视频帧进行自动分析，从而确定出解码后的目标视频中是否存在花屏图像，具备较高的花屏图像检测效率。

附图说明

为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对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，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施方式中检测花屏图像的方法步骤图；

图2为本申请实施方式中检测花屏图像的方法流程图；

图3为本申请实施方式中检测花屏图像的装置的功能模块示意图；

图4为本申请实施方式中检测花屏图像的装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。

本申请提供一种检测花屏图像的方法，该方法可以应用于视频播放平台的服务器中，也可以应用于独立的具备图像处理功能的设备中。请参阅图1和图2，所述方法可以包括以下步骤。

S1：获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值。

在本实施方式中，所述目标视频解码后的各帧视频图像可以具备一定的图像格式。通常而言，在视频播放领域，该图像格式可以是YUV图像格式。YUV图像格式中的像素点可以具备三个分量，其中，Y分量表示亮度值(Luminance或Luma)，Y分量表征的实际就是灰度值；而U分量和V分量可以表示色度值(Chrominance或Chroma)，这两个分量的作用是描述图像的色彩及饱和度，用于指定像素点的颜色。在实际应用中，YUV图像格式可以具备多种数据采集方式，这些数据采集方式例如可以包括YUV444格式，YUV422格式以及YUV420格式等。这些不同的数据采集方式，限定了三个分量不同的采样率。在本实施方式中，所述目标视频中视频图像的像素点便可以由上述的三个分量来表示，其中，第一分量可以是上述的Y分量，第二分量可以是上述的U分量，第三分量可以是上述的V分量。

当然，在实际应用中，所述目标视频解码后的各帧视频图像还可以具备其它的图像格式。例如，视频图像可以具备RGB(Red、Green、Blue，红绿蓝)图像格式。在这种情况下，视频图像中像素点的像素值可以分别通过R分量、G分量以及B分量来表示，其中，每个颜色分量分别表示对应色彩的数值。此外，视频图像还可以具备更多的图像格式，根据采用的图像格式的不同，视频图像中像素点的像素值也可以通过不同的分量来表示，这里就不一一例举。

在本实施方式中，可以从目标视频解码后的视频帧中抽取当前视频帧，并判断该当前视频帧中是否存在花屏图像。首先，可以将当前视频帧转换为灰度图像，从而可以简化数据处理的复杂程度。具体地，可以对所述当前视频帧进行灰度处理，以得到待处理的目标图像。灰度处理的过程可以是将当前视频帧中像素点的各个颜色分量进行加权求和，从而得到像素点的灰度值。此外，针对类似YUV这种原本就存在表征亮度值的颜色分量的图像格式而言，可以直接从当前帧中提取出表征亮度值的颜色分量对应的图像。例如，可以在当前视频帧中，提取出由上述第一分量表征的图像，也就是Y分量图像。提取出的该图像中，像素点的像素值均通过亮度值表示，因此可以无需进行灰度处理的过程。这样，提取出的由第一分量表征的图像，便可以作为待处理的目标图像。

在本实施方式中，在得到灰度化的目标图像之后，为了确定该目标图像中灰度值的变化程度，可以计算该目标图像中像素点的灰度梯度值，从而得到目标图像对应的边缘图像。具体地，在计算该目标图像对应的边缘图像时，可以采用一定大小的卷积核，该卷积核可以作为算子，与目标图像的数据进行卷积，卷积之后的数据便可以表征上述的边缘图像。

在本实施方式中，可以将Sobel算子作为上述的卷积核。具体地，Sobel算子通常包含横向的卷积核和纵向的卷积核，其中，横向的卷积核可以作为第一预设卷积核，而纵向的卷积核可以作为第二预设卷积核。在实际应用中，这两个卷积核均可以表现为3*3的矩阵。例如，第一预设卷积核可以如下所示：

第二预设卷积核可以如下所示：

在本实施方式中，在确定了所述第一预设卷积核和第二预设卷积核后，可以分别利用所述第一预设卷积核和所述第二预设卷积核对所述目标图像进行卷积处理，从而得到所述目标图像对应的横向边缘分量和纵向边缘分量。最终，可以将所述横向边缘分量和所述纵向边缘分量合成为所述目标图像的边缘图像。具体地，横向边缘分量可以利用G_x来表示，纵向边缘分量可以利用G_y来表示，那么合成的边缘图像可以利用以下公式表示：

其中，G表示合成后的边缘图像。

S3：将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块。

在本实施方式中，为了减少数据处理过程中的数据量，可以将边缘图像划分为指定数量的子块，并针对各个子块进行花屏检测。具体地，在花屏子块中，灰度值的变化通常不会太明显，因此对应的灰度梯度值也会较小。基于此，可以根据子块中像素点的灰度梯度值，从划分后的子块中筛选出存在花屏可能的候选子块。

在本实施方式中，可以计算所述子块中像素点的灰度梯度值的平均值，该平均值可以表征该子块中灰度变化的一个平均趋势。然后，可以将计算的所述平均值与指定平均阈值进行比较，所述指定平均阈值可以是根据对花屏图像的灰度梯度值分析得到的。例如，可以预先获取一些花屏图像，然后分别将这些花屏图像转换为边缘图像。然后，可以计算这些边缘图像中灰度梯度值的平均值。最终，可以在该平均值的基础上，加上一定的冗余量，得到该指定平均阈值。若根据子块中像素点的灰度梯度值计算得到的平均值小于所述指定平均阈值，则表示该子块中灰度值变化不明显，那么该子块可能是花屏子块，因此可以将所述子块作为候选子块保留下来。若根据子块中像素点的灰度梯度值计算得到的平均值大于或者等于所述指定平均阈值，则表示子块中灰度值变化比较明显，因此可以判定该子块不是花屏子块。

S5：检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块。

在本实施方式中，在确定出可能是花屏子块的候选子块之后，考虑到花屏子块在边界处，通常会发生灰度值的跳变，从而使得花屏子块边界上像素点的灰度梯度值通常较大。因此，可以进一步地检测候选子块边界上像素点的灰度梯度值。

在本实施方式中，候选子块呈矩形状，因此候选子块的边界有四条，针对每条边界，可以采用相同的检测方式。具体地，针对这四条边界中的目标边界，可以统计所述候选子块的目标边界上灰度梯度值大于或者等于指定梯度阈值的像素点的个数。其中，该指定梯度阈值也可以是根据对正常的花屏图像的灰度梯度值分析得到的，该指定梯度阈值可以用于界定灰度值变化是否明显。若像素点的灰度梯度值大于或者等于该指定梯度阈值，则表明在该像素点处，灰度值变化比较明显。这样，在目标边界上统计出的像素点的个数越多，表明该目标边界作为花屏子块的边界的可能性越高。因此，在统计的所述个数大于或者等于指定个数阈值的情况下，可以将所述目标边界作为花屏边界。其中，所述指定个数阈值可以按照实际情况进行灵活设置。例如，该指定个数阈值可以根据目标边界中像素点的总数进行设置，例如可以设置为目标边界中像素点的总数的90％。

在本实施方式中，针对候选子块的每条边界，便可以判断出是否属于花屏边界。对于一个候选子块而言，四条边界中，花屏边界的条数越大，则表明该候选子块越可能是花屏子块。因此，可以统计所述候选子块的边界中包含的花屏边界的条数，若统计的所述条数大于或者等于指定条数阈值，则可以判定所述候选子块为花屏子块。该指定条数阈值可以按照实际情况进行灵活设置。例如，该指定条数阈值可以设置为3。

S7：统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。

在本实施方式中，针对待处理的各个子块，可以按照步骤S3和S5中的描述，确定各个子块是否是花屏子块。最终，可以统计所述边缘图像中花屏子块的总数量，并将该总数量与指定阈值进行对比，该指定阈值可以按照待处理的子块的总数量进行设定。例如，该指定阈值可以设置为待处理的子块的总数量的30％。若所述统计得到的花屏子块的总数量大于该指定阈值，则表明花屏子块的数量过多，此时可以判定所述目标图像是花屏图像。

在一个实施方式中，在判定所述目标图像为花屏图像之后，还可以采集所述目标视频的播放信息，并将所述播放信息上传至分析服务器，从而使得分析服务器基于采集的播放信息有针对地进行调整。其中，所述目标视频的播放信息包括播放所述目标视频的终端设备的设备信息、播放所述目标视频的播放器的版本信息以及所述目标视频的视频标识中的至少一种。所述设备信息例如可以是终端设备的型号，该版本信息例如可以是播放器对应的软件版本序列号，视频标识例如可以是目标视频的名称或者目标视频在视频播放平台中的数字编号等。通过对播放信息的分析，可以确定是否在特定型号的终端设备中，或者在特定版本的播放器中，会存在花屏的问题。此时可以针对终端设备或者播放器的解码模块进行调整。通过对视频标识进行分析，可以对该视频标识指向的目标视频的内容进行解析，从而判断是否是因为视频格式的问题导致的花屏画面的出现。

在一个实施方式中，考虑到目标图像的画面中，处于周边位置的图像可能会存在黑边、水印或者电视台的台标等内容。为了不影响花屏图像的检测过程，以及为了减少需要处理的数据量，可以在所述目标图像中裁剪出指定区域的图像，其中，所述指定区域例如可以是目标图像的中心区域。后续，可以仅计算所述指定区域的图像对应的边缘图像，从而根据该指定区域的图像对应的边缘图像来判断目标图像是否是花屏图像。

请参阅图3，本申请还提供一种检测花屏图像的装置，所述装置包括：

边缘图像计算单元，用于获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值；

候选子块筛选单元，用于将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块；

花屏子块判断单元，用于检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块；

花屏图像判断单元，用于统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。

在一个实施方式中，所述边缘图像计算单元包括：

卷积处理模块，用于获取第一预设卷积核和第二预设卷积核，并分别利用所述第一预设卷积核和所述第二预设卷积核对所述目标图像进行卷积处理，得到所述目标图像对应的横向边缘分量和纵向边缘分量；

图像合成模块，用于将所述横向边缘分量和所述纵向边缘分量合成为所述目标图像的边缘图像。

在一个实施方式中，所述候选子块筛选单元包括：

均值判断模块，用于计算所述子块中像素点的灰度梯度值的平均值，并将计算的所述平均值与指定平均阈值进行比较，若计算的所述平均值小于所述指定平均阈值，将所述子块作为候选子块。

在一个实施方式中，所述花屏子块判断单元包括：

花屏边界统计模块，用于统计所述候选子块的目标边界上灰度梯度值大于或者等于指定梯度阈值的像素点的个数，并在统计的所述个数大于或者等于指定个数阈值的情况下，将所述目标边界作为花屏边界。

在一个实施方式中，所述花屏子块判断单元还包括：

条数判断模块，用于统计所述候选子块的边界中包含的花屏边界的条数，若统计的所述条数大于或者等于指定条数阈值，判定所述候选子块为花屏子块。

在一个实施方式中，所述装置还包括：

信息上报单元，用于在判定所述目标图像为花屏图像之后，采集所述目标视频的播放信息，并将所述播放信息上传至分析服务器；其中，所述目标视频的播放信息包括播放所述目标视频的终端设备的设备信息、播放所述目标视频的播放器的版本信息以及所述目标视频的视频标识中的至少一种。

请参阅图4，本申请还提供一种检测花屏图像的装置，所述装置包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，可以实现上述的检测花屏图像的方法。

在本实施方式中，所述存储器可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方法的媒体加以存储。本实施方式所述的存储器又可以包括：利用电能方式存储信息的装置，如RAM、ROM等；利用磁能方式存储信息的装置，如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置，如CD或DVD。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等等。

在本实施方式中，所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。

本说明书实施方式提供的装置，其存储器和处理器实现的具体功能，可以与本说明书中的前述实施方式相对照解释，并能够达到前述实施方式的技术效果，这里便不再赘述。

由上可见，本申请提供的技术方案，可以通过检测目标图像的边缘图像中，是否存在较多花屏子块的方式，来判断目标图像是否为花屏图像。具体地，通过计算目标图像中像素点的灰度梯度值，从而可以得到目标图像对应的边缘图像。其中，灰度梯度值可以表征灰度值的变化趋势。然后，可以将边缘图像划分为多个子块，并针对每个子块进行判断。在花屏子块中，灰度值的变化通常不会太明显，因此对应的灰度梯度值也会较小。基于此，可以根据子块中像素点的灰度梯度值，从划分后的子块中筛选出存在花屏可能的候选子块。另外，花屏子块在边界处，通常会发生灰度值的跳变，从而使得花屏子块边界上像素点的灰度梯度值通常较大。因此，可以进一步地检测候选子块边界上像素点的灰度梯度值，并根据检测结果，可以判断候选子块是否为花屏子块。在针对各个子块完成上述的检测过程之后，可以统计边缘图像中花屏子块的总数量。若该总数量过大，则可以判定对应的目标图像为花屏图像。由上可见，本申请可以针对解码后的目标视频中的视频帧进行自动分析，从而确定出解码后的目标视频中是否存在花屏图像，具备较高的花屏图像检测效率。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现装置以外，完全可以通过将方法步骤进行逻辑编程来使得装置以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施方式或者实施方式的某些部分所述的方法。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。尤其，针对装置的实施方式来说，均可以参照前述方法的实施方式的介绍对照解释。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施方式描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (9)

1.一种检测花屏图像的方法，其特征在于，所述方法包括：

获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值；

将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块；其中，包括：计算所述子块中像素点的灰度梯度值的平均值，并将计算的所述平均值与指定平均阈值进行比较，若计算的所述平均值小于所述指定平均阈值，将所述子块作为候选子块；

检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块；其中，包括：统计所述候选子块的目标边界上灰度梯度值大于或者等于指定梯度阈值的像素点的个数，并在统计的所述个数大于或者等于指定个数阈值的情况下，将所述目标边界作为花屏边界；统计所述候选子块的边界中包含的花屏边界的条数，若统计的所述条数大于或者等于指定条数阈值，判定所述候选子块为花屏子块；

统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。

2.根据权利要求1所述的方法，其特征在于，计算所述目标图像对应的边缘图像包括：

获取第一预设卷积核和第二预设卷积核，并分别利用所述第一预设卷积核和所述第二预设卷积核对所述目标图像进行卷积处理，得到所述目标图像对应的横向边缘分量和纵向边缘分量；

将所述横向边缘分量和所述纵向边缘分量合成为所述目标图像的边缘图像。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在判定所述目标图像为花屏图像之后，采集所述目标视频的播放信息，并将所述播放信息上传至分析服务器；其中，所述目标视频的播放信息包括播放所述目标视频的终端设备的设备信息、播放所述目标视频的播放器的版本信息以及所述目标视频的视频标识中的至少一种。

4.根据权利要求1所述的方法，其特征在于，在获取当前播放的目标视频中待处理的目标图像之后，所述方法还包括：

在所述目标图像中裁剪出指定区域的图像；相应地，计算所述目标图像对应的边缘图像包括：计算所述指定区域的图像对应的边缘图像。

5.根据权利要求1所述的方法，其特征在于，所述待处理的目标图像按照以下方式获取：

从所述目标视频中抽取当前视频帧，并对所述当前视频帧进行灰度处理，以得到所述待处理的目标图像；

或者

从所述目标视频中抽取当前视频帧，在所述当前视频帧中的像素点由第一分量、第二分量以及第三分量表征的情况下，从所述当前视频帧中提取由所述第一分量表征的图像，并将提取的所述图像作为所述待处理的目标图像；其中，所述第一分量用于表征像素点的亮度值，所述第二分量和所述第三分量均用于表征像素点的色度值。

6.一种检测花屏图像的装置，其特征在于，所述装置包括：

边缘图像计算单元，用于获取当前播放的目标视频中待处理的目标图像，并计算所述目标图像对应的边缘图像；其中，所述边缘图像中的像素点具备灰度梯度值；

候选子块筛选单元，用于将所述边缘图像划分为指定数量的子块，并根据所述子块中像素点的灰度梯度值，从所述指定数量的子块中筛选出候选子块；其中，包括：计算所述子块中像素点的灰度梯度值的平均值，并将计算的所述平均值与指定平均阈值进行比较，若计算的所述平均值小于所述指定平均阈值，将所述子块作为候选子块；

花屏子块判断单元，用于检测处于所述候选子块边界上的像素点的灰度梯度值，并根据检测结果，判断所述候选子块是否为花屏子块；其中，包括：统计所述候选子块的目标边界上灰度梯度值大于或者等于指定梯度阈值的像素点的个数，并在统计的所述个数大于或者等于指定个数阈值的情况下，将所述目标边界作为花屏边界；统计所述候选子块的边界中包含的花屏边界的条数，若统计的所述条数大于或者等于指定条数阈值，判定所述候选子块为花屏子块；

花屏图像判断单元，用于统计所述边缘图像中花屏子块的总数量，若所述总数量大于指定阈值，判定所述目标图像为花屏图像。

7.根据权利要求6所述的装置，其特征在于，所述边缘图像计算单元包括：

卷积处理模块，用于获取第一预设卷积核和第二预设卷积核，并分别利用所述第一预设卷积核和所述第二预设卷积核对所述目标图像进行卷积处理，得到所述目标图像对应的横向边缘分量和纵向边缘分量；

图像合成模块，用于将所述横向边缘分量和所述纵向边缘分量合成为所述目标图像的边缘图像。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

信息上报单元，用于在判定所述目标图像为花屏图像之后，采集所述目标视频的播放信息，并将所述播放信息上传至分析服务器；其中，所述目标视频的播放信息包括播放所述目标视频的终端设备的设备信息、播放所述目标视频的播放器的版本信息以及所述目标视频的视频标识中的至少一种。

9.一种检测花屏图像的装置，其特征在于，所述装置包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1至5中任一权利要求所述的方法。

Images