CN116156245A - 视频抖动快速检测方法、装置、计算机设备及介质 - Google Patents
视频抖动快速检测方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN116156245A CN116156245A CN202310016191.XA CN202310016191A CN116156245A CN 116156245 A CN116156245 A CN 116156245A CN 202310016191 A CN202310016191 A CN 202310016191A CN 116156245 A CN116156245 A CN 116156245A
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- distribution
- acquiring
- image quality
- 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 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- 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)
- Image Analysis (AREA)
Abstract
本申请提供一种视频抖动快速检测方法，本方法通过实时截取监控视频中的分段视频，获取分段视频的帧图像，然后对分段视频中的相邻两帧的帧图像进行特征点匹配，接着计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布，计算每一帧帧图像的图像质量并获取分段视频的图像质量分布，最终若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号，通过误匹配点对分布与图像质量分布判断视频是否抖动，避免了因为特征点选取及画面中物体移动而造成结果不准确的问题，提高了检测的准确性。
Description
技术领域
本发明属于视频抖动技术领域，尤其涉及一种视频抖动快速检测方法、装置、计算机设备及介质。
背景技术
随着视频监控的需求量不断增大，现有的视频监控需要及时进行维护。由于视频监控的需求量非常大，导致在面临维护时，维护工作量也随之增加，使得视频监系统的维护效率是目前急需解决的问题。
在视频监控的过程中，视频监控异常是最常见的现象，而视频监控异常包括：视频监控画面异常、视频监控遮挡异常、视频监控抖动等情况。其中，视频监控抖动原因通常存在以下两种：
1.由于安装的过程中，未将视频监控设备安装紧密，导致视频监控设备与安装支架之间存在松动的原因，导致在拍摄的过程中产生视频画面抖动。
2.在使用的过程中，由于周围环境存在震动而导致，视频监控设备会在拍摄的过程中产生视频画面抖动。
而现有的技术，通常对相邻帧视频图像设置特征点，通过检测相邻特征点之间的位移距离，识别是否产生抖动，但是此方法由于仅通过特征点之间的位移距离进行比对判断会存在误差。即，由于帧图像抖动会导致特征点的选取不准确，特征点的选取不准确，从而导致判断结果不准确；其次仅采用特征点比对会存在比对的参考依据单一，导致比对的结果不准确；特征点的选取以及相邻帧特征点的位移量计算过程中存在误差，导致比对过程中，由于相邻帧特征点位移量的计算差异小，使得误差范围进一步加大，进而造成结果的判断存在差异；其次在视频监控的帧图像中，由于物体(比如：行人、车辆等)移动会使得特征点的选取和位移量受到影响，造成后续对于视频监控是否抖动的结果判断产生误判。
发明内容
针对上述现有技术的不足，本发明的目的在于提供一种视频抖动快速检测方法、装置、计算机设备及介质，以解决由于特征点参考依据单一、物体(比如：行人、车辆等)移动会使得特征点的选取和位移量受到影响，从而对于视频监控是否抖动的结果判断产生误判的问题。
本发明提供一种视频抖动快速检测方法，包括实时截取监控视频中的分段视频，获取分段视频的帧图像；
对分段视频中的相邻两帧的帧图像进行特征点匹配；
计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布；
计算每一帧帧图像的图像质量并获取分段视频的图像质量分布；
若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号。
在本发明的一实施例中，所述实时截取监控视频中的分段视频的步骤包括：
获取分段视频的单位时间，依次连续获取时长为单位时间的多个分段视频。
在本发明的一实施例中，所述对分段视频中的相邻两帧的帧图像进行特征点匹配的步骤包括：
对分段视频中的相邻两帧的帧图像采用ORB特征点检测和暴力匹配。
在本发明的一实施例中，所述计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布的步骤包括：
获取相邻两帧的帧图像的水平拼接图像；
建立水平拼接图像的坐标系及匹配点对的坐标数据；
获取匹配点对的斜率集；
获取误匹配斜率差阈值；
根据斜率集和误匹配斜率差阈值获取当前帧的帧图像的误匹配点对个数；
获取分段视频的全部帧图像的误匹配点对个数；
获取分段视频的误匹配点对分布。
在本发明的一实施例中，所述计算每一帧帧图像的图像质量并获取分段视频的图像质量分布的步骤包括：
获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布。
在本发明的一实施例中，包括：所述获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布的步骤包括：
获取相邻两帧的前一帧的帧图像的灰度值，以及后一帧的帧图像的灰度值；
根据相邻两帧的帧图像的灰度值获取相邻两帧帧图像的灰度梯度值，将灰度梯度值作为相邻两帧帧图像的能量梯度函数值；
根据能量梯度函数值获取图像质量分布。
在本发明的一实施例中，所述若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号的步骤包括：
检验误匹配点对分布和图像质量分布的数据平稳性，若数据平稳性超出检测阈值，则生成视频抖动识别信号。
本发明提供一种视频抖动快速检测装置，视频截取模块，用于截取监控视频中的分段视频；
特征点匹配模块，用于对分段视频中的相邻两帧的帧图像进行特征点匹配；
计算模块，用于计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布及每一帧帧图像的图像质量并获取分段视频的图像质量分布
结果判断模块，用于判断误匹配点对分布与图像质量分布一致性并生成视频抖动识别信号。
本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述的方法。
本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述的方法。
实施本发明实施例，将至少具有如下有益效果：
本发明提供一种视频抖动快速检测方法，本方法通过实时截取监控视频中的分段视频，获取分段视频的帧图像，然后对分段视频中的相邻两帧的帧图像进行特征点匹配，接着计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布，计算每一帧帧图像的图像质量并获取分段视频的图像质量分布，最终若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号，通过误匹配点对分布与图像质量分布判断视频是否抖动，避免了因为特征点选取及画面中物体移动而造成结果不准确的问题，提高了检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中视频抖动快速检测方法的一实施例中的流程示意图；
图2为本发明中视频抖动快速检测方法的另一实施例中的流程示意图；
图3为本发明中视频抖动快速检测装置的结构框图；
图4为本发明中计算机设备的结构框图。
图中：
视频抖动快速检测装置100、视频截取模块110、特征点匹配模块120、计算模块130、结果判断模块140、计算机设备200、存储器210、处理器220.
具体实施方式
为了使本领域的技术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例中的附图对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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例，都属于本申请保护的范围。
需要说明的是，当元件被称为“固定于”或“设置于”另一个部件上，它可以直接在另一个部件上或者间接设置在另一个部件上；当一个部件被称为是“连接于”另一个部件，它可以是直接连接到另一个部件或间接连接至另一个部件上。
需要理解的是，术语“宽度”、“高度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“
水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或部件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。
须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本申请可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本申请所能产生的功效及所能达成的目的下，均应仍落在本申请所揭示的技术内容得能涵盖的范围内。
本发明提供一种视频抖动快速检测方法，包括
S101、实时截取监控视频中的分段视频，获取分段视频的帧图像；
S102、对分段视频中的相邻两帧的帧图像进行特征点匹配；
S103、计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布；
S104、计算每一帧帧图像的图像质量并获取分段视频的图像质量分布；
S105、若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号。
在本发明的一实施例中，所述实时截取监控视频中的分段视频的步骤包括：
获取分段视频的单位时间，依次连续获取时长为单位时间的多个分段视频。
实施例一：
在本实施方式中，本方法通过实时截取监控视频中的分段视频，获取分段视频的帧图像，然后对分段视频中的相邻两帧的帧图像进行特征点匹配，接着计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布，计算每一帧帧图像的图像质量并获取分段视频的图像质量分布，最终若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号，通过误匹配点对分布与图像质量分布判断视频是否抖动，避免了因为特征点选取及画面中物体移动而造成结果不准确的问题，提高了检测的准确性。
具体的，实时截取监控视频中的分段视频为通过实时读取视频监控设备或从视频监控设备的录像中截取任一段视频，截取的视频或者读取到的视频即为分段视频；然后对分段视频进行解帧操作获得分段视频的帧图像。
在本发明的一实施例中，所述对分段视频中的相邻两帧的帧图像进行特征点匹配的步骤包括：
对分段视频中的相邻两帧的帧图像采用ORB特征点检测和暴力匹配。
具体的，通过对分段视频中的相邻两帧的帧图像采用ORB特征点检测和暴力匹配，从而对分段视频中的两个相邻的帧图像进行特征点匹配。
在本发明的一实施例中，所述计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布的步骤包括：
获取相邻两帧的帧图像的水平拼接图像；
建立水平拼接图像的坐标系及匹配点对的坐标数据；
获取匹配点对的斜率集；
获取误匹配斜率差阈值；
根据斜率集和误匹配斜率差阈值获取当前帧的帧图像的误匹配点对个数；
获取分段视频的全部帧图像的误匹配点对个数；
获取分段视频的误匹配点对分布。
具体的，实时截取监控视频中的分段视频为通过实时读取视频监控设备或从视频监控设备的录像中截取任一段视频，截取的视频或者读取到的视频即为分段视频；然后对分段视频进行解帧操作获得分段视频的帧图像，然后对分段视频中的相邻两帧的帧图像进行特征点匹配，即将每个相邻两帧的帧图像进行水平拼接，在拼接图像中建立坐标系，将拼接图像的左上角作为坐标原点，拼接图像的宽度作为X轴，拼接图像的高度作为Y轴，获取位于坐标系中的匹配点对的坐标数据，计算每个匹配点对连线的斜率从而获取到匹配点对的斜率集，对斜率集进行统计获取对应各个斜率的频次，选取频次最多记为参考斜率，将参考斜率与斜率集中每一个斜率进行差值计算，将差值大于误匹配斜率差阈值的斜率对应的匹配点对记为误匹配点对，将所有误匹配斜率对应的频次进行累加获得误匹配点对个数，依次计算，取当前帧图像特征点与后一帧特征点匹配计算的误匹配点对个数，从而获取到当前帧的帧图像的误匹配点对个数，依次计算分段视频的全部帧图像的误匹配点对个数，获取到分段视频的全部帧图像的误匹配点对个数，获取到分段视频的误匹配点对分布。
需要说明的是，服务器采用水平拼接图像的方式是为了方便建立水平拼接图像的坐标系，进而获取匹配点对的坐标数据位于坐标系内坐标，从而通过匹配点对的坐标，获得两个坐标点之间的直线，进而获得两个坐标点直线的斜率，将每个匹配点对的斜率计算出来，获得匹配点对的斜率集，误匹配斜率差阈值为人工预设的差值，根据斜率集和误匹配斜率差阈值能够筛选出当前帧的帧图像的误匹配点对个数，根据所有的误匹配点对获得分段视频的误匹配点对分布。
在本发明的一实施例中，所述计算每一帧帧图像的图像质量并获取分段视频的图像质量分布的步骤包括：
获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布。
具体的，服务器通过获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布信息，然后对图像质量分布信息进行判断，获得分段视频图像中的图像质量分布平稳性。
在本发明的一实施例中，包括：所述获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布的步骤包括：
获取相邻两帧的前一帧的帧图像的灰度值，以及后一帧的帧图像的灰度值；
根据相邻两帧的帧图像的灰度值获取相邻两帧帧图像的灰度梯度值，将灰度梯度值作为相邻两帧帧图像的能量梯度函数值；
根据能量梯度函数值获取图像质量分布。
具体的，获取相邻两帧的前一帧的帧图像的灰度值，获取后一帧的帧图像的灰度值，即以能量梯度函数值来量化图像的质量，将图像看作二维离散矩阵，利用梯度函数获取到帧图像的灰度信息，将帧图像的宽度作为X方向，帧图像的高度作为Y方向，计算X方向和Y方向的相邻像素的灰度值之差得平方和结果，将计算所获得的平方和结果作为每个像素点的梯度值，根据相邻两帧的帧图像的灰度值获取相邻两帧帧图像的灰度梯度值，将灰度梯度值作为相邻两帧帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布。
需要说明的是，不存在抖动的情况下，连续多帧图像的清晰程度相差不大，而产生抖动时可能会出现成像模糊的情况，进而导致相邻帧之间出现大的波动，而正焦的清晰图像比模糊情况下的离焦图像边缘更加锐利清晰，即灰度值变化大，因此存在更大的梯度值。
在本发明的一实施例中，所述若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号的步骤包括：
检验误匹配点对分布和图像质量分布的数据平稳性，若数据平稳性超出检测阈值，则生成视频抖动识别信号。
实施例二：
在本实施方式中，实时截取监控视频中的分段视频为通过实时读取视频监控设备或从视频监控设备的录像中截取任一段视频，截取的视频或者读取到的视频即为分段视频；然后对分段视频进行解帧操作获得分段视频的帧图像，然后对分段视频中的相邻两帧的帧图像进行特征点匹配，即将每个相邻两帧的帧图像进行水平拼接，在拼接图像中建立坐标系，将拼接图像的左上角作为坐标原点，拼接图像的宽度作为X轴，拼接图像的高度作为Y轴，获取位于坐标系中的匹配点对的坐标数据，计算每个匹配点对连线的斜率从而获取到匹配点对的斜率集，对斜率集进行统计获取对应各个斜率的频次，选取频次最多记为参考斜率，将参考斜率与斜率集中每一个斜率进行差值计算，将差值大于误匹配斜率差阈值的斜率对应的匹配点对记为误匹配点对，将所有误匹配斜率对应的频次进行累加获得误匹配点对个数，依次计算，取当前帧图像特征点与后一帧特征点匹配计算的误匹配点对个数，从而获取到当前帧的帧图像的误匹配点对个数，依次计算分段视频的全部帧图像的误匹配点对个数，获取到分段视频的全部帧图像的误匹配点对个数，获取到分段视频的误匹配点对分布；
获取相邻两帧的前一帧的帧图像的灰度值，获取后一帧的帧图像的灰度值，即以能量梯度函数值来量化图像的质量，将图像看作二维离散矩阵，利用梯度函数获取到帧图像的灰度信息，将帧图像的宽度作为X方向，帧图像的高度作为Y方向，计算X方向和Y方向的相邻像素的灰度值之差得平方和结果，将计算所获得的平方和结果作为每个像素点的梯度值，根据相邻两帧的帧图像的灰度值获取相邻两帧帧图像的灰度梯度值，将灰度梯度值作为相邻两帧帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布；
检验误匹配点对分布和图像质量分布的数据平稳性，即若误匹配点对分布和图像质量分布的数据平稳性超出检测阈值，则生成视频抖动识别信号，则判断视频监控设备存在抖动，并及时发出报警信号，即误匹配点对个数是相邻两帧进行计算，因此N帧帧图像的误匹配点对的数量为N-1个，对误匹配点对分布和图像质量分布进行数据平稳性验证时，当数据平稳性的检验结果满足pvalue值不小于阈值或adf值不小于1％统计值时，则判断数据为不平稳，若误匹配点对分布和图像质量分布的数据平稳性均为不平稳，则表明视频存在抖动。
具体的，检验误匹配点对分布和图像质量分布的数据平稳性，若数据平稳性超出检测阈值，则生成视频抖动识别信号。
在获取误匹配点对分布和图像质量分布，以及对误匹配点对分布与图像质量分布一致进行统计分析时，至少包括两种方法。
在一种实施例中，服务器实时统计分段视频中每一帧的帧图像的误匹配点对数量，将分段视频中的误匹配点对数量依据帧序列生成点对数量的分布，点对数量的分布可为点对分布曲线；
服务器同时统计分段视频中每一帧的帧图像的图像质量梯度数据，将分段视频中的图像质量梯度数据依据帧序列生成梯度数据的分布，所述梯度数据的分布可为梯度数据分布曲线；
设定分段视频的单位时间段，若单位时间段内同时存在点对分布曲线连续超出点对阈值，以及梯度数据分布曲线未连续超出梯度数据阈值，则判定误匹配点对分布与图像质量分布一致，生成视频抖动识别信号，即抖动时，图像质量会低于正常图像质量，分布曲线也会呈现下降的波动趋势。
通过统计单位时间段内的误匹配点对数连续超出点对阈值，可检测出图像存在移动物体，但是，因为移动而产生模糊的帧图像不能非常准确的判定是部分移动还是镜头抖动，因而进一步通过梯度数据分布来进一步增加判定依据，通过对帧图像整体图像质量的评价，可筛选排除因部分物体移动造成误匹配点对数量增加造成的镜头抖动误判，因而上述方案可增强视频抖动识别的准确率。
在另一实施例中，服务器实时统计分段视频中每一帧的帧图像的误匹配点对数量，将分段视频中的误匹配点对数量依据帧序列生成点对数量的分布，并计算相邻两帧的帧图像误匹配点对坐标的差值，获得需筛选的误匹配点对差值信息；
服务器同时统计分段视频中每一帧的帧图像的图像质量梯度数据，将分段视频中的图像质量梯度数据依据帧序列生成梯度数据的分布，并计算相邻两帧的帧图像质量梯度数据的差值，获得需筛选的梯度数据差值信息；
依据帧图像拍摄时间对需筛选的误匹配点对差值信息进行排序生成排序后的误匹配点对差值信息；
依据帧图像拍摄时间对需筛选的梯度数据差值信息进行排序生成排序后的梯度数据差值信息；
依据排序后的误匹配点对差值信息生成误匹配点对数据差值变化量；
依据排序后的梯度数据差值信息生成梯度数据数据差值变化量；
服务器对排序后的误匹配点对差值信息进行分析，若排序后的误匹配点对差值信息存在误匹配点对数据差值变化量连续递增，且误匹配点对数据差值变化量递增后误匹配点对数据差值变化量呈现连续递减的过程，则判断误匹配点对存在不平稳，服务器对排序后的梯度数据差值信息进行分析，若排序后的梯度数据数据差值变化量连续递增，且梯度数据数据差值变化量呈现连续递减的过程，则判断图像质量存在不平稳，若误匹配点对与图像质量同时为不平稳，则判断为视频监控设备抖动。即在镜头抖动的过程中，镜头会先产生一个较大的抖动，然后会产生一个较小的抖动，使得图像质量会产生一个下降的过程，而误匹配点对的分布会产生一个明显的波动。
通过统计单位时间段内的误匹配点对数连续超出点对阈值，可检测出图像存在移动物体，但是，因为图像存在移动物体，移动物体在图像中可能会存在加速运动、减速运动、匀速运动，此时图像中的特征点也会随着移动物体的状态而受到影响，此时视频监控设备未抖动，如果仅通过特征点来分析抖动，则移动物体在图像中存在加速运动、减速运动、匀速运动时，特征点会因为移动物体在图像中的加速、减速而造成误判，从而误判为抖动信号，导致抖动判断不精准。因为移动而产生模糊的帧图像不能非常准确的判定是部分移动还是镜头抖动，因而进一步判断误匹配点对数据差值变化量和梯度数据数据差值变化量，通过视频抖动时会产生一个加速和一个减速的晃动，在产生抖动时分段图像中的特征点会产生一个比较大的位移，而在抖动的过程中，特征点在分段图像中的位移轨迹会明显产生一个相对于静止状态坐标来回晃动，从而使得位移的差值非常大，造成误匹配点对数据差值变化量会先产生一个相对于静止状态下较大的一段增量或一段减量的位移，然后产生一个相反的一段增量或一段减量的位移，同时，图像质量会在此段时间内也会先产生一个相对于静止状态下较大的一段增量，然后产生一段减量，导致误匹配点对与梯度数据的变化来递增后递减的变化量来增加判定依据，可筛选排除因部分物体快速移动而造成匹配点对数量增加造成的镜头抖动误判，因而上述方案可进一步增强视频抖动识别的准确率。
服务器依据判断的结果生成视频抖动识别信号，以提示工作人员进行检修。
本发明提供一种视频抖动快速检测装置100，视频截取模块110，用于截取监控视频中的分段视频；
特征点匹配模块120，用于对分段视频中的相邻两帧的帧图像进行特征点匹配；
计算模块130，用于计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布及每一帧帧图像的图像质量并获取分段视频的图像质量分布；
结果判断模块140，用于判断误匹配点对分布与图像质量分布一致性并生成视频抖动识别信号。
实施例三：
在本实施方式中，视频抖动快速检测装置100通过视频截取模块110截取监控视频中的分段视频，特征点匹配模块120用于对分段视频中的相邻两帧的帧图像进行特征点匹配，计算模块130用于计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布及每一帧帧图像的图像质量并获取分段视频的图像质量分布，结果判断模块140依据误匹配点对分布与图像质量分布判断一致性并生成视频抖动识别信号，避免了因为特征点选取及画面中物体移动而造成结果不准确的问题，提高了检测的准确性。
本发明提供一种计算机设备200，包括存储器210和处理器220，所述存储器210存储有计算机程序，所述计算机程序被所述处理器220执行时，使得所述处理器执行如上述所述的方法。
本领域普通技术人员可以理解实现上述实施例系统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，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，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220、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220。非易失性存储器220可包括只读存储器220(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220可包括随机存取存储器220(RAM)或者外部高速缓冲存储器220。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220总线(Rambus)直接RAM(RDRAM)、直接存储器220总线动态RAM(DRDRAM)、以及存储器220总线动态RAM(RDRAM)等。
本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述的方法。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
该计算机设备包括通过终端总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质有存储操作终端，还可有存储计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述的视频抖动快速检测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述的视频抖动快速检测方法。本领域技术人员可以理解，图4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设备的限定，具体的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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种视频抖动快速检测方法，其特征在于，包括：
实时截取监控视频中的分段视频，获取分段视频的帧图像；
对分段视频中的相邻两帧的帧图像进行特征点匹配；
计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布；
计算每一帧帧图像的图像质量并获取分段视频的图像质量分布；
若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号。
2.根据权利要求1所述的视频抖动快速检测方法，其特征在于，所述实时截取监控视频中的分段视频的步骤包括：
获取分段视频的单位时间，依次连续获取时长为单位时间的多个分段视频。
3.根据权利要求1所述的视频抖动快速检测方法，其特征在于，所述对分段视频中的相邻两帧的帧图像进行特征点匹配的步骤包括：
对分段视频中的相邻两帧的帧图像采用ORB特征点检测和暴力匹配。
4.根据权利要求1所述的视频抖动快速检测方法，其特征在于，所述计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布的步骤包括：
获取相邻两帧的帧图像的水平拼接图像；
建立水平拼接图像的坐标系及匹配点对的坐标数据；
获取匹配点对的斜率集；
获取误匹配斜率差阈值；
根据斜率集和误匹配斜率差阈值获取当前帧的帧图像的误匹配点对个数；
获取分段视频的全部帧图像的误匹配点对个数；
获取分段视频的误匹配点对分布。
5.根据权利要求1所述的视频抖动快速检测方法，其特征在于，所述计算每一帧帧图像的图像质量并获取分段视频的图像质量分布的步骤包括：
获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布。
6.根据权利要求5所述的视频抖动快速检测方法，其特征在于，包括：所述获取每一帧的帧图像的能量梯度函数值，根据能量梯度函数值获取图像质量分布的步骤包括：
获取相邻两帧的前一帧的帧图像的灰度值，以及后一帧的帧图像的灰度值；
根据相邻两帧的帧图像的灰度值获取相邻两帧帧图像的灰度梯度值，将灰度梯度值作为相邻两帧帧图像的能量梯度函数值；
根据能量梯度函数值获取图像质量分布。
7.根据权利要求1所述的视频抖动快速检测方法，其特征在于，所述若误匹配点对分布与图像质量分布一致则生成视频抖动识别信号的步骤包括：
检验误匹配点对分布和图像质量分布的数据平稳性，若数据平稳性超出检测阈值，则生成视频抖动识别信号。
8.一种视频抖动快速检测装置，其特征在于，
视频截取模块，用于截取监控视频中的分段视频；
特征点匹配模块，用于对分段视频中的相邻两帧的帧图像进行特征点匹配；
计算模块，用于计算每一帧帧图像的误匹配点对个数并获取分段视频的误匹配点对分布及每一帧帧图像的图像质量并获取分段视频的图像质量分布
结果判断模块，用于判断误匹配点对分布与图像质量分布一致性并生成视频抖动识别信号。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7中所述的方法。
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310016191.XA CN116156245A (zh) | 2023-01-06 | 2023-01-06 | 视频抖动快速检测方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310016191.XA CN116156245A (zh) | 2023-01-06 | 2023-01-06 | 视频抖动快速检测方法、装置、计算机设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116156245A true CN116156245A (zh) | 2023-05-23 |
Family
ID=86352093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310016191.XA Pending CN116156245A (zh) | 2023-01-06 | 2023-01-06 | 视频抖动快速检测方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116156245A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116612390A (zh) * | 2023-07-21 | 2023-08-18 | 山东鑫邦建设集团有限公司 | 一种建筑工程用的信息管理系统 |
-
2023
- 2023-01-06 CN CN202310016191.XA patent/CN116156245A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116612390A (zh) * | 2023-07-21 | 2023-08-18 | 山东鑫邦建设集团有限公司 | 一种建筑工程用的信息管理系统 |
| CN116612390B (zh) * | 2023-07-21 | 2023-10-03 | 山东鑫邦建设集团有限公司 | 一种建筑工程用的信息管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111381579B (zh) | 一种云台故障检测方法、装置、计算机设备及存储介质 | |
| US20130329961A1 (en) | Geometric pre-correction for automatic license plate recognition | |
| KR20200015728A (ko) | 목표 대상 인식 방법, 장치, 저장 매체 및 전자 기기 | |
| CN110460769B (zh) | 图像矫正方法、装置、计算机设备和存储介质 | |
| CN109345467B (zh) | 成像畸变校正方法、装置、计算机设备及存储介质 | |
| CN109167997B (zh) | 一种视频质量诊断系统及方法 | |
| CN116156245A (zh) | 视频抖动快速检测方法、装置、计算机设备及介质 | |
| WO2021114896A1 (zh) | 一种基于计算机视觉的异常检测方法、装置及电子设备 | |
| CN112954315A (zh) | 一种安防摄像机图像对焦测量方法及系统 | |
| CN110728659A (zh) | 缺陷合并的方法、装置、计算机设备及存储介质 | |
| CN114520911B (zh) | 测量异常识别控制方法、计算机设备及存储介质 | |
| CN114494085B (zh) | 一种视频流复原方法、系统、电子设备及存储介质 | |
| CN109996063B (zh) | 视频图像花屏检测方法、装置、计算机设备和存储介质 | |
| CN113421241B (zh) | 异常事件上报方法、装置、计算机设备及存储介质 | |
| CN116935308B (zh) | 基于车辆情景ai智能识别的洗车机安全监控系统及方法 | |
| CN116208842A (zh) | 视频处理方法、装置、设备和计算机可读存储介质 | |
| CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
| CN114240826A (zh) | 拍摄设备异常检测方法、装置、系统和电子装置 | |
| CN114004876A (zh) | 一种尺寸标定方法、尺寸标定装置和计算机可读存储介质 | |
| CN110969037B (zh) | 一种信息处理方法、电子设备和信息处理系统 | |
| CN113158706A (zh) | 脸部抓拍方法、装置、介质以及电子设备 | |
| CN116489317B (zh) | 基于摄像装置的物体侦测方法、系统以及存储介质 | |
| KR20010088884A (ko) | 이동 물체의 실시간 검출 방법 | |
| CN113610205B (zh) | 一种基于机器视觉的二维码生成方法、装置及存储介质 | |
| CN118007712B (zh) | 基坑围护结构位移测量系统的位移测量方法及相关系统 |
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 |