CN112291551A - 一种基于图像处理的视频质量检测方法、存储设备及移动终端 - Google Patents

一种基于图像处理的视频质量检测方法、存储设备及移动终端 Download PDF

Info

Publication number
CN112291551A
CN112291551A CN202010584013.3A CN202010584013A CN112291551A CN 112291551 A CN112291551 A CN 112291551A CN 202010584013 A CN202010584013 A CN 202010584013A CN 112291551 A CN112291551 A CN 112291551A
Authority
CN
China
Prior art keywords
image
standard
now
gray
value
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.)
Pending
Application number
CN202010584013.3A
Other languages
English (en)
Inventor
赖方民
麦嘉
黄国源
郑皓桦
刘海锋
陈卓鸣
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.)
Guangzhou Hongbei Technology Co ltd
Original Assignee
Guangzhou Hongbei 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 Guangzhou Hongbei Technology Co ltd filed Critical Guangzhou Hongbei Technology Co ltd
Priority to CN202010584013.3A priority Critical patent/CN112291551A/zh
Publication of CN112291551A publication Critical patent/CN112291551A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理的视频质量检测方法，该方法包括以下步骤：首先选取一张标准图像，对标准图像进行图像预处理，得出标准帧的值；然后从实时视频中不断读取照片，对实时视频图片进行局部图像处理，将局部图像处理的结果与标准帧进行对比，最后对处理后的局部图像进行各项检测，综合所有的检测结果得出视频质量的结果。本发明可以有效的鉴别各种摄像头出现的问题，缩短发现问题摄像头的时间，通过图像分割的方式，图像分割与标准帧概念的引入，大大减少了摄像头故障问题的误检率，进一步减少了视频监控人员的工作量。

Description

一种基于图像处理的视频质量检测方法、存储设备及移动 终端
技术领域
本发明涉及视频故障分析领域，具体涉及一种基于图像处理的视频质量检测方法、 存储设备及移动终端。
背景技术
面对数量庞大且不断增长的视频监控设备，对于监控设备和视频图像的运维提出了更 高的要求，巨大的运维工作量和严格的完好率考核目标对于传统的人工以人工方式遍历监 控系统回传的图像，用肉眼观察摄像头是否出现故障的检测处理方式而言，简直就是不可 承受之重。
例如：随着视频监控系统的规模逐渐扩大，系统中使用的摄像头越来越多，使得传统 管理人员的工作量成倍的增长；由于复杂的外部环境，或者设置质量问题以及传输过程中 导致的视频质量损伤，很多时候无法被人工肉眼识别；人工很难做到7*24小时在线实时监 控。因此，实现监控系统自动化检测摄像头异常状况具有十分重要的意义。
视频异常诊断系统就是为了提高监控系统的工作效率，减少监控工作人员的工作量。 常见的视频质量问题包括摄像头遮挡、视频信号丢失、亮度异常、清晰度异常、图像偏色、 画面冻结等。
现有的视频质量检测算法有：对于图像的整体通过时域与频域的相互转换计算进行判 断，现有的摄像头遮挡检测是通过彩色图像整体的二值化，偏黑的部分为前景，其他部分 为背景，对前景进行连通区域检测，求得最大连通区域面积，该面积整幅图像面积的比即 为遮挡率。这种方法存在的不足有：对于黑屏图像会误检为遮挡。
还有一种摄像头遮挡检测就是通过特征点的提取，通过判断特征点数量多少来确定是 否遮挡现有的偏色检测，是统计当前帧图像中像素点灰度值在25-240范围内的像素点，并 分别计算这些点在RGB三通道上的平裙纸，选出比重最大的颜色再来计算出偏色度跟偏色 角。同样的，通过提取图像特征点进行判断也是无法正确判断黑屏图像的。另外该方法的 偏色检测有个缺点，其对于纯色图像的检测无能为力，几乎无法检测。
因此有待对现有的视频质量即故障检测进行进一步地改进，既提高检测的速度和正确 率，避免误报的情况。
发明内容
为了解决现有技术存在技术问题，本发明提供了一种基于图像处理的视频质量检测方 法，提供了一种图像分割的方式对图像进行分块处理，将分割后的图像处理后再将结果合 并的方法。在遮挡检测前，引入了标准帧的概念，先计算出标准帧，后面进行检测时，只 需要将检测结果与标准帧的值进行对比。在保证计算速度的前提，同时提高视频质量检测 的正确率，避免了误报的情况。
为实现上述目的，本发明采取的技术方案如下：
本发明有益的技术效果：一种基于图像处理的视频质量检测方法，该方法包括以下步 骤：
S1:设置图像标准帧，计算出标准的图像块清晰度和非黑像素点占比值，具体过程如下：
S1-1：任意添加一图片作为标准图像，获取一帧标准图像image，通过opencv得出所 述标准图像的宽高比以及图像得像素点total；
S1-2：通过opencv的COLOR_BGR2GRAY把标准图像转换成灰度图像gray，求出标准图 像像素点的均值
Figure BDA0002553450520000021
以及灰度图像gray的像素点均值
Figure BDA0002553450520000022
S1-3：通过OpenCV的SIFT_create函数对标准图像进行标准帧的特征点提取，并把特 侦点信息保存在Kp，通过COLOR_BGR2LAB把标准图像转换到LAB空间图像lab，将原标准图像进行m*n进行切割，形成标准图像块，并把所有标准图像块保存成一个list；
S1-4：将灰度图像进行m*n分割，形成灰度图像块，并把所有灰度图像块保存在一个 gary_list；
S1-5：将所述标准图像块和灰度图像块用一个3x3的卷积核进行卷积，计算得到的方 差值clarity即为对应图像块得清晰度，计算公式如下；
Figure BDA0002553450520000023
设像素点大于0的为Pi，对所述标准图像块和灰度图像块进行二值化，求出标准图像 块和灰度图像块的非黑像素点所占比例WP：
Figure BDA0002553450520000031
将各个部分计算出来的clarify，Wp保存至各自的标准帧的std_clarify_list，std_ Wp_list中；
S2：从视频流中不断读取实施现在图像，将每次读取出来的图像进行步骤S1-1至S1-2 步骤操作,计算得到现在图像的图像像素点的均值now_Pavg，现在灰度图像gray的像素点 均值now_Gavg，现在图像now_clarify_list，和现在图像now_Wp_list以及通过BGR2LAB 函数获得现在图像在LAB域的值；
S3:遮挡\模糊检测：
将步骤S2得出的now_clarify_list，now_Wp_list与标准帧的std_clarify_list、std_Wp_list进行比对，当两者都出现异常的时候，异常帧数e_num累加，当e_num>50 则判定为现在图像有遮挡故障。
优选地，该方法还包括以下步骤：
亮度检测：
根据步骤S2得到的现在图像的now_Pavg和now_Gavg，求出现在图像的均值偏值Davg ＝now_Gavg–Gavg；
计算均值偏值的平均偏差值
Figure BDA0002553450520000032
若MD＜|Davg|则说明图像存在异常，进一步判定Davg的值，若Davg>0，判定图像 偏亮；若Davg<0，则判定图像片暗。
优选地，该方法还包括以下步骤：
偏色检测：
根据步骤S2通过BGR2LAB函数获得现在图像在LAB域的值，在a-b色度平面上，引入(da，db)为圆心的等效圆，图像平均色度D等于等效圆圆心到色度平面中轴线原点的距 离：
Figure BDA0002553450520000033
Figure BDA0002553450520000034
求出色度中心距C，
Figure BDA0002553450520000035
计算出偏色程度K,
Figure BDA0002553450520000041
如果K>1.5，则判定图像偏色。
优选地，该方法还包括以下步骤：
画面冻结检测：
根据步骤S2对连续读取的视频流的读取和计算，不断比对前后两帧图像的灰度图frame 和now_img的差异，图片差异值diff计算公式如下：
diff＝∑f(|framexy-now_framexy|) (10)；
当图片差异值diff小于所设定的阈值时，认为两张图片一样，cast_num进行累加，当 cast_num>50时，判定为图像画面冻结；cast_num累加过程中，当图片差异值diff大于所设定阈值时，cast_num清零。
优选地，该方法还包括以下步骤：
画面抖动\摄像头移位：
根据步骤S2对连续读取的视频流的读取和计算，不断比对前后两帧图像的灰度图frame 和now_img的特征点数得数组，得到Kp1，Kp2，通过计算Kp1，Kp2的feature2D物理距离， 判断是否出现画面抖动/摄像头移位。
优选地，该方法还包括以下步骤：
条纹噪声检测：根据步骤S2提取彩色图像的色度分量,对色度分量求DFT频谱图,计算 频谱图的异常亮点数，若大于设定阈值则判定发生条纹检测。
优选地，该方法还包括以下步骤：
雪花噪声/干扰检测：
通过画面冻结检测后，设当出现雪花噪声时的噪点阈值为N，若diff>N则初步判定该图像存在雪花噪声。
优选地，通过雪花噪声/干扰检测确定存在雪花噪声后，用高斯滤波器进行滤波得图像 G_now_img；通过G_now_img计算图像的信噪比SNR如下：
Figure BDA0002553450520000042
设置信噪比阈值T，若SNR<T则判定存在雪花干扰；若SNR≥T则判断不存在雪花干扰。
一种存储设备，该存储装置中存储有多条指令，所述指令适用于由处理器加载并执行 上述一种基于图像处理的视频质量检测方法的步骤操作。
一种移动终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，所述 指令适用于由所述处理器加载并执行上述一种基于图像处理的视频质量检测方法的步骤操 作。
本发明的有益效果是：本发明可以有效的鉴别各种摄像头出现的问题，缩短发现问题 摄像头的时间，通过图像分割的方式，图像分割与标准帧概念的引入，大大减少了摄像头 故障问题的误检率，进一步减少了视频监控人员的工作量。
附图说明
图1为本发明的一种基于图像处理的视频质量检测方法的原理框图。
图2为本发明的一种基于图像处理的视频质量检测方法的步骤流程图。
图3为本发明的遮挡/模糊检测的步骤流程图。
图4为本发明的雪花干扰检测的步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例对本发明进行 进一步详细说明，但本发明要求保护的范围并不局限于下述具体实施例。
如图1-4所示，一种基于图像处理的视频质量检测方法，该方法包括以下步骤：
首先选取一张标准图像，对标准图像进行图像预处理，得出标准帧的值；然后从实时 视频中不断读取照片，对实时视频图片进行局部图像处理，将局部图像处理的结果与标准 帧进行对比，最后对处理后的局部图像进行各项检测，综合所有的检测结果得出视频质量 的结果。
其中得到标准帧的具体步骤如下；
S1:设置图像标准帧，计算出标准的图像块清晰度和非黑像素点占比值，具体过程如下：
S1-1：任意添加一图片作为标准图像(人工添加一张场景正常的图片，或者让摄像头 获取一帧正确的图像image)，获取一帧标准图像image(image：标准图像)，通过opencv(Opencv是一个基于BSD许可发行的跨平台计算机视觉和机器学习软件库)得出所述标准图像的宽高比以及图像得像素点total(标准图像的宽高比以及图像得像素点总和)；
S1-2：通过opencv的COLOR_BGR2GRAY(颜色空间转化参数函数)把标准图像转换成灰 度图像gray(gray：灰度图像)，求出标准图像像素点的均值
Figure BDA0002553450520000061
其中，Pxyz 为标准图像像素点，P图像的值是一个三维矩阵，x，y，z为三维矩阵的点的坐标值；
以及灰度图像gray的像素点均值
Figure BDA0002553450520000062
其中Gxy为灰度图像像素点， 灰度图像的值是一个二维矩阵，x，y为二维矩阵点的坐标值；
S1-3：通过OpenCV的SIFT_create(Scale-invariant feature transform：尺度不变 特征变换,Create是一个可从CFrameWnd继承而来bai的成du员函数，用于子窗口的创建和设置,SIFT_create:尺度不变特征变换窗口创建函数)函数对标准图像进行标准帧的特征点提取，并把特侦点信息保存在Kp，通过COLOR_BGR2LAB把标准图像转换到LAB(Lab模 式是根据Commission International Eclairage在1931年所制定的一种测定颜色的国际 标准建立的色彩模式)空间图像lab，将原标准图像进行m*n进行切割，形成标准图像块， 并把所有标准图像块保存成一个list(列表)；
S1-4：将灰度图像进行m*n分割，形成灰度图像块，并把所有灰度图像块保存在一个 gary_list(灰度图像的切割块的保存列表)；
S1-5：将所述标准图像块和灰度图像块用一个3x3的卷积核进行卷积，计算得到的方 差值clarity(清晰度)即为对应图像块得清晰度，计算公式如下；
Figure BDA0002553450520000063
设像素点大于0的为Pi(圆周率,Pi＝3.1415926……)，对所述标准图像块和灰度图像 块进行二值化，求出标准图像块和灰度图像块的非黑像素点所占比例Wp：
Figure BDA0002553450520000064
将各个部分计算出来的clarify，Wp保存至各自的标准帧的std_clarify_list(标准 清晰度列表)，std_Wp_list(灰度图像块的非黑像素点所占比例WP保存列表)中。
设置完成遮挡检测标准帧值之后，从视频流不断读取图像回来；
S2：从视频流中不断读取实时的现在图像，将每次读取出来的图像进行步骤S1-1至S1-2 步骤操作，计算得到现在图像的图像像素点的均值now_Pavg(现在图像的图像像素点的均 值)，现在灰度图像gray的像素点均值now_Gavg(现在灰度图像gray的像素点均值)，现在 图像now_clarify_list(当前图像的清晰度列表)，和现在图像now_Wp_list(现在图像 灰度图像块的非黑像素点所占比例WP保存列表)以及通过BGR2LAB函数获得现在图像在LAB域的值。
接下来对图像进行以下各项检查，以下各项检测可以都是独立的，顺序没有先后之分。
S3:遮挡\模糊检测：
将步骤S2得出的now_clarify_list，now_Wp_list与标准帧的std_clarify_list、std_Wp_list进行比对，当两者都出现异常的时候，异常帧数e_num(e_num是枚举类型， 属于c语言中的一种数据类型)累加，当e_num>50则判定为现在图像有遮挡故障。这样子 有效避免了由于鸟类飞过摄像头时产生的遮挡误报，遮挡准确率大大提高，又不会出现漏 检的情况。
亮度检测：
根据步骤S2得到的现在图像的now_Pavg和now_Gavg，求出现在图像的均值偏值Davg ＝now_Gavg–Gavg；
计算均值偏值的平均偏差值
Figure BDA0002553450520000071
Pxy表示当前图像的灰度图像像素点，x，y为二维矩阵点的坐标值；
若MD＜|Davg|则说明图像存在异常，进一步判定Davg的值，若Davg>0，判定图像 偏亮；若Davg<0，则判定图像片暗。
偏色检测：
根据步骤S2通过BGR2LAB函数获得现在图像在LAB域的值，在a-b色度平面上，引入(da，db)为圆心的等效圆，图像平均色度D等于等效圆圆心到色度平面中轴线原点的距 离：
Figure BDA0002553450520000072
其中，A和B是LAB颜色空间域中对应的两个通道，axy是指A通道的像素点，bxy是对应B通道的像素点，x，y为二维矩阵点的坐标值；
Figure BDA0002553450520000073
求出色度中心距C，
Figure BDA0002553450520000074
计算出偏色程度K,
Figure BDA0002553450520000075
如果K>1.5，则判定图像偏色。
画面冻结检测：
根据步骤S2对连续读取的视频流的读取和计算，不断比对前后两帧图像的灰度图frame 和now_img的差异，图片差异值diff计算公式如下：
diff＝∑f(|framexy-now_framexy|) (10)
其中，frame是指前一帧图像的灰度图，now_frame是指当前帧的灰度图。framexy是 前一帧图像的灰度图的像素点，x，y为二维矩阵点的坐标值；now_framexy是指当前帧的灰度图的像素点，x，y为二维矩阵点的坐标值；
当图片差异值diff小于所设定的阈值时，认为两张图片一样，cast_num(有差异的图 片数)进行累加，当cast_num>50时，判定为图像画面冻结；cast_num累加过程中，当图片差异值diff大于所设定阈值时，cast_num清零。
由于摄像头比人眼更加敏感，因此摄像头回传的图像的明暗变化也会让算法检测到图 像有变化，因此不会出现由于摄像头内物体长时间没有移动而出现的“假冻结”误报。
画面抖动\摄像头移位：
根据步骤S2对连续读取的视频流的读取和计算，不断比对前后两帧图像的灰度图frame 和now_img(当前图像)的特征点数得数组，得到Kp1，Kp2，通过计算Kp1，Kp2的feature2D 物理距离，判断是否出现画面抖动/摄像头移位。
条纹噪声检测：
根据步骤S2提取彩色图像的色度分量，对色度分量求DFT频谱图，计算频谱图的异常 亮点数，若大于设定阈值则判定发生条纹检测。
雪花噪声/干扰检测：
雪花噪点的变化速度快且位置具有随机性，当监控视频画面出现雪花噪声时，相邻两 帧画面中的雪花噪点的位置往往也是不同。将雪花噪点作为画面前端画面，那么相邻顿画 面中背景的变化是非常细的，可以忽略不计。基于这一点，我们将相邻的两顿图像进行差 值运算，以去除背景画面统计雪花噪点。
通过画面冻结检测后，设当出现雪花噪声时的噪点阈值为N，若diff>N则初步判定该图像存在雪花噪声。
优选地，通过雪花噪声/干扰检测确定存在雪花噪声后，用高斯滤波器进行滤波得图像 G_now_img(高斯滤波器进行滤波得图像)；通过G_now_img计算图像的信噪比SNR如下：
Figure BDA0002553450520000091
其中，now_imgxy是指当前帧的灰度图的像素点，x，y为二维矩阵点的坐标值；
G_now_imgxy是高斯滤波器进行滤波得图像的像素点，x，y为二维矩阵点的坐标值；
设置信噪比阈值T，若SNR<T则判定存在雪花干扰；若SNR≥T则判断不存在雪花干扰。
对图像进行上述各项检测后，然后综合检测的结果反馈故障记录，例如，某视频有遮 挡，亮度偏暗，则反馈结果遮挡故障且亮度偏暗。
一种存储设备，该存储装置中存储有多条指令，所述指令适用于由处理器加载并执行 上述一种基于图像处理的视频质量检测方法的步骤操作。
一种移动终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，所述 指令适用于由所述处理器加载并执行上述一种基于图像处理的视频质量检测方法的步骤操 作。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进 行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些 修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一 些特定的术语，但这些术语只是为了方便说明，并不对发明构成任何限制。

Claims (10)

1.一种基于图像处理的视频质量检测方法，其特征在于，该方法包括以下步骤：
S1:设置图像标准帧，计算出标准的图像块清晰度和非黑像素点占比值，具体过程如下：
S1-1：任意添加一图片作为标准图像，获取一帧标准图像image，通过opencv得出所述标准图像的宽高比以及图像得像素点total；
S1-2：通过opencv的COLOR_BGR2GRAY把标准图像转换成灰度图像gray，求出标准图像像素点的均值
Figure FDA0002553450510000011
以及灰度图像gray的像素点均值
Figure FDA0002553450510000012
S1-3：通过OpenCV的SIFT_create函数对标准图像进行标准帧的特征点提取，并把特侦点信息保存在Kp，通过COLOR_BGR2LAB把标准图像转换到LAB空间图像lab，将原标准图像进行m*n进行切割，形成标准图像块，并把所有标准图像块保存成一个list；
S1-4：将灰度图像进行m*n分割，形成灰度图像块，并把所有灰度图像块保存在一个gary_list；
S1-5：将所述标准图像块和灰度图像块用一个3x3的卷积核进行卷积，计算得到的方差值clarity即为对应图像块得清晰度，计算公式如下；
Figure FDA0002553450510000013
设像素点大于0的为Pi，对所述标准图像块和灰度图像块进行二值化，求出标准图像块和灰度图像块的非黑像素点所占比例WP：
Figure FDA0002553450510000014
将各个部分计算出来的clarify，Wp保存至各自的标准帧的std_clarify_list，std_Wp_list中；
S2：从视频流中不断读取实施现在图像，将每次读取出来的图像进行步骤S1-1至S1-2步骤操作,计算得到现在图像的图像像素点的均值now_Pavg，现在灰度图像gray的像素点均值now_Gavg，现在图像now_clarify_list，和现在图像now_Wp_list以及通过BGR2LAB函数获得现在图像在LAB域的值；
S3:遮挡\模糊检测：
将步骤S2得出的now_clarify_list，now_Wp_list与标准帧的std_clarify_list、std_Wp_list进行比对，当两者都出现异常的时候，异常帧数e_num累加，当e_num>50则判定为现在图像有遮挡故障。
2.如权利要求1所述的一种基于图像处理的视频质量检测方法，其特征在于，该方法还包括以下步骤：
亮度检测：
根据步骤S2得到的现在图像的now_Pavg和now_Gavg，求出现在图像的均值偏值Davg＝now_Gavg–Gavg；
计算均值偏值的平均偏差值
Figure FDA0002553450510000021
若MD＜|Davg|则说明图像存在异常，进一步判定Davg的值，若Davg>0，判定图像偏亮；若Davg<0，则判定图像片暗。
3.如权利要求1所述的一种基于图像处理的视频质量检测方法，其特征在于，该方法还包括以下步骤：
偏色检测：
根据步骤S2通过BGR2LAB函数获得现在图像在LAB域的值，在a-b色度平面上，引入(da，db)为圆心的等效圆，图像平均色度D等于等效圆圆心到色度平面中轴线原点的距离：
Figure FDA0002553450510000022
Figure FDA0002553450510000023
求出色度中心距C，
Figure FDA0002553450510000024
计算出偏色程度K,
Figure FDA0002553450510000025
如果K>1.5，则判定图像偏色。
4.如权利要求1所述的一种基于图像处理的视频质量检测方法，其特征在于，该方法还包括以下步骤：
画面冻结检测：
根据步骤S2对连续读取的视频流的读取和计算，不断比对前后两帧图像的灰度图frame和now_img的差异，图片差异值diff计算公式如下：
diff＝∑f(frameyy-now_framexy|) (10)；
当图片差异值diff小于所设定的阈值时，认为两张图片一样，cast_num进行累加，当cast_num>50时，判定为图像画面冻结；cast_num累加过程中，当图片差异值diff大于所设定阈值时，cast_num清零。
5.如权利要求1所述的一种基于图像处理的视频质量检测方法，其特征在于，该方法还包括以下步骤：
画面抖动\摄像头移位：
根据步骤S2对连续读取的视频流的读取和计算，不断比对前后两帧图像的灰度图frame和now_img的特征点数得数组，得到Kp1，Kp2，通过计算Kp1，Kp2的feature2D物理距离，判断是否出现画面抖动/摄像头移位。
6.如权利要求1所述的一种基于图像处理的视频质量检测方法，其特征在于，该方法还包括以下步骤：
条纹噪声检测：根据步骤S2提取彩色图像的色度分量,对色度分量求DFT频谱图,计算频谱图的异常亮点数，若大于设定阈值则判定发生条纹检测。
7.如权利要求3所述的一种基于图像处理的视频质量检测方法，其特征在于，该方法还包括以下步骤：
雪花噪声/干扰检测：
通过画面冻结检测后，设当出现雪花噪声时的噪点阈值为N，若diff>N则初步判定该图像存在雪花噪声。
8.如权利要求7所述的一种基于图像处理的视频质量检测方法，其特征在于，
通过雪花噪声/干扰检测确定存在雪花噪声后，用高斯滤波器进行滤波得图像G_now_img；通过G_now_img计算图像的信噪比SNR如下：
Figure FDA0002553450510000031
设置信噪比阈值T，若SNR<T则判定存在雪花干扰；若SNR≥T则判断不存在雪花干扰。
9.一种存储设备，该存储装置中存储有多条指令，其特征在于，所述指令适用于由处理器加载并执行如权利要求1-8任一所述一种基于图像处理的视频质量检测方法的步骤操作。
10.一种移动终端，包括用于执行各指令的处理器和用于存储多条指令的存储装置，其特征在于，所述指令适用于由所述处理器加载并执行如权利要求1-8任一所述一种基于图像处理的视频质量检测方法的步骤操作。
CN202010584013.3A 2020-06-23 2020-06-23 一种基于图像处理的视频质量检测方法、存储设备及移动终端 Pending CN112291551A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010584013.3A CN112291551A (zh) 2020-06-23 2020-06-23 一种基于图像处理的视频质量检测方法、存储设备及移动终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010584013.3A CN112291551A (zh) 2020-06-23 2020-06-23 一种基于图像处理的视频质量检测方法、存储设备及移动终端

Publications (1)

Publication Number Publication Date
CN112291551A true CN112291551A (zh) 2021-01-29

Family

ID=74420619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010584013.3A Pending CN112291551A (zh) 2020-06-23 2020-06-23 一种基于图像处理的视频质量检测方法、存储设备及移动终端

Country Status (1)

Country Link
CN (1) CN112291551A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113569713A (zh) * 2021-07-23 2021-10-29 浙江大华技术股份有限公司 视频图像的条纹检测方法及装置、计算机可读存储介质
CN114090168A (zh) * 2022-01-24 2022-02-25 麒麟软件有限公司 一种qemu虚拟机图像输出窗口自适应调整方法
CN114928740A (zh) * 2021-11-25 2022-08-19 广东利通科技投资有限公司 视频质量检测方法、装置、设备、存储介质和程序产品
CN116156157A (zh) * 2023-04-24 2023-05-23 长沙海信智能系统研究院有限公司 一种摄像头遮挡异常的检测方法及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102421008A (zh) * 2011-12-07 2012-04-18 浙江捷尚视觉科技有限公司 视频质量智能检测系统
CN104240235A (zh) * 2014-08-26 2014-12-24 北京君正集成电路股份有限公司 一种检测摄像头被遮挡的方法及系统
CN105139016A (zh) * 2015-08-11 2015-12-09 豪威科技(上海)有限公司 监控摄像头的干扰检测系统及其应用方法
CN107347151A (zh) * 2016-05-04 2017-11-14 深圳众思科技有限公司 双目摄像头遮挡检测方法及装置
CN107423737A (zh) * 2017-05-03 2017-12-01 武汉东智科技股份有限公司 异物遮挡的视频质量诊断方法
CN109413413A (zh) * 2018-09-26 2019-03-01 央视国际网络无锡有限公司 视频质量评价方法及装置
CN109598706A (zh) * 2018-11-26 2019-04-09 安徽嘉拓信息科技有限公司 一种摄像机镜头遮挡检测方法及系统
CN110049320A (zh) * 2019-05-23 2019-07-23 北京猎户星空科技有限公司 摄像头遮挡检测方法、装置、电子设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102421008A (zh) * 2011-12-07 2012-04-18 浙江捷尚视觉科技有限公司 视频质量智能检测系统
CN104240235A (zh) * 2014-08-26 2014-12-24 北京君正集成电路股份有限公司 一种检测摄像头被遮挡的方法及系统
CN105139016A (zh) * 2015-08-11 2015-12-09 豪威科技(上海)有限公司 监控摄像头的干扰检测系统及其应用方法
CN107347151A (zh) * 2016-05-04 2017-11-14 深圳众思科技有限公司 双目摄像头遮挡检测方法及装置
CN107423737A (zh) * 2017-05-03 2017-12-01 武汉东智科技股份有限公司 异物遮挡的视频质量诊断方法
CN109413413A (zh) * 2018-09-26 2019-03-01 央视国际网络无锡有限公司 视频质量评价方法及装置
CN109598706A (zh) * 2018-11-26 2019-04-09 安徽嘉拓信息科技有限公司 一种摄像机镜头遮挡检测方法及系统
CN110049320A (zh) * 2019-05-23 2019-07-23 北京猎户星空科技有限公司 摄像头遮挡检测方法、装置、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113569713A (zh) * 2021-07-23 2021-10-29 浙江大华技术股份有限公司 视频图像的条纹检测方法及装置、计算机可读存储介质
CN114928740A (zh) * 2021-11-25 2022-08-19 广东利通科技投资有限公司 视频质量检测方法、装置、设备、存储介质和程序产品
CN114090168A (zh) * 2022-01-24 2022-02-25 麒麟软件有限公司 一种qemu虚拟机图像输出窗口自适应调整方法
CN116156157A (zh) * 2023-04-24 2023-05-23 长沙海信智能系统研究院有限公司 一种摄像头遮挡异常的检测方法及电子设备
CN116156157B (zh) * 2023-04-24 2023-08-18 长沙海信智能系统研究院有限公司 一种摄像头遮挡异常的检测方法及电子设备

Similar Documents

Publication Publication Date Title
CN112291551A (zh) 一种基于图像处理的视频质量检测方法、存储设备及移动终端
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
EP1683105B1 (en) Object detection in images
CN110766679B (zh) 镜头脏污检测方法、装置及终端设备
EP1805715B1 (en) A method and system for processing video data
WO2022088620A1 (zh) 相机镜头的状态检测方法、装置、设备及存储介质
CN112149543B (zh) 一种基于计算机视觉的建筑扬尘识别系统与方法
CN115082451B (zh) 一种基于图像处理的不锈钢汤勺缺陷检测方法
CN110415208A (zh) 一种自适应目标检测方法及其装置、设备、存储介质
JP6208426B2 (ja) フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法
CN109030499B (zh) 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN111539980A (zh) 一种基于可见光的多目标追踪方法
CN112927262A (zh) 一种基于视频的相机镜头遮挡检测方法及系统
CN111665199A (zh) 一种基于机器视觉的电线电缆颜色检测识别方法
CN113744326B (zh) 一种在ycrcb颜色空间中基于种子区域生长法则的火灾检测方法
CN115311623A (zh) 一种基于红外热成像的设备漏油检测方法及系统
CN112613456A (zh) 一种基于多帧差分图像累积的小目标检测方法
CN117036259A (zh) 一种基于深度学习的金属板材表面缺陷检测方法
CN113221603A (zh) 一种检测监控设备被异物遮挡的方法及装置
CN116704440A (zh) 基于大数据的智能综合采集分析系统
CN115409793A (zh) 一种基于机器视觉的雾滴检测方法及系统
CN115131355A (zh) 利用电子设备数据检测防水布异常的智能方法
Abdusalomov et al. Robust shadow removal technique for improving image enhancement based on segmentation method
CN114937003A (zh) 一种针对玻璃面板的多类型缺陷检测系统和方法
CN111583202A (zh) 一种毛丝检测方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210129