CN114928740A - 视频质量检测方法、装置、设备、存储介质和程序产品 - Google Patents
视频质量检测方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN114928740A CN114928740A CN202111412280.3A CN202111412280A CN114928740A CN 114928740 A CN114928740 A CN 114928740A CN 202111412280 A CN202111412280 A CN 202111412280A CN 114928740 A CN114928740 A CN 114928740A
- Authority
- CN
- China
- Prior art keywords
- video frame
- target
- confidence
- video
- fault
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 278
- 238000000034 method Methods 0.000 claims abstract description 83
- 238000004364 calculation method Methods 0.000 claims abstract description 59
- 230000008014 freezing Effects 0.000 claims abstract description 56
- 238000007710 freezing Methods 0.000 claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000005096 rolling process Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 21
- 230000005856 abnormality Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种视频质量检测方法、装置、设备、存储介质和程序产品。所述方法包括：从待检测的目标视频中截取至少三个视频帧，并获取各视频帧分别对应的灰度图以及边缘图；基于视频帧、灰度图以及边缘图的像素值进行计算处理，根据计算处理的结果确定目标视频是否发生第一质量故障，并输出第一质量故障的检测结果对应的第一置信度，第一质量故障包括画面出现黑屏、遮挡、模糊、噪声、冻结、亮度异常以及滚动条纹的故障；若未发生画面冻结的故障，且发生画面亮度异常的故障，则检测目标视频是否发生第二质量故障，并输出第二质量故障的检测结果对应的第二置信度，第二质量故障包括画面出现闪烁的故障。采用本方法能够降低视频质量检测成本。
Description
技术领域
本申请涉及视频图像处理技术领域，特别是涉及一种视频质量检测方法、装置、设备、存储介质和程序产品。
背景技术
随着安全防控体系建设不断推进，视频监控设备覆盖率大幅提升。在监控设备的使用过程中，会存在由于监控设备内部故障或外部干扰而影响监控设备获取有效的监控视频的问题，因此，在监控设备工作过程中，需要实时检查监控设备的视频图像质量，以判断视频图像画质是否存在问题，从而通知运维人员及时处理，保证监控设备正常工作。
现有技术中，利用基于神经网络深度学习的AI智能检测方法，对监控设备的视频图像进行视频图像质量检测。
然而，现有技术中，神经网络算法的训练需要收集大量各类质量问题的视频素材进行标注学习，同时也需要消耗大量的机器性能资源影响，才能检测出视频是否存在质量问题，因此，采用此方法资源消耗大，分析成本高且耗时长。
发明内容
基于此，有必要针对上述技术问题，提供一种具有高可靠性且检测成本低的视频质量检测方法、装置、设备、存储介质和程序产品。
第一方面，本申请提供了一种视频质量检测方法。该方法包括：
从待检测的目标视频中截取至少三个视频帧，并获取各视频帧分别对应的灰度图以及边缘图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，并输出该第一质量故障的检测结果对应的第一置信度，该第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障；若未发生该画面冻结的故障，且，发生该画面亮度异常的故障，则检测该目标视频是否发生第二质量故障，并输出该第二质量故障的检测结果对应的第二置信度，该第二质量故障包括画面出现闪烁的故障。
在其中一个实施例中，基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：对于各视频帧，获取该视频帧中第一目标像素的第一占比，其中，该第一目标像素的像素值小于第一像素阈值；将各视频帧对应的该第一占比分别与黑屏阈值进行对比，并根据各视频帧的对比结果检测各视频帧是否黑屏，根据检测结果确定该目标视频是否发生画面出现黑屏的故障。
在其中一个实施例中，第一置信度包括目标黑屏置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现黑屏的检测结果查询预先设置的黑屏置信度表，其中，该黑屏置信度表中存储有视频帧黑屏检测结果与黑屏置信度的多个对应关系；基于查询结果，得到该目标黑屏置信度。
在其中一个实施例中，基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：对于各视频帧，获取目标网格图，对于该目标网格图中的各网格块，根据该网格块的位置，在该视频帧对应的该灰度图和该边缘图中分别确定灰度图块和边缘图块，并根据该灰度图块的标准差和该边缘图块的标准差确定该网格块的遮挡值；根据各视频帧对应的该目标网格图中各网格块的遮挡值，确定各视频帧是否存在遮挡；根据对各视频帧是否存在遮挡的检测结果确定该目标视频是否发生画面出现遮挡的故障。
在其中一个实施例中，该第一置信度包括目标遮挡置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现遮挡的检测结果查询预先设置的遮挡置信度表，其中，该遮挡置信度表中存储有视频帧遮挡检测结果与遮挡置信度的多个对应关系；基于查询结果，得到该目标遮挡置信度。
在其中一个实施例中，该基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：基于各视频帧对应的边缘图的像素值，计算各视频帧对应的边缘图的像素值均值；将各视频帧的像素值均值与模糊阈值进行对比，根据比较结果确定该目标视频是否发生画面模糊的故障。
在其中一个实施例中，第一置信度包括目标模糊置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现模糊的检测结果查询预先设置的模糊置信度表，其中，该模糊置信度表中存储有视频帧模糊检测结果与模糊置信度的多个对应关系；基于查询结果，得到该目标模糊置信度。
在其中一个实施例中，该基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：基于各视频帧的像素值，获取多个差值图，多个差值图至少包括：第一视频帧与第二视频帧之间的差值图、第一视频帧与第三视频帧之间的差值图以及第二视频帧与第三视频帧之间的差值图；基于各差值图的像素值，获取各差值图对应的灰度图；基于各差值图对应的灰度图，获取各差值图对应的灰度图的方差值；将各差值图对应的灰度图的方差值与噪声阈值进行对比，根据比较结果确定目标视频是否发生画面出现噪声的故障。
在其中一个实施例中，该第一置信度包括目标噪声置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现噪声的检测结果查询预先设置的噪声置信度表，其中，该噪声置信度表中存储有视频帧噪声检测结果与噪声置信度的多个对应关系；基于查询结果，得到该目标噪声置信度。
在其中一个实施例中，该基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：对于各视频帧，获取该视频帧中第二目标像素的第二占比，其中，该各视频帧的第二目标像素的像素值均相等；将该第二占比与冻结阈值进行对比，并根据该第二占比的对比结果确定该目标视频是否发生画面出现冻结的故障。
在其中一个实施例中，该第一置信度包括目标冻结置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于该第二占比的对比结果查询预先设置的冻结置信度表，其中，该冻结置信度表中存储有第二占比的对比结果与冻结置信度的多个对应关系；基于查询结果，得到该目标冻结置信度。
在其中一个实施例中，该基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：对于各视频帧对应的灰度图的像素值，获取该视频帧对应的灰度图中第三目标像素的第三占比，其中，该第三目标像素的像素值小于第三像素阈值；将各视频帧对应灰度图的该第三占比分别与亮度阈值进行对比，并根据各视频帧对应的灰度图的对比结果检测各视频帧是否亮度异常，根据检测结果确定该目标视频是否发生画面亮度异常的故障。
在其中一个实施例中，该第一置信度包括目标亮度置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现亮度异常的检测结果查询预先设置的亮度置信度表，其中，该亮度置信度表中存储有视频帧亮度检测结果与亮度置信度的多个对应关系；基于查询结果，得到该目标亮度置信度。
在其中一个实施例中，该基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：基于各差值图对应的灰度图的像素值，对各差值图对应的灰度图进行傅里叶变换，得到各差值图对应的频谱图；对于各差值图对应的频谱图，获取该频谱图中第四目标像素的第四占比，其中，该第四目标像素的像素值大于第四像素阈值；将各差值图对应的频谱图的该第四占比分别与条纹阈值进行对比，并根据各差值图对应的频谱图的对比结果检测各视频帧是否出现滚动条纹，根据检测结果确定该目标视频是否发生画面出现滚动条纹的故障。
在其中一个实施例中，该第一置信度包括目标条纹置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现滚动条纹的检测结果查询预先设置的条纹置信度表，其中，该条纹置信度表中存储有视频帧条纹检测结果与条纹置信度的多个对应关系；基于查询结果，得到该目标条纹置信度。
在其中一个实施例中，检测该目标视频是否发生第二质量故障，包括：基于各差值图的像素值，得到多个第一HSV图，多个HSV图包括各差值图对应的HSV图；基于各视频帧中像素的像素值，得到多个第二HSV图，该多个第二HSV图包括各视频帧对应的HSV图；计算各第一HSV图的像素值和各第二HSV图的像素值之间的相似度，得到多个相似度值；将各相似度值与闪烁阈值进行对比，根据比较结果确定该目标视频是否发生画面出现闪烁的故障。
在其中一个实施例中，第二置信度包括闪烁置信度，该输出该第二质量故障的检测结果对应的第二置信度，包括：基于各视频帧是否出现闪烁的检测结果查询预先设置的闪烁置信度表，其中，该闪烁置信度表中存储有视频帧闪烁检测结果与闪烁置信度的多个对应关系；基于查询结果，得到该目标闪烁置信度。
第二方面，本申请还提供了一种视频质量检测装置。该装置包括：
第一获取模块，用于从待检测的目标视频中截取至少三个视频帧，并获取各所述视频帧分别对应的灰度图以及边缘图；
第一确定模块，用于基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，并输出所述第一质量故障的检测结果对应的第一置信度，所述第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障；
第一检测模块，用于若未发生所述画面冻结的故障，且，发生所述画面亮度异常的故障，则检测所述目标视频是否发生第二质量故障，并输出所述第二质量故障的检测结果对应的第二置信度，所述第二质量故障包括画面出现闪烁的故障。
在其中一个实施例中，该第一确定模块，具体用于：对于各视频帧，获取该视频帧中第一目标像素的第一占比，其中，该第一目标像素的像素值小于第一像素阈值；将各视频帧对应的该第一占比分别与黑屏阈值进行对比，并根据各视频帧的对比结果检测各视频帧是否黑屏，根据检测结果确定该目标视频是否发生画面出现黑屏的故障。
在其中一个实施例中，第一置信度包括目标黑屏置信度，该第一确定模块，具体用于：基于各视频帧是否出现黑屏的检测结果查询预先设置的黑屏置信度表，其中，该黑屏置信度表中存储有视频帧黑屏检测结果与黑屏置信度的多个对应关系；基于查询结果，得到该目标黑屏置信度。
在其中一个实施例中，该第一确定模块，具体用于：对于各视频帧，获取目标网格图，对于该目标网格图中的各网格块，根据该网格块的位置，在该视频帧对应的该灰度图和该边缘图中分别确定灰度图块和边缘图块，并根据该灰度图块的标准差和该边缘图块的标准差确定该网格块的遮挡值；根据各视频帧对应的该目标网格图中各网格块的遮挡值，确定各视频帧是否存在遮挡；根据对各视频帧是否存在遮挡的检测结果确定该目标视频是否发生画面出现遮挡的故障。
在其中一个实施例中，第一置信度包括目标遮挡置信度，该第一确定模块，具体用于：基于各视频帧是否出现遮挡的检测结果查询预先设置的遮挡置信度表，其中，该遮挡置信度表中存储有视频帧遮挡检测结果与遮挡置信度的多个对应关系；基于查询结果，得到该目标遮挡置信度。
在其中一个实施例中，该第一确定模块，具体用于：基于各视频帧对应的边缘图的像素值，计算各视频帧对应的边缘图的像素值均值；将各视频帧的像素值均值与模糊阈值进行对比，根据比较结果确定该目标视频是否发生画面模糊的故障。
在其中一个实施例中，第一置信度包括目标模糊置信度，该第一确定模块，具体用于：基于各视频帧是否出现模糊的检测结果查询预先设置的模糊置信度表，其中，该模糊置信度表中存储有视频帧模糊检测结果与模糊置信度的多个对应关系；基于查询结果，得到该目标模糊置信度。
在其中一个实施例中，该第一确定模块，具体用于：基于各视频帧的像素值，获取多个差值图，多个差值图至少包括：第一视频帧与第二视频帧之间的差值图、第一视频帧与第三视频帧之间的差值图以及第二视频帧与第三视频帧之间的差值图；基于各差值图的像素值，获取各差值图对应的灰度图；基于各差值图对应的灰度图，获取各差值图对应的灰度图的方差值；将各差值图对应的灰度图的方差值与噪声阈值进行对比，根据比较结果确定目标视频是否发生画面出现噪声的故障。
在其中一个实施例中，第一置信度包括目标噪声置信度，该第一确定模块，具体用于：基于各视频帧是否出现噪声的检测结果查询预先设置的噪声置信度表，其中，该噪声置信度表中存储有视频帧噪声检测结果与噪声置信度的多个对应关系；基于查询结果，得到该目标噪声置信度。
在其中一个实施例中，该第一确定模块，具体用于：对于各视频帧，获取该视频帧中第二目标像素的第二占比，其中，该各视频帧的第二目标像素的像素值均相等；将该第二占比与冻结阈值进行对比，并根据该第二占比的对比结果确定该目标视频是否发生画面出现冻结的故障。
在其中一个实施例中，第一置信度包括目标冻结置信度，该第一确定模块，具体用于：基于该第二占比的对比结果查询预先设置的冻结置信度表，其中，该冻结置信度表中存储有第二占比的对比结果与冻结置信度的多个对应关系；基于查询结果，得到该目标冻结置信度。
在其中一个实施例中，该第一确定模块，具体用于：对于各视频帧对应的灰度图的像素值，获取该视频帧对应的灰度图中第三目标像素的第三占比，其中，该第三目标像素的像素值小于第三像素阈值；将各视频帧对应灰度图的该第三占比分别与亮度阈值进行对比，并根据各视频帧对应的灰度图的对比结果检测各视频帧是否亮度异常，根据检测结果确定该目标视频是否发生画面亮度异常的故障。
在其中一个实施例中，第一置信度包括目标亮度置信度，该第一确定模块，具体用于：基于各视频帧是否出现亮度异常的检测结果查询预先设置的亮度置信度表，其中，该亮度置信度表中存储有视频帧亮度检测结果与亮度置信度的多个对应关系；基于查询结果，得到该目标亮度置信度。
在其中一个实施例中，该第一确定模块，具体用于：基于各差值图对应的灰度图的像素值，对各差值图对应的灰度图进行傅里叶变换，得到各差值图对应的频谱图；对于各差值图对应的频谱图，获取该频谱图中第四目标像素的第四占比，其中，该第四目标像素的像素值大于第四像素阈值；将各差值图对应的频谱图的该第四占比分别与条纹阈值进行对比，并根据各差值图对应的频谱图的对比结果检测各视频帧是否出现滚动条纹，根据检测结果确定该目标视频是否发生画面出现滚动条纹的故障。
在其中一个实施例中，第一置信度包括目标条纹置信度，该第一确定模块，具体用于：基于各视频帧是否出现滚动条纹的检测结果查询预先设置的条纹置信度表，其中，该条纹置信度表中存储有视频帧条纹检测结果与条纹置信度的多个对应关系；基于查询结果，得到该目标条纹置信度。
在其中一个实施例中，该第一检测模块，具体用于：基于各差值图的像素值，得到多个第一HSV图，多个HSV图包括各差值图对应的HSV图；基于各视频帧中像素的像素值，得到多个第二HSV图，该多个第二HSV图包括各视频帧对应的HSV图；计算各第一HSV图的像素值和各第二HSV图的像素值之间的相似度，得到多个相似度值；将各相似度值与闪烁阈值进行对比，根据比较结果确定该目标视频是否发生画面出现闪烁的故障。
在其中一个实施例中，第二置信度包括目标闪烁置信度，该第一检测模块，具体用于：基于各视频帧是否出现闪烁的检测结果查询预先设置的闪烁置信度表，其中，该闪烁置信度表中存储有视频帧闪烁检测结果与闪烁置信度的多个对应关系；基于查询结果，得到该目标闪烁置信度。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
上述视频质量检测方法、装置、设备、存储介质和程序产品，通过从待检测的目标视频中截取视频帧，并获取各视频帧分别对应的灰度图以及边缘图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值，从而可以直接通过计算处理确定待检测的目标视频是否发生第一质量故障，并输出该第一质量故障的检测结果对应的第一置信度，因此，通过在输出视频质量检测结果的同时，输出第一置信度，保证了目标视频的质量检测的可靠性，且，由于不需要预先收集大量数据且不需要进行训练，降低了分析成本和视频检测耗时，提升了检测效率；同时，基于第一质量故障的检测结果，根据计算处理直接确定该目标视频是否发生第二质量故障，并输出该第二质量故障的检测结果对应的第二置信度，进一步在保证低成本和高效率的同时，得到目标视频的全面质量检测结果。
附图说明
图1为一个实施例中视频质量检测方法的流程示意图；
图2为一个实施例中黑屏故障检测的流程示意图；
图3为一个实施例中遮挡故障检测的流程示意图；
图4为一个实施例中模糊故障检测的流程示意图；
图5为一个实施例中噪声故障检测的流程示意图；
图6为一个实施例中冻结故障检测的流程示意图；
图7为一个实施例中亮度故障检测的流程示意图；
图8为一个实施例中条纹故障检测的流程示意图；
图9为一个实施例中闪烁故障检测的流程示意图；
图10为一个实施例中待测视频质量检测的流程示意图；
图11为一个实施例中视频质量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。
随着安全防控体系建设不断推进，生活中，视频监控设备覆盖率大幅提升。在监控设备的使用过程中，会存在由于监控设备内部故障或外部干扰而影响监控设备获取有效的监控视频的问题，因此，在监控设备工作过程中，需要实时检查监控设备的视频图像质量，以判断视频图像画质是否存在问题，从而通知运维人员及时处理，保证监控设备正常工作。
相关技术中，可以通过利用基于神经网络深度学习的AI智能检测方法，对监控设备的视频图像进行视频图像质量检测步骤。
然而，神经网络算法的训练需要收集大量各类质量问题的视频素材进行标注学习，同时也需要消耗大量的机器性能资源影响，才能检测出视频是否存在质量问题，且，监控视频出现质量问题的概率极低，因此，采用此方法资源消耗大，分析成本高且耗时长。
在一个实施例中，如图1所示，提供了一种视频质量检测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤101，从待检测的目标视频中截取至少三个视频帧，并获取各视频帧分别对应的灰度图以及边缘图。
其中，将需要进行质量检测的视频作为待检测的目标视频，例如，需要实时进行质量检测的监控视频；设定待测图库存储容量为三张视频帧，每间隔固定时间从目标视频中截取I帧图像存入待测图库中，当截取到三张I帧图像存入图库中后，得到三个视频帧，并且，每当获取到最新的一张I帧图像后，将其存入待测图库，并将最先存入待测图库的I帧图像从待测图库中删除，保证待测图库中存储最新获取的三张I帧图像，将待测图库中存储的I帧图像作为视频帧，而根据该三张视频帧对目标视频进行质量检测，可选的，结合监控视频的业务特点，可以设定间隔时间为五分钟，并且，可以根据实际情况的不同，设定待测图库中存储不同数量的I帧图像，并根据图中存储的图像对目标视频进行质量检测，本申请实施例以获取三张视频帧对目标视频进行质量检测为例。对待测图库中的各视频帧进行灰度处理，得到各视频帧对应的灰度图，对待测图库中的各视频帧进行边缘化处理，得到各视频帧对应的边缘图，从而可以基于各视频帧、各灰度图以及各边缘图，对目标视频进行质量检测。
步骤102，基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，并输出该第一质量故障的检测结果对应的第一置信度，该第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障。
其中，具体地，根据获取到的各视频帧的像素值、各视频帧对应的灰度图的像素值以及各视频帧对应的边缘图的像素值的计算处理结果，确定目标视频的质量；第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障，相应的，确定待检测的目标视频的质量是否发生第一质量故障包括：确定目标视频画面是否出现黑屏、确定目标视频画面是否出现遮挡、确定目标视频画面是否出现模糊、确定目标视频画面是否出现噪声、确定目标视频画面是否出现亮度异常以及确定目标视频画面是否出现滚动条纹；并且，在确定目标视频是否出现第一质量故障时，同时确定第一质量故障的检测结果对应的第一置信度并输出，该第一置信度用于表征第一质量故障的检测结果的可信度；将第一质量故障的检测结果和第一置信度展示给工作人员，工作人员可以结合第一置信度，确定是否结合相关检测结果对目标视频对应的监控设备进行处理，例如，当第一质量故障的检测结果中包括目标视频画面出现黑屏且第一置信度较高时，工作人员可以对目标视频对应的监控设备进行黑屏维修处理，若当第一质量故障的检测结果中包括目标视频画面出现黑屏且第一置信度较低时，工作人员可以不对目标视频对应的监控设备进行黑屏维修处理。
步骤103，若未发生该画面冻结的故障，且，发生该画面亮度异常的故障，则检测该目标视频是否发生第二质量故障，并输出该第二质量故障的检测结果对应的第二置信度，该第二质量故障包括画面出现闪烁的故障。
其中，当第一质量故障的检测结果中包括目标视频未发生画面冻结的故障，且目标视频发生亮度异常的故障后，需要进一步检测目标视频是否发生画面闪烁的故障，提升对目标视频故障检测结果的准确性，该画面是否出现闪烁的故障即为第二质量故障；根据各视频帧的像素值、各灰度图的像素值以及各边缘图的像素值，对目标视频进行第二质量故障的检测，同时输出第二质量故障的检测结果对应的第二置信度，该第二置信度用于表征第二质量故障的检测结果的可信度。
上述视频质量检测方法中，通过从待检测的目标视频中截取视频帧，并获取各视频帧分别对应的灰度图以及边缘图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值，从而可以直接通过计算处理确定待检测的目标视频是否发生第一质量故障，并输出该第一质量故障的检测结果对应的第一置信度，因此，通过在输出视频质量检测结果的同时，输出第一置信度，保证了目标视频的质量检测的可靠性，且，由于不需要预先收集大量数据且不需要进行训练，降低了分析成本和视频检测耗时，提升了检测效率；同时，通过基于第一质量故障的检测结果，根据计算处理直接确定该目标视频是否发生第二质量故障，并输出该第二质量故障的检测结果对应的第二置信度，进一步在保证低成本和高效率的同时，得到目标视频的全面质量检测结果。
在一个实施例中，如图2所示，其示出了本申请实施例提供的一种黑屏故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤201，对于各视频帧，获取该视频帧中第一目标像素的第一占比，其中，该第一目标像素的像素值小于第一像素阈值。
其中，为确定目标视频是否发生画面出现黑屏的故障，首先需要确定各视频帧的平均亮度；具体地，例如，对于每一视频帧，首先确定各视频帧的通道数，若该视频帧为彩图，则其通道数为三通道，若为单色图，其通道数为1；若其通道数为3，统计该视频帧每一通道的像素值均小于固定像素值的像素点的数量占该视频帧总像素点数量的比例，该比例即为第一目标像素的第一占比，该第一占比即为该视频帧的平均亮度，每一通道的像素值均小于固定像素值的像素点即为第一目标像素，固定像素值即为第一像素阈值；对于每一视频帧，均得到其对应的第一占比的值；可选的，该第一像素阈值可以设定为30，且该第一像素阈值可以根据实际环境的不同，设定不同值，例如当实际环境为白天时，可以将第一像素阈值设定较大的值，当实际环境为黄昏时，可以将第一像素阈值设定较小的值。
步骤202，将各视频帧对应的该第一占比分别与黑屏阈值进行对比，并根据各视频帧的对比结果检测各视频帧是否黑屏，根据检测结果确定该目标视频是否发生画面出现黑屏的故障。
第一置信度包括目标黑屏置信度，输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现黑屏的检测结果查询预先设置的黑屏置信度表，其中，该黑屏置信度表中存储有视频帧黑屏检测结果与黑屏置信度的多个对应关系；基于查询结果，得到该目标黑屏置信度。
其中，设定黑屏阈值，用于确定各视频帧是否出现黑屏；将各视频帧对应的第一占比分别与黑屏阈值进行对比，若该视频帧的第一占比小于黑屏阈值，则确定该视频帧黑屏，并将其标记为是，若该视频帧的第一占比不小于黑屏阈值，则确定该视频帧未黑屏，并将其标记为否，得到各视频帧的黑屏检测结果；同时，第一置信度包括目标黑屏置信度，该目标黑屏置信度用于表征目标视频的黑屏的检测结果的可信度；预先设置的黑屏置信度表中存储有视频帧黑屏检测结果与黑屏置信度的多个对应关系，根据获取到的各视频帧的黑屏检测结果，查询该黑屏置信度表，得到目标视频的黑屏检测结果和该目标黑屏置信度，并将其输出给工作人员，以便工作人员根据黑屏检测结果和目标黑屏置信度，对目标视频对应的监控设备进行处理。该黑屏置信度表如表1所示：
(表1)
表1中，P0为第一张视频帧的标记结果，P1为第二张视频帧的标记结果，P2为第三张视频帧的标记结果，例如，当三张视频帧的标记结果均为是时，根据表1的内容，确定目标视频的检测结果包括目标视频发生画面出现黑屏的故障，且目标黑屏置信度为0.9。
通过对各视频帧进行黑屏检测，并根据各视频帧的黑屏检测结果确定目标视频的黑屏检测结果，同时输出目标黑屏置信度，以提升检测结果的可靠性，为运维人员进行目标视频质量分析提供可靠的检测结果，并且，由于直接根据各视频帧进行计算，保证高效率检测的同时降低检测成本。
在一个实施例中，如图3所示，其示出了本申请实施例提供的一种遮挡故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤301，对于各视频帧，获取目标网格图，对于该目标网格图中的各网格块，根据该网格块的位置，在该视频帧对应的该灰度图和该边缘图中分别确定灰度图块和边缘图块，并根据该灰度图块的标准差和该边缘图块的标准差确定该网格块的遮挡值。
其中，对于各视频帧对应的灰度图，通过拉普拉斯算法得到各灰度图对应的边缘图，将各视频帧按存储顺序依次记为P0、P1和P2，各视频帧对应的灰度图依次记为Pg0、Pg1和Pg2，各灰度图对应的边缘图依次记为Pl0、Pl1和Pl2；对于Pg0和Pl0，按照视频帧的长宽比例，将Pg0和Pl0以网格的形式均分成100个网格块，100个网格块组成目标网格图，根据该网格块的位置，在Pg0和Pl0中分别确定各网格块对应的像素点，各网格块对应的像素点构成各灰度图块和边缘图块；采用遍历算法遍历每一网格块对应的灰度图块和边缘图块，计算各灰度图块和各边缘图块的标准差，将Pg0中的灰度图块的标准差值记为detaG，将Pl0中的边缘图块的标准差值记为detalL，记灰度阈值为G和边缘阈值为L，对于每一网格块，若其对应的灰度图块的标准差值和边缘图块的标准差值满足detaG＜G且detalL小于L，则将该网格块标记为1，否则，标记为0，得到用1和0标记的P0对应的目标网格图的布局图。对于Pg1和Pl1，采用与Pg0和Pl0相同的计算，得到P1对应的目标网格图的布局图；对于Pg2和Pl2，采用与Pg0和Pl0相同的计算，得到P2对应的目标网格图的布局图。可选的，G可以设定为15，L可以设定为10，G和L的值可以根据实际环境不同微调。
步骤302，根据各视频帧对应的该目标网格图中各网格块的遮挡值，确定各视频帧是否存在遮挡，根据对各视频帧是否存在遮挡的检测结果确定该目标视频是否发生画面出现遮挡的故障。
第一置信度包括目标遮挡置信度，该输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现遮挡的检测结果查询预先设置的遮挡置信度表，其中，该遮挡置信度表中存储有视频帧遮挡检测结果与遮挡置信度的多个对应关系；基于查询结果，得到该目标遮挡置信度。
其中，各网格块的标记即为各网格块的遮挡值，对于P0对应的目标网格图的布局图，根据各网格块的标记，采用深度优先搜索算法确定目标网格图中最大连接数C，该最大连接数C表征目标网格图中标记为1且相连的网格块的最大数量；将该最大连接数C占总网格块数的比例记为Pz0，判断Pz0是否大于遮挡阈值，例如，遮挡阈值可以设定为0.2，若是，则说明P1发生遮挡，且将P1标记为是，若否，标记为否；对于P1对应的目标网格图的布局图，采用与P0同样的处理，得到P1对应的目标网格图中最大连接数占总网格块数的比例记为Pz1；对于P2对应的目标网格图的布局图，采用与P0同样的处理，得到P2对应的目标网格图中最大连接数占总网格块数的比例记为Pz2，根据Pz0、Pz1和Pz2，查询表2，以确定P1、P2和P3分别对应的遮挡置信度：
| PzX(X＝0,1,2) | Cf1X(X＝0,1,2) |
| 0<PzX<0.05 | 0.95 |
| 0.05<＝PzX<0.1 | 0.8 |
| 0.1<＝PzX<0.2 | 0.5 |
| 0.2<＝PzX<0.5 | 0.3 |
| 0.5<＝PzX<0.8 | 0.6 |
| 0.8<＝PzX<1.0 | 0.9 |
(表2)
表2中，Cf10为P0的遮挡置信度，Cf11为P1的遮挡置信度，Cf12为P2的遮挡置信度，表2中遮挡置信度的值可以根据实际环境进行微调。
根据P0、P1和P2的标记结果以及Cf10、Cf11和Cf12查询遮挡置信度表，得到目标视频的遮挡检测结果和该目标遮挡置信度，并将其输出给工作人员，以便工作人员根据遮挡检测结果和目标遮挡置信度，对目标视频对应的监控设备进行处理。遮挡置信度表如表3所示：
| P0 | P1 | P2 | 遮挡置信度 | 检测结果 |
| 是 | 是 | 是 | avg(Cf10+Cf11+Cf12) | 遮挡维持 |
| 是 | 是 | 否 | avg(Cf12) | 遮挡结束 |
| 是 | 否 | 是 | avg(Cf10+Cf12) | 发生遮挡 |
| 是 | 否 | 否 | avg(Cf11+Cf12) | 无遮挡 |
| 否 | 是 | 是 | avg(Cf11+Cf12) | 遮挡维持 |
| 否 | 是 | 否 | avg(Cf10+Cf12) | 遮挡结束 |
| 否 | 否 | 是 | avg(Cf12) | 发生遮挡 |
| 否 | 否 | 否 | avg(Cf10+Cf11+Cf12) | 无遮挡 |
(表3)
表3中，avg为求平均值，例如，当三张视频帧的标记结果均为是时，根据表3的内容，确定目标视频的检测结果包括目标视频发生画面出现遮挡维持的故障，且目标遮挡置信度通过Cf10、Cf11和Cf12求平均值得到。
由于根据单张视频帧的遮挡检测结果具有单一性，无法确定目标视频是否发生画面遮挡，通过获取多张视频帧，可以提升目标视频进行是否出现画面遮挡的检测准确性，并同时输出表征检测结果可信度的目标遮挡置信度，为运维人员进行目标视频质量分析提供可靠的检测结果。
在一个实施例中，如图4所示，其示出了本申请实施例提供的一种模糊故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤401，基于各视频帧对应的边缘图的像素值，计算各视频帧对应的边缘图的像素值均值。
其中，对于各视频帧对应的灰度图，通过sobel算法得到各灰度图对应的边缘图，即在对目标视频进行模糊检测中的各视频帧对应的边缘图，各边缘图依次记为Pl0、Pl1和Pl2，基于各边缘图的像素值，并分别计算Pl0、Pl1和Pl2的像素值均值。
步骤402，将各视频帧的像素值均值与模糊阈值进行对比，根据比较结果确定该目标视频是否发生画面模糊的故障。
第一置信度包括目标模糊置信度，输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现模糊的检测结果查询预先设置的模糊置信度表，其中，该模糊置信度表中存储有视频帧模糊检测结果与模糊置信度的多个对应关系；基于查询结果，得到该目标模糊置信度。
其中，将模糊阈值记为M，将Pl0、Pl1和Pl2的像素值均值分别与模糊阈值M进行对比，若该像素值均值小于模糊阈值M，则说明该视频帧发生画面模糊，将该视频帧标记为是，否则，标记为否，得到各视频帧的模糊检测结果；可选的，模糊阈值M可以设置为1.0，且可以根据实际环境的不同进行微调；将P1、P2和P3分别对应的模糊置信度依次记为Cf20、Cf21和Cf22，根据下式计算得到Cf20、Cf21和Cf22：
同时，第一置信度包括目标模糊置信度，该目标模糊置信度用于表征目标视频模糊的检测结果的可信度；预先设置的模糊置信度表中存储有视频帧模糊检测结果与模糊置信度的多个对应关系，根据获取到的各视频帧的模糊检测结果，查询该模糊置信度表，得到目标视频的模糊检测结果和该目标模糊置信度，并将其输出给工作人员，以便工作人员根据模糊检测结果和目标模糊置信度，对目标视频对应的监控设备进行处理。该模糊置信度表如表4所示：
| P0 | P1 | P2 | 模糊置信度 | 检测结果 |
| 是 | 是 | 是 | avg(Cf20+Cf21+Cf22) | 模糊 |
| 是 | 是 | 否 | avg(Cf22) | 模糊 |
| 是 | 否 | 是 | avg(Cf20+Cf22) | 模糊 |
| 是 | 否 | 否 | avg(Cf21+Cf22) | 不模糊 |
| 否 | 是 | 是 | avg(Cf21+Cf22) | 不模糊 |
| 否 | 是 | 否 | avg(Cf20+Cf22) | 不模糊 |
| 否 | 否 | 是 | avg(Cf22) | 不模糊 |
| 否 | 否 | 否 | avg(Cf20+Cf21+Cf22) | 不模糊 |
(表4)
表4中，avg为求平均值，例如，当三张视频帧的标记结果均为是时，根据表4的内容，确定目标视频的检测结果包括目标视频发生画面出现模糊的故障，且目标模糊置信度通过Cf20、Cf21和Cf22求平均值得到。
进一步地，计算Cf20、Cf21和Cf22的平均值，并求Cf20、Cf21和Cf22分别与该平均值之间的差值，若各差值均在0～0.1范围内，判断目标视频稳定模糊，否则，为波动模糊。
在一个实施例中，如图5所示，其示出了本申请实施例提供的一种噪声故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤501，基于各视频帧的像素值，获取多个差值图，多个差值图至少包括：第一视频帧与第二视频帧之间的差值图、第一视频帧与第三视频帧之间的差值图以及第二视频帧与第三视频帧之间的差值图。
其中，将各视频帧依次记为P0、P1和P2；将第一视频帧与第二视频帧之间的差值图记为Pg1-0，将第一视频帧与第三视频帧之间的差值图记为Pg2-0，第二视频帧与该第三视频帧之间的差值图记为Pg2-1；各差值图的像素值通过两个视频帧的像素值对应作差得到。
步骤502，基于各差值图的像素值，获取各差值图对应的灰度图；基于各差值图对应的灰度图，获取各差值图对应的灰度图的方差值；将各差值图对应的灰度图的方差值与噪声阈值进行对比，根据比较结果确定目标视频是否发生画面出现噪声的故障。
第一置信度包括目标噪声置信度，输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现噪声的检测结果查询预先设置的噪声置信度表，其中，该噪声置信度表中存储有视频帧噪声检测结果与噪声置信度的多个对应关系；基于查询结果，得到该目标噪声置信度。
其中，首先根据各差值图的像素值，将各差值图转换为灰度图，求各差值图对应的灰度图的方差值，各差值图对应的灰度图的方差值依次记为Ps1-0、Ps2-0和Ps2-1；将噪声阈值记为Z，将Ps1-0、Ps2-0和Ps2-1分别与噪声阈值Z进行对比，若该方差值小于噪声阈值Z，则说明相关视频帧未发生画面噪声，将该视频帧标记为否，否则，标记为是，得到各视频帧的噪声检测结果；可选的，噪声阈值Z可以设置为10-10，且可以根据实际环境的不同进行微调；将Pg1-0、Pg2-0和Pg2-1分别对应的噪声置信度依次记为Cf30、Cf31和Cf32，根据下式计算得到Cf30、Cf31和Cf32：
上式中，ZR为中间参数，通过下式得到：
其中，PsnrX为各差值图的峰值信噪比值。
同时，第一置信度包括目标噪声置信度，该目标噪声置信度用于表征目标视频噪声的检测结果的可信度；预先设置的噪声置信度表中存储有视频帧噪声检测结果与噪声置信度的多个对应关系，根据获取到的各视频帧的噪声检测结果，查询该噪声置信度表，得到目标视频的噪声检测结果和该目标噪声置信度，并将其输出给工作人员，以便工作人员根据噪声检测结果和目标噪声置信度，对目标视频对应的监控设备进行处理。该噪声置信度表如表5所示：
| Pg1-0 | Pg2-0 | Pg2-1 | 检测结果 | 噪声置信度 |
| 是 | 是 | 是 | 至少两张出现噪声 | avg(Cf3X)(X＝1_0,2_0,2_1) |
| 是 | 是 | 否 | P0出现噪声 | avg(Cf3X)(X＝1_0,2_0) |
| 是 | 否 | 是 | P1出现噪声 | avg(Cf3X)(X＝1_0,2_1) |
| 否 | 是 | 是 | P2出现噪声 | avg(Cf3X)(X＝2_0,2_1) |
| 否 | 否 | 否 | 无噪声出现 | avg(Cf3X)(X＝1_0,2_0,2_1) |
(表5)
表5中，avg为求平均值，例如，当三张差值图的标记结果均为是时，根据表5的内容，确定目标视频的检测结果包括目标视频发生画面至少两张视频帧出现噪声的故障，且目标噪声置信度通过Cf30、Cf31和Cf32求平均值得到。
通过求差值图，消除视频帧背景带来的误差的影响，使得检测结果更加准确，同时结合目标噪声置信度，为检测结果提供参考。
在一个实施例中，如图6所示，其示出了本申请实施例提供的一种冻结故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤601，对于各视频帧，获取该视频帧中第二目标像素的第二占比，其中，该各视频帧的第二目标像素的像素值均相等。
其中，为确定目标视频是否发生画面出现冻结的故障，首先需要确定各视频帧的相似度；具体地，例如，对于每一视频帧，首先确定各视频帧的通道数，若该视频帧为彩图，则其通道数为三通道，若为单色图，其通道数为1；若其通道数为3，统计各视频帧对应位置像素点的像素值均相等的像素点数量占单个视频帧总像素点数量的比例，该比例即为第二目标像素的第二占比，该第二占比表征三张视频帧的相似度，三个视频帧对应位置像素值相等的像素点即为第二目标像素。
步骤602，将该第二占比与冻结阈值进行对比，并根据该第二占比的对比结果确定该目标视频是否发生画面出现冻结的故障。
第一置信度包括目标冻结置信度，输出该第一质量故障的检测结果对应的第一置信度，包括：基于该第二占比的对比结果查询预先设置的冻结置信度表，其中，该冻结置信度表中存储有第二占比的对比结果与冻结置信度的多个对应关系；基于查询结果，得到该目标冻结置信度。
其中，将该第二占比与冻结阈值进行对比，若第二占比大于冻结阈值，则说明目标视频发生冻结，将其标记为是，否则，标记为否；冻结阈值记为D，可选的，冻结阈值D可以设定为0.985，根据实际环境可以对冻结阈值进行微调。第一置信度包括目标冻结置信度，该目标冻结置信度用于表征目标视频的冻结的检测结果的可信度；预先设置的冻结置信度表中存储有第二占比的对比结果与冻结置信度的多个对应关系，根据第二占比的标记结果，查询该冻结置信度表，得到目标视频的冻结检测结果和该目标冻结置信度，并将其输出给工作人员，以便工作人员根据冻结检测结果和目标冻结置信度，对目标视频对应的监控设备进行处理。该冻结置信度表如表6所示：
| 第二占比标记 | 检测结果 | 冻结置信度 |
| 是 | 冻结 | (Freez-D)/(1-D) |
| 否 | 未冻结 | (D-Freez)/D |
(表6)
表6中，Freez为第二占比的值。
在一个实施例中，如图7所示，其示出了本申请实施例提供的一种亮度故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤701，对于各视频帧对应的灰度图的像素值，获取该视频帧对应的灰度图中第三目标像素的第三占比；其中，该第三目标像素的像素值小于第三像素阈值。
其中，对于各视频帧，将P1、P2和P3分别对应的灰度图依次记为Pg0、Pg1和Pg2，对于每一灰度图，采用遍历算法，统计该灰度图中像素值大于特定像素阈值的像素点数量占该灰度图总像素点数量的比例，该比例即为第三占比，该像素值小于特定像素阈值的像素点即为第三目标像素，该特定像素阈值即为第三像素阈值，可选的，该第三像素阈值可以设定为128，且，根据实际环境可以对该第三像素阈值进行微调；对每一视频帧对应的灰度图，均得到其对应的第三占比的值。
步骤702，将各视频帧对应灰度图的该第三占比分别与亮度阈值进行对比，并根据各视频帧对应的灰度图的对比结果检测各视频帧是否亮度异常，根据检测结果确定该目标视频是否发生画面亮度异常的故障。
第一置信度包括目标亮度置信度，输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现亮度异常的检测结果查询预先设置的亮度置信度表，其中，该亮度置信度表中存储有视频帧亮度检测结果与亮度置信度的多个对应关系；基于查询结果，得到该目标亮度置信度。
其中，将亮度阈值记为LD，用于确定各视频帧是否出现亮度异常；将各视频帧对应的灰度图的第三占比分别与亮度阈值进行对比，若该视频帧对应的灰度图的第三占比小于亮度阈值，则确定该视频帧亮度未异常，并将其标记为否，若该视频帧的第三占比不小于亮度阈值，则确定该视频帧亮度异常，并将其标记为是，得到各视频帧的亮度检测结果；同时，将各视频帧对应的亮度置信度依次记为Cf40、Cf41和Cf42，通过下式确定Cf40、Cf41和Cf42的值：
上式中，ZX为各视频帧对应的灰度图的第三占比的值。
同时，第三置信度包括目标亮度置信度，该目标亮度置信度用于表征目标视频的亮度的检测结果的可信度；预先设置的亮度置信度表中存储有视频帧亮度检测结果与亮度置信度的多个对应关系，根据获取到的各视频帧的亮度检测结果，查询该亮度置信度表，得到目标视频的亮度检测结果和该目标亮度置信度，并将其输出给工作人员，以便工作人员根据亮度检测结果和目标亮度置信度，对目标视频对应的监控设备进行处理。该亮度置信度表如表7所示：
| P0 | P1 | P2 | 检测结果 | 亮度置信度 |
| 是 | 是 | 是 | 有亮度异常 | avg(Cf40+Cf41+Cf42) |
| 是 | 是 | 否 | 有亮度异常 | avg((Cf40+Cf41) |
| 是 | 否 | 是 | 有亮度异常 | avg(Cf40+Cf42) |
| 是 | 否 | 否 | 有亮度异常 | avg(Cf40) |
| 否 | 是 | 是 | 有亮度异常 | avg(Cf41+Cf42) |
| 否 | 是 | 否 | 有亮度异常 | avg(Cf41) |
| 否 | 否 | 是 | 有亮度异常 | avg(Cf42) |
| 否 | 否 | 否 | 无亮度异常 | avg(Cf40+Cf41+Cf42) |
(表7)
表7中，avg为求平均值，例如，当三张视频帧的标记结果均为是时，根据表7的内容，确定目标视频的检测结果包括目标视频发生画面出现亮度异常的故障，且目标遮挡置信度通过Cf40、Cf41和Cf42求平均值得到。
进一步地，计算Z0、Z1和Z2的平均值，并求Z0、Z1和Z2分别与该平均值之间的差值，若各差值均在0～0.5范围内，判断目标视频稳定亮度异常，否则，为波动亮度异常。
在一个实施例中，如图8所示，其示出了本申请实施例提供的一种条纹故障检测的流程示意图；基于该视频帧的像素值、该灰度图的像素值以及该边缘图的像素值进行计算处理，根据计算处理的结果确定该目标视频是否发生第一质量故障，包括：
步骤801，基于各差值图对应的灰度图的像素值，对各差值图对应的灰度图进行傅里叶变换，得到各差值图对应的频谱图。
其中，将第一视频帧与第二视频帧之间的差值图记为Pg1-0，将第一视频帧与第三视频帧之间的差值图记为Pg2-0，第二视频帧与该第三视频帧之间的差值图记为Pg2-1；各差值图的像素值通过两个视频帧的像素值对应作差得到；将各差值图转化为灰度图，得到各差值图对应的灰度图；对各差值图对应的灰度图进行傅里叶变换并转置，得到各差值图对应的频谱图，将Pg1-0、Pg2-0和Pg2-1分别对应的频谱图依次记为Pf1-0、Pf2-0和Pf2-1。
步骤802，对于各差值图对应的频谱图，获取该频谱图中第四目标像素的第四占比，其中，该第四目标像素的像素值大于第四像素阈值。
其中，对于各频谱图，采用遍历算法遍历其图像上半部分中像素值大于像素阈值的像素点数量占单个频谱图总像素点数量的比例，该比例即为第四占比，上半部分中像素值大于像素阈值的像素点即为第四目标像素，该像素阈值即为第四像素阈值；可选的，该第四像素阈值可以设定为175，且，根据实际环境可以对该第四像素阈值进行微调。
步骤803，将各差值图对应的频谱图的该第四占比分别与条纹阈值进行对比，并根据各差值图对应的频谱图的对比结果检测各视频帧是否出现滚动条纹，根据检测结果确定该目标视频是否发生画面出现滚动条纹的故障。
第一置信度包括目标条纹置信度，输出该第一质量故障的检测结果对应的第一置信度，包括：基于各视频帧是否出现滚动条纹的检测结果查询预先设置的条纹置信度表，其中，该条纹置信度表中存储有视频帧条纹检测结果与条纹置信度的多个对应关系；基于查询结果，得到该目标条纹置信度。
其中，将条纹阈值记为T，将各频谱图的第四占比记为RX，将其与条纹阈值T进行对比，若各频谱图的第四占比大于条纹阈值T，则说明相关视频帧出现条纹，将其标记为是，否则，标记为否；可选的，条纹阈值T可以设定为0.001，根据实际环境可以对条纹阈值进行微调。将Pf1-0、Pf2-0和Pf2-1分别对应的置信度值依次记为Cf51-0、Cf52-0和Cf52-1，通过下式得到Cf51-0、Cf52-0和Cf52-1：
第一置信度包括目标条纹置信度，该目标条纹置信度用于表征目标视频的条纹检测结果的可信度；预先设置的条纹置信度表中存储有各视频帧的检测结果与条纹置信度的多个对应关系，即根据各个视频帧相关的频谱图对应的第四占比的标记与条纹置信度的多个对应关系；根据各第四占比的标记结果以及各第四占比对应的置信度值，查询该条纹置信度表，得到目标视频的条纹检测结果和该目标条纹置信度。该条纹置信度表如表8所示：
(表8)
表8中，avg为求平均值，例如，当三张视频帧的标记结果均为是时，根据表8的内容，确定目标视频的检测结果包括目标视频发生画面出现滚动条纹的故障，且目标条纹置信度通过Cf51-0、Cf52-0和Cf52-1求平均值得到。
在一个实施例中，如图9所示，其示出了本申请实施例提供的一种闪烁故障检测的流程示意图；检测所述目标视频是否发生第二质量故障，包括：
步骤901，基于各所述差值图的像素值，得到多个第一HSV图，所述多个HSV图包括各所述差值图对应的HSV图。
其中，将第一视频帧与第二视频帧之间的差值图记为Pg1-0，第二视频帧与该第三视频帧之间的差值图记为Pg2-1；基于各差值图的像素值，将各差值图转化成HSV图，将Pg1-0和Pg2-1对应的HSV图依次记为Ph1-0和Ph2-1，Ph1-0和Ph2-1即为第一HSV图。
步骤902，基于各视频帧中像素的像素值，得到多个第二HSV图，该多个第二HSV图包括各视频帧对应的HSV图。
其中，将P0和P1转化成HSV图，将P0和P1对应的HSV图依次记为Ph0和Ph1；Ph0和Ph1即为第二HSV图。
步骤903，计算各第一HSV图的像素值和各第二HSV图的像素值之间的相似度，得到多个相似度值；将各相似度值与闪烁阈值进行对比，根据比较结果确定该目标视频是否发生画面出现闪烁的故障。
第二置信度包括目标闪烁置信度，输出该第二质量故障的检测结果对应的第二置信度，包括：基于各视频帧是否出现闪烁的检测结果查询预先设置的闪烁置信度表，其中，该闪烁置信度表中存储有视频帧闪烁检测结果与闪烁置信度的多个对应关系；基于查询结果，得到该目标闪烁置信度。
其中，计算Ph1-0对应的直方图和Ph0对应的直方图之间的相似度，并将该相似度记为Sim1-0；计算Ph2-1对应的直方图和Ph1对应的直方图之间的相似度，将该相似度记为Sim2-1；将各相似度的值与闪烁阈值进行对比，闪烁阈值包括第一闪烁阈值S1和第二闪烁阈值S2，若该相似度的值大于第一闪烁阈值或小于第二闪烁阈值，则说明相关视频帧发生闪烁，将该相似度对应的第一HSV图标记为是，否则，标记为否；同时，将Ph1-0和Ph2-1分别对应的置信度值依次记为Cf61-0和Cf62-1，Cf61-0和Cf62-1通过下式得到：
第二置信度包括目标闪烁置信度，该目标闪烁置信度用于表征目标视频条纹检测结果的可信度；预先设置的闪烁置信度表中存储有视频帧的闪烁检测结果与闪烁置信度的对应关系，该视频帧的闪烁检测结果即为各第一HSV图的标记；查询预先设置的闪烁置信度表，得到目标视频的闪烁检测结果和目标闪烁置信度；闪烁置信度表如表9所示：
(表9)
表9中，avg为求平均值，例如，当Ph1-0和Ph2-1的标记结果均为是时，根据表9的内容，确定目标视频的检测结果包括目标视频发生画面出现闪烁的故障，且目标闪烁置信度通过Cf61-0和Cf62-1求平均值得到。
在一个实施例中，如图10所示，其示出了本申请实施例提供的一种待测视频质量检测的流程示意图，对待测视频进行质量检测包括：
步骤1001，获取目标视频的三个视频帧，以及三个视频帧的灰度图和边缘图。
步骤1002，基于目标视频的三个视频帧，以及三个视频帧的灰度图和边缘图，对目标视频进行画面是否出现黑屏的故障、画面是否出现遮挡的故障、画面是否模糊的故障、画面是否出现噪声的故障、画面是否冻结的故障、画面是否亮度异常的故障以及画面是否出现滚动条纹的故障，得到目标视频的第一检测结果。
步骤1003，获取目标视频的第一置信度；第一置信度包括目标黑屏置信度、目标遮挡置信度、目标模糊置信度、目标噪声置信度、目标冻结置信度、目标亮度置信度以及目标条纹置信度。
步骤1004，根据第一检测结果，检测目标视频是否发生画面出现闪烁的故障，得到目标视频的第二检测结果。
其中，若目标视频未发生画面冻结的故障，且，发生画面亮度异常的故障，则检测目标视频是否发生画面出现闪烁的故障。
步骤1005，获取目标视频的第二置信度；第二置信度包括目标闪烁置信度。
步骤1006，将第一检测结果、第一置信度、第二检测结果和第二置信度整合后发送至业务平台。
应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的视频质量检测方法的视频质量检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个视频质量检测装置实施例中的具体限定可以参见上文中对于视频质量检测方法的限定，在此不再赘述。
在一个实施例中，如图11所示，提供了一种视频质量检测装置，视频质量检测装置1100包括：第一获取模块1101、第一确定模块1102和第一检测模块1103，其中：
第一获取模块1101，用于从待检测的目标视频中截取至少三个视频帧，并获取各所述视频帧分别对应的灰度图以及边缘图。
第一确定模块1102，用于基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，并输出所述第一质量故障的检测结果对应的第一置信度，所述第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障。
第一检测模块1103，用于若未发生所述画面冻结的故障，且，发生所述画面亮度异常的故障，则检测所述目标视频是否发生第二质量故障，并输出所述第二质量故障的检测结果对应的第二置信度，所述第二质量故障包括画面出现闪烁的故障。
在一个实施例中，该第一确定模块1102，具体用于：对于各视频帧，获取该视频帧中第一目标像素的第一占比，其中，该第一目标像素的像素值小于第一像素阈值；将各视频帧对应的该第一占比分别与黑屏阈值进行对比，并根据各视频帧的对比结果检测各视频帧是否黑屏，根据检测结果确定该目标视频是否发生画面出现黑屏的故障。
在一个实施例中，第一置信度包括目标黑屏置信度，该该第一确定模块1102，具体用于：基于各视频帧是否出现黑屏的检测结果查询预先设置的黑屏置信度表，其中，该黑屏置信度表中存储有视频帧黑屏检测结果与黑屏置信度的多个对应关系；基于查询结果，得到该目标黑屏置信度。
在一个实施例中，该第一确定模块1102，具体用于：对于各视频帧，获取目标网格图，对于该目标网格图中的各网格块，根据该网格块的位置，在该视频帧对应的该灰度图和该边缘图中分别确定灰度图块和边缘图块，并根据该灰度图块的标准差和该边缘图块的标准差确定该网格块的遮挡值；根据各视频帧对应的该目标网格图中各网格块的遮挡值，确定各视频帧是否存在遮挡；根据对各视频帧是否存在遮挡的检测结果确定该目标视频是否发生画面出现遮挡的故障。
在一个实施例中，第一置信度包括目标遮挡置信度，该第一确定模块1102，具体用于：基于各视频帧是否出现遮挡的检测结果查询预先设置的遮挡置信度表，其中，该遮挡置信度表中存储有视频帧遮挡检测结果与遮挡置信度的多个对应关系；基于查询结果，得到该目标遮挡置信度。
在一个实施例中，该第一确定模块1102，具体用于：基于各视频帧对应的边缘图的像素值，计算各视频帧对应的边缘图的像素值均值；将各视频帧的像素值均值与模糊阈值进行对比，根据比较结果确定该目标视频是否发生画面模糊的故障。
在一个实施例中，第一置信度包括目标模糊置信度，该第一确定模块1102，具体用于：基于各视频帧是否出现模糊的检测结果查询预先设置的模糊置信度表，其中，该模糊置信度表中存储有视频帧模糊检测结果与模糊置信度的多个对应关系；基于查询结果，得到该目标模糊置信度。
在一个实施例中，该第一确定模块1102，具体用于：基于各视频帧的像素值，获取多个差值图，多个差值图至少包括：第一视频帧与第二视频帧之间的差值图、第一视频帧与第三视频帧之间的差值图以及第二视频帧与第三视频帧之间的差值图；基于各差值图的像素值，获取各差值图对应的灰度图；基于各差值图对应的灰度图，获取各差值图对应的灰度图的方差值；将各差值图对应的灰度图的方差值与噪声阈值进行对比，根据比较结果确定目标视频是否发生画面出现噪声的故障。
在一个实施例中，第一置信度包括目标噪声置信度，该第一确定模块1102，具体用于：基于各视频帧是否出现噪声的检测结果查询预先设置的噪声置信度表，其中，该噪声置信度表中存储有视频帧噪声检测结果与噪声置信度的多个对应关系；基于查询结果，得到该目标噪声置信度。
在一个实施例中，该第一确定模块1102，具体用于：对于各视频帧，获取该视频帧中第二目标像素的第二占比，其中，该各视频帧的第二目标像素的像素值均相等；将该第二占比与冻结阈值进行对比，并根据该第二占比的对比结果确定该目标视频是否发生画面出现冻结的故障。
在一个实施例中，第一置信度包括目标冻结置信度，该第一确定模块1102，具体用于：基于该第二占比的对比结果查询预先设置的冻结置信度表，其中，该冻结置信度表中存储有第二占比的对比结果与冻结置信度的多个对应关系；基于查询结果，得到该目标冻结置信度。
在一个实施例中，该第一确定模块1102，具体用于：对于各视频帧对应的灰度图的像素值，获取该视频帧对应的灰度图中第三目标像素的第三占比，其中，该第三目标像素的像素值小于第三像素阈值；将各视频帧对应灰度图的该第三占比分别与亮度阈值进行对比，并根据各视频帧对应的灰度图的对比结果检测各视频帧是否亮度异常，根据检测结果确定该目标视频是否发生画面亮度异常的故障。
在一个实施例中，第一置信度包括目标亮度置信度，该第一确定模块1102，具体用于：基于各视频帧是否出现亮度异常的检测结果查询预先设置的亮度置信度表，其中，该亮度置信度表中存储有视频帧亮度检测结果与亮度置信度的多个对应关系；基于查询结果，得到该目标亮度置信度。
在一个实施例中，该第一确定模块1102，具体用于：基于各差值图对应的灰度图的像素值，对各差值图对应的灰度图进行傅里叶变换，得到各差值图对应的频谱图；对于各差值图对应的频谱图，获取该频谱图中第四目标像素的第四占比，其中，该第四目标像素的像素值大于第四像素阈值；将各差值图对应的频谱图的该第四占比分别与条纹阈值进行对比，并根据各差值图对应的频谱图的对比结果检测各视频帧是否出现滚动条纹，根据检测结果确定该目标视频是否发生画面出现滚动条纹的故障。
在一个实施例中，第一置信度包括目标条纹置信度，该第一确定模块1102，具体用于：基于各视频帧是否出现滚动条纹的检测结果查询预先设置的条纹置信度表，其中，该条纹置信度表中存储有视频帧条纹检测结果与条纹置信度的多个对应关系；基于查询结果，得到该目标条纹置信度。
在一个实施例中，该第一检测模块1103，具体用于：基于各视频帧的像素值，获取多个第二差值图，该多个第二差值图至少包括：基于各所述差值图的像素值，得到多个第一HSV图，所述多个HSV图包括各所述差值图对应的HSV图；基于各视频帧中像素的像素值，得到多个第二HSV图，该多个第二HSV图包括各视频帧对应的HSV图；计算各第一HSV图的像素值和各第二HSV图的像素值之间的相似度，得到多个相似度值；将各相似度值与闪烁阈值进行对比，根据比较结果确定该目标视频是否发生画面出现闪烁的故障。
在一个实施例中，第二置信度包括目标闪烁置信度，该第一检测模块1103，具体用于：基于各视频帧是否出现闪烁的检测结果查询预先设置的闪烁置信度表，其中，该闪烁置信度表中存储有视频帧闪烁检测结果与闪烁置信度的多个对应关系；基于查询结果，得到该目标闪烁置信度。
上述视频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、存储器和网络接口。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和内存储器。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质量检测数据。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质量检测方法。
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，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。
Claims (21)
1.一种视频质量检测方法，其特征在于，所述方法包括：
从待检测的目标视频中截取至少三个视频帧，并获取各所述视频帧分别对应的灰度图以及边缘图；
基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，并输出所述第一质量故障的检测结果对应的第一置信度，所述第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障；
若未发生所述画面冻结的故障，且，发生所述画面亮度异常的故障，则检测所述目标视频是否发生第二质量故障，并输出所述第二质量故障的检测结果对应的第二置信度，所述第二质量故障包括画面出现闪烁的故障。
2.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
对于各所述视频帧，获取所述视频帧中第一目标像素的第一占比，其中，所述第一目标像素的像素值小于第一像素阈值；
将各所述视频帧对应的所述第一占比分别与黑屏阈值进行对比，并根据各所述视频帧的对比结果检测各所述视频帧是否黑屏，根据检测结果确定所述目标视频是否发生画面出现黑屏的故障。
3.根据权利要求2所述的方法，其特征在于，所述第一置信度包括目标黑屏置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于各所述视频帧是否出现黑屏的检测结果查询预先设置的黑屏置信度表，其中，所述黑屏置信度表中存储有视频帧黑屏检测结果与黑屏置信度的多个对应关系；
基于查询结果，得到所述目标黑屏置信度。
4.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
对于各所述视频帧，获取目标网格图，对于所述目标网格图中的各网格块，根据所述网格块的位置，在所述视频帧对应的所述灰度图和所述边缘图中分别确定灰度图块和边缘图块，并根据所述灰度图块的标准差和所述边缘图块的标准差确定所述网格块的遮挡值；
根据各所述视频帧对应的所述目标网格图中各所述网格块的遮挡值，确定各所述视频帧是否存在遮挡；
根据对各所述视频帧是否存在遮挡的检测结果确定所述目标视频是否发生画面出现遮挡的故障。
5.根据权利要求4所述的方法，其特征在于，所述第一置信度包括目标遮挡置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于各所述视频帧是否出现遮挡的检测结果查询预先设置的遮挡置信度表，其中，所述遮挡置信度表中存储有视频帧遮挡检测结果与遮挡置信度的多个对应关系；
基于查询结果，得到所述目标遮挡置信度。
6.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
基于各所述视频帧对应的边缘图的像素值，计算各所述视频帧对应的边缘图的像素值均值；
将各所述视频帧的像素值均值与模糊阈值进行对比，根据比较结果确定所述目标视频是否发生画面模糊的故障。
7.根据权利要求6所述的方法，其特征在于，所述第一置信度包括目标模糊置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于各所述视频帧是否出现模糊的检测结果查询预先设置的模糊置信度表，其中，所述模糊置信度表中存储有视频帧模糊检测结果与模糊置信度的多个对应关系；
基于查询结果，得到所述目标模糊置信度。
8.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
基于各所述视频帧的像素值，获取多个差值图，所述多个差值图至少包括：所述第一视频帧与所述第二视频帧之间的差值图、所述第一视频帧与第三视频帧之间的差值图以及所述第二视频帧与第三视频帧之间的差值图；
基于各所述差值图的像素值，获取各所述差值图对应的灰度图；
基于各所述差值图对应的灰度图，获取各所述差值图对应的灰度图的方差值；
将各所述差值图对应的灰度图的方差值与噪声阈值进行对比，根据比较结果确定所述目标视频是否发生画面出现噪声的故障。
9.根据权利要求8所述的方法，其特征在于，所述第一置信度包括目标噪声置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于各所述视频帧是否出现噪声的检测结果查询预先设置的噪声置信度表，其中，所述噪声置信度表中存储有视频帧噪声检测结果与噪声置信度的多个对应关系；
基于查询结果，得到所述目标噪声置信度。
10.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
对于各所述视频帧，获取所述视频帧中第二目标像素的第二占比，其中，所述各所述视频帧的第二目标像素的像素值均相等；
将所述第二占比与冻结阈值进行对比，并根据所述第二占比的对比结果确定所述目标视频是否发生画面出现冻结的故障。
11.根据权利要求10所述的方法，其特征在于，所述第一置信度包括目标冻结置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于所述第二占比的对比结果查询预先设置的冻结置信度表，其中，所述冻结置信度表中存储有第二占比的对比结果与冻结置信度的多个对应关系；
基于查询结果，得到所述目标冻结置信度。
12.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
对于各所述视频帧对应的灰度图的像素值，获取所述视频帧对应的灰度图中第三目标像素的第三占比，其中，所述第三目标像素的像素值小于第三像素阈值；
将各所述视频帧对应灰度图的所述第三占比分别与亮度阈值进行对比，并根据各所述视频帧对应的灰度图的对比结果检测各所述视频帧是否亮度异常，根据检测结果确定所述目标视频是否发生画面亮度异常的故障。
13.根据权利要求12所述的方法，其特征在于，所述第一置信度包括目标亮度置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于各所述视频帧是否出现亮度异常的检测结果查询预先设置的亮度置信度表，其中，所述亮度置信度表中存储有视频帧亮度检测结果与亮度置信度的多个对应关系；
基于查询结果，得到所述目标亮度置信度。
14.根据权利要求1所述的方法，其特征在于，所述基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，包括：
基于各所述差值图对应的灰度图的像素值，对各所述差值图对应的灰度图进行傅里叶变换，得到各所述差值图对应的频谱图；
对于各所述差值图对应的频谱图，获取所述频谱图中第四目标像素的第四占比，其中，所述第四目标像素的像素值大于第四像素阈值；
将各所述差值图对应的频谱图的所述第四占比分别与条纹阈值进行对比，并根据各所述差值图对应的频谱图的对比结果检测各所述视频帧是否出现滚动条纹，根据检测结果确定所述目标视频是否发生画面出现滚动条纹的故障。
15.根据权利要求14所述的方法，其特征在于，所述第一置信度包括目标条纹置信度，所述输出所述第一质量故障的检测结果对应的第一置信度，包括：
基于各所述视频帧是否出现滚动条纹的检测结果查询预先设置的条纹置信度表，其中，所述条纹置信度表中存储有视频帧条纹检测结果与条纹置信度的多个对应关系；
基于查询结果，得到所述目标条纹置信度。
16.根据权利要求1所述的方法，其特征在于，所述检测所述目标视频是否发生第二质量故障，包括：
基于各所述差值图的像素值，得到多个第一HSV图，所述多个HSV图包括各所述差值图对应的HSV图；
基于各所述视频帧中像素的像素值，得到多个第二HSV图，所述多个第二HSV图包括各所述视频帧对应的HSV图；
计算各所述第一HSV图的像素值和各所述第二HSV图的像素值之间的相似度，得到多个相似度值；
将各所述相似度值与闪烁阈值进行对比，根据比较结果确定所述目标视频是否发生画面出现闪烁的故障。
17.根据权利要求16所述的方法，其特征在于，所述第二置信度包括目标闪烁置信度，所述输出所述第二质量故障的检测结果对应的第二置信度，包括：
基于各所述视频帧是否出现闪烁的检测结果查询预先设置的闪烁置信度表，其中，所述闪烁置信度表中存储有视频帧闪烁检测结果与闪烁置信度的多个对应关系；
基于查询结果，得到所述目标闪烁置信度。
18.一种视频质量检测装置，其特征在于，所述装置包括：
第一获取模块，用于从待检测的目标视频中截取至少三个视频帧，并获取各所述视频帧分别对应的灰度图以及边缘图；
第一确定模块，用于基于所述视频帧的像素值、所述灰度图的像素值以及所述边缘图的像素值进行计算处理，根据计算处理的结果确定所述目标视频是否发生第一质量故障，并输出所述第一质量故障的检测结果对应的第一置信度，所述第一质量故障包括画面出现黑屏的故障、画面出现遮挡的故障、画面模糊的故障、画面出现噪声的故障、画面冻结的故障、画面亮度异常的故障以及画面出现滚动条纹的故障；
第一检测模块，用于若未发生所述画面冻结的故障，且，发生所述画面亮度异常的故障，则检测所述目标视频是否发生第二质量故障，并输出所述第二质量故障的检测结果对应的第二置信度，所述第二质量故障包括画面出现闪烁的故障。
19.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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17中任一项所述的方法的步骤。
20.一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17中任一项所述的方法的步骤。
21.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至17中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111412280.3A CN114928740A (zh) | 2021-11-25 | 2021-11-25 | 视频质量检测方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111412280.3A CN114928740A (zh) | 2021-11-25 | 2021-11-25 | 视频质量检测方法、装置、设备、存储介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114928740A true CN114928740A (zh) | 2022-08-19 |
Family
ID=82804163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111412280.3A Pending CN114928740A (zh) | 2021-11-25 | 2021-11-25 | 视频质量检测方法、装置、设备、存储介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114928740A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117135341A (zh) * | 2023-01-19 | 2023-11-28 | 荣耀终端有限公司 | 图像处理的方法及电子设备 |
Citations (7)
| 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 |
| CN105791814A (zh) * | 2016-03-09 | 2016-07-20 | 中国科学院自动化研究所 | 一种基于图像处理技术的监控视频质量检测方法及装置 |
| US20170006281A1 (en) * | 2014-05-08 | 2017-01-05 | Huawei Device Co., Ltd. | Video Quality Detection Method and Apparatus |
| CN109167997A (zh) * | 2017-03-30 | 2019-01-08 | 安徽四创电子股份有限公司 | 一种视频质量诊断系统及方法 |
| CN112291551A (zh) * | 2020-06-23 | 2021-01-29 | 广州红贝科技有限公司 | 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 |
| CN112804520A (zh) * | 2021-01-11 | 2021-05-14 | 山东高速信息工程有限公司 | 一种高速监控视频质量检测方法 |
| CN112949390A (zh) * | 2021-01-28 | 2021-06-11 | 浙江大华技术股份有限公司 | 一种基于视频质量的事件检测方法、装置 |
-
2021
- 2021-11-25 CN CN202111412280.3A patent/CN114928740A/zh active Pending
Patent Citations (7)
| 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 |
| US20170006281A1 (en) * | 2014-05-08 | 2017-01-05 | Huawei Device Co., Ltd. | Video Quality Detection Method and Apparatus |
| CN105791814A (zh) * | 2016-03-09 | 2016-07-20 | 中国科学院自动化研究所 | 一种基于图像处理技术的监控视频质量检测方法及装置 |
| CN109167997A (zh) * | 2017-03-30 | 2019-01-08 | 安徽四创电子股份有限公司 | 一种视频质量诊断系统及方法 |
| CN112291551A (zh) * | 2020-06-23 | 2021-01-29 | 广州红贝科技有限公司 | 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 |
| CN112804520A (zh) * | 2021-01-11 | 2021-05-14 | 山东高速信息工程有限公司 | 一种高速监控视频质量检测方法 |
| CN112949390A (zh) * | 2021-01-28 | 2021-06-11 | 浙江大华技术股份有限公司 | 一种基于视频质量的事件检测方法、装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117135341A (zh) * | 2023-01-19 | 2023-11-28 | 荣耀终端有限公司 | 图像处理的方法及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10726536B2 (en) | Anomaly detection | |
| CN109239265B (zh) | 监测设备故障检测方法及装置 | |
| EP2754091B1 (en) | Measurement of belt wear through edge detection of a raster image | |
| CN106303158B (zh) | 一种视频图像中的条纹异常检测方法 | |
| CN109469896B (zh) | 一种基于时间序列分析工业锅炉故障的诊断方法及系统 | |
| US20120016886A1 (en) | Determining a seasonal effect in temporal data | |
| CN116091499B (zh) | 一种涂料生产异常识别系统 | |
| CN111476758B (zh) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 | |
| US10769478B2 (en) | Convolutional neutral network identification efficiency increasing method and related convolutional neutral network identification efficiency increasing device | |
| CN117370329A (zh) | 基于工业物联网的设备数据智能化管理方法及系统 | |
| CN115661147A (zh) | 基于机器视觉的计量检测数据识别方法 | |
| CN114928740A (zh) | 视频质量检测方法、装置、设备、存储介质和程序产品 | |
| JP2020068025A (ja) | 履歴及び時系列の共同分析に基づく異常の特性評価のためのシステム及び方法 | |
| EP2731052A2 (en) | Spectral scene simplification through background substraction | |
| CN110942455A (zh) | 输电线路开口销缺失检测方法、装置和计算机设备 | |
| CN112766301A (zh) | 一种采油机示功图相似性判断方法 | |
| CN117540325B (zh) | 基于数据变化量捕获的业务数据库异常检测方法及系统 | |
| CN110858072A (zh) | 设备运行状态的确定方法及装置 | |
| Cenci et al. | Describing the quality assessment workflow designed for DEM products distributed via the Copernicus Programme. Case study: The absolute vertical accuracy of the Copernicus DEM dataset in Spain | |
| CN114996257A (zh) | 数据量异常检测方法、装置、介质及程序产品 | |
| US20070165934A1 (en) | Device and method for correcting defects in x-ray images | |
| US20240054635A1 (en) | Vibration object monitoring method and apparatus, computer device and storage medium | |
| CN116168462A (zh) | 基于智能巡检设备的安全隐患识别方法、装置和设备 | |
| CN112685473B (zh) | 一种基于时序分析技术的网络异常流量检测方法及其系统 | |
| US20190197349A1 (en) | Image identification method and image identification device |
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 |
Application publication date: 20220819 |
|
| RJ01 | Rejection of invention patent application after publication |