CN117315583A - 基于视频处理器的计算机防偷窥预警系统 - Google Patents
基于视频处理器的计算机防偷窥预警系统 Download PDFInfo
- Publication number
- CN117315583A CN117315583A CN202311284160.9A CN202311284160A CN117315583A CN 117315583 A CN117315583 A CN 117315583A CN 202311284160 A CN202311284160 A CN 202311284160A CN 117315583 A CN117315583 A CN 117315583A
- Authority
- CN
- China
- Prior art keywords
- image
- video processor
- video
- image quality
- early warning
- 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
- 208000008918 voyeurism Diseases 0.000 title claims abstract description 33
- 230000002265 prevention Effects 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 96
- 238000004458 analytical method Methods 0.000 claims abstract description 87
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 54
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 230000006835 compression Effects 0.000 claims description 73
- 238000007906 compression Methods 0.000 claims description 73
- 238000013441 quality evaluation Methods 0.000 claims description 61
- 230000005856 abnormality Effects 0.000 claims description 35
- 230000008707 rearrangement Effects 0.000 claims description 25
- 238000007667 floating Methods 0.000 claims description 22
- 239000013256 coordination polymer Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001303 quality assessment method Methods 0.000 claims description 6
- 230000026676 system process Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 15
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 208000033986 Device capturing issue Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了基于视频处理器的计算机防偷窥预警系统，涉及计算机防偷窥技术领域，包括信息采集模块、服务器、第一比对分析模块、综合分析模块、第二比对分析模块以及提示模块；信息采集模块，采集视频处理器对图像进行处理时的多项信息，包括视频特征信息和数据传输信息，采集后，将视频特征信息和数据传输信息处理后传递至服务器。本发明通过对视频处理器进行图像处理时的过程进行监测，当视频处理器对视频图像的处理效果变差时，通过系统及时进行反馈，保障视频图像处理后的质量不会影响系统对视频流的分析和检测，进而保障保证系统检测异常活动的准确性，便于系统对异常活动进行高效地检测和警示。
Description
技术领域
本发明涉及计算机防偷窥技术领域，具体涉及基于视频处理器的计算机防偷窥预警系统。
背景技术
基于视频处理器的计算机防偷窥预警系统是一种用于检测和预警计算机用户的未经授权监视或录制活动的系统。这种系统结合了视频处理技术和计算机安全技术，旨在保护用户的隐私和数据安全。
在系统中，视频处理器扮演着至关重要的角色，负责处理摄像头捕获的视频流并进行分析，帮助系统检测和警示潜在的威胁或未经授权的活动。
现有技术存在以下不足：然而，当视频处理器对视频图像的处理效果变差时，系统无法及时进行反馈，视频图像处理后的质量变差会影响系统对视频流的分析和检测，降低检测异常活动的准确性，从而不便系统对异常活动进行高效地检测和警示。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的是提供基于视频处理器的计算机防偷窥预警系统，本发明通过对视频处理器进行图像处理时的过程进行监测，当视频处理器对视频图像的处理效果变差时，通过系统及时进行反馈，保障视频图像处理后的质量不会影响系统对视频流的分析和检测，进而保障保证系统检测异常活动的准确性，便于系统对异常活动进行高效地检测和警示，以解决上述背景技术中的问题。
为了实现上述目的，本发明提供如下技术方案：基于视频处理器的计算机防偷窥预警系统，包括信息采集模块、服务器、第一比对分析模块、综合分析模块、第二比对分析模块以及提示模块；
信息采集模块，采集视频处理器对图像进行处理时的多项信息，包括视频特征信息和数据传输信息，采集后，将视频特征信息和数据传输信息处理后传递至服务器；
服务器，将视频处理器对图像进行处理时的视频特征信息和数据传输信息进行综合分析，生成图像质量评估指数，并将图像质量评估指数传递至第一比对分析模块；
第一比对分析模块，将视频处理器对图像进行处理时生成的图像质量评估指数与预先设定的图像质量评估指数参考阈值进行比对分析，生成高图像质量信号或者低图像质量信号，并将信号传递至综合分析模块；
综合分析模块，接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合进行综合分析，生成异常指数，并将异常指数传递至第二比对分析模块；
第二比对分析模块，将分析集合内生成的异常指数与预先设定的异常指数梯度参考阈值进行比对分析，生成异常风险信号，并将信号传递至提示模块，通过提示模块发出不同的预警提示。
优选的，视频处理器对图像进行处理时的视频特征信息包括图像压缩率异常浮动系数和图像帧率变异系数，采集后，信息采集模块将图像压缩率异常浮动系数和图像帧率变异系数分别标定为和ZLτ，视频处理器对图像进行处理时的数据传输信息包括数据重排异常隐匿系数，采集后，信息采集模块将数据重排异常隐匿系数标定为CPμ。
优选的，图像压缩率异常浮动系数获取的如下：
A101、获取计算机防偷窥预警系统中视频处理器进行图像处理时的最佳图像压缩率范围，并将最佳图像压缩率范围标定为
A102、获取计算机防偷窥预警系统中视频处理器进行图像处理时在T时间对每一帧图像进行压缩的实际图像压缩率，并将实际图像压缩率标定为x表示视频处理器进行图像处理时在T时间对每一帧图像进行压缩的实际图像压缩率的编号，x＝1、2、3、4、……、m，m为正整数；
A103、将在T时间获取的不处于最佳图像压缩率范围之间的实际图像压缩率重新标定为/>y表示在T时间获取的不处于最佳图像压缩率范围之间的实际图像压缩率的编号，y＝1、2、3、4、……、n，n为正整数；
A104、计算图像压缩率异常浮动系数，计算的表达式为： 式中，m表示视频处理器进行图像处理时在T时间对图像进行压缩的实际图像压缩总量。
优选的，图像帧率变异系数获取的逻辑如下：
B101、获取计算机防偷窥预警系统中视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量，并将实际图像帧数量标定为ZLτ k，k表示视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量的编号，k＝1、2、3、4、……、p，p为正整数；
B102、通过视频处理器在T时间内获取的实际图像帧数量计算实际图像帧数量标准差和实际图像帧数量平均值，并将实际图像帧数量标准差和实际图像帧数量平均值分别标定为E和F，则：
其中，
B103、计算图像帧率变异系数，计算的表达式为：ZLτ＝E/F。
优选的，数据重排异常隐匿系数获取的逻辑如下：
C101、获取计算机防偷窥预警系统中视频处理器对视频图像处理时发送端在T时间内发送的数据包顺序，同时获取视频处理器发送端发送的数据包在视频处理器接收端的数据包顺序；
C102、将同一数据包在发送端发送的数据包顺序和接收端接收的数据包顺序进行核对，并将乱序数据包进行标记；
C103、将乱序数据包内的乱序数据量进行统计，并将乱序数据量标定为μSJL，将所有数据包内的实际数据量进行统计，并将实际数据量标定为μ总；
C104、通过视频处理器对视频图像处理时的乱序数据总量和视频处理器对视频图像处理时的实际数据总量计算数据重排异常隐匿系数，计算的表达式为：式中，u表示视频处理器对视频图像处理时在T时间内获取的乱序数据包的编号，u＝1、2、3、4、……、M，M为正整数，f表示视频处理器对视频图像处理时在T时间内获取的实际数据包的编号，f＝1、2、3、4、……、N，N为正整数，/>表示视频处理器对视频图像处理时的乱序数据总量，/>表示视频处理器对视频图像处理时的实际数据总量。
优选的，服务器获取到图像压缩率异常浮动系数图像帧率变异系数ZLτ以及数据重排异常隐匿系数CPμ后，建立数据分析模型，生成图像质量评估指数θθ，依据的公式为：
，式中，w1、w2、w3分别为图像压缩率异常浮动系数图像帧率变异系数ZLτ、数据重排异常隐匿系数CPμ的预设比例系数，且w1、w2、w3均大于0。
优选的，第一比对分析模块将视频处理器对图像进行处理时生成的图像质量评估指数与预先设定的图像质量评估指数参考阈值进行比对分析，若图像质量评估指数大于等于图像质量评估指数参考阈值，则生成低图像质量信号，并将信号传递至综合分析模块，若图像质量评估指数小于图像质量评估指数参考阈值，则生成高图像质量信号，并将信号传递至综合分析模块。
优选的，综合分析模块接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合，并将分析集合标定为V，则V＝{θθr}，r表示分析集合内图像质量评估指数的编号，r＝1、2、3、4、……、R，R为正整数；
将分析集合内的图像质量评估指数与图像质量评估指数参考阈值进行比对，并将大于等于图像质量评估指数参考阈值的图像质量评估指数标定为θθd，d表示大于等于图像质量评估指数参考阈值的图像质量评估指数的编号，d＝1、2、3、4、……、D，D为正整数；
计算异常指数，并将异常指数标定为βγ，异常指数βγ的计算公式为： 式中，θθ参考表示图像质量评估指数参考阈值。
优选的，第二比对分析模块将分析集合内生成的异常指数与预先设定的异常指数梯度参考阈值K1和K2进行比对分析，其中，K1<K2，比对分为以下情况：
若βγ≥K2，则通过第二比对分析模块生成高级异常风险信号，并将信号传递至提示模块，通过提示模块发出高风险预警提示；
若K1≤βγ<K2，则通过第二比对分析模块生成中级异常风险信号，并将信号传递至提示模块，通过提示模块发出中级风险预警提示；
若βγ<K1，则通过第二比对分析模块生成低级异常风险信号，并将信号传递至提示模块，不通过提示模块发出预警提示。
在上述技术方案中，本发明提供的技术效果和优点：
本发明通过对视频处理器进行图像处理时的过程进行监测，当视频处理器对视频图像的处理效果变差时，通过系统及时进行反馈，保障视频图像处理后的质量不会影响系统对视频流的分析和检测，进而保障保证系统检测异常活动的准确性，便于系统对异常活动进行高效地检测和警示；
本发明在接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合进行综合分析，判断图像处理质量变差的严重程度情况，一方面便于维护人员对视频处理器进行图像处理时故障的严重程度进行及时了解，提高维护效率，另一方面可避免视频处理器对图像进行处理时发生微小的图像处理质量问题引发频繁的预警，保证视频处理器对图像进行高效地处理。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明基于视频处理器的计算机防偷窥预警系统的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
本发明提供了如图1所示的基于视频处理器的计算机防偷窥预警系统，包括信息采集模块、服务器、第一比对分析模块、综合分析模块、第二比对分析模块以及提示模块；
信息采集模块，采集视频处理器对图像进行处理时的多项信息，包括视频特征信息和数据传输信息，采集后，将视频特征信息和数据传输信息处理后传递至服务器；
视频处理器对图像进行处理时的视频特征信息包括图像压缩率异常浮动系数和图像帧率变异系数，采集后，信息采集模块将图像压缩率异常浮动系数和图像帧率变异系数分别标定为和ZLτ；
基于视频处理器的计算机防偷窥预警系统中，视频处理器对视频图像处理时的图像压缩率指的是对视频图像进行压缩的程度或比例，图像压缩是一种将图像数据进行编码以减少数据量的过程，以便更有效地存储、传输或处理图像，图像压缩可以减小图像文件的大小，节省存储空间和带宽，并有助于提高数据传输速度；
基于视频处理器的计算机防偷窥预警系统中，图像压缩率过高或过低都可能对图像处理的质量产生严重影响，具体影响取决于压缩率的极端程度以及系统的具体用途，以下是这两种情况可能导致的影响：
图像压缩率过高：
失真和信息丢失：高度压缩的图像会丢失大量细节和信息，导致图像质量严重下降，这可能导致无法识别物体、人脸或活动，从而降低了异常检测的准确性；
压缩伪影：过高的压缩率可能导致图像中出现块状失真或压缩伪影，使图像的可观看性降低，这对于图像分析和人眼观察都不利；
低清晰度：图像的清晰度受到极大影响，这可能导致物体变得模糊，边缘变得不清晰，不利于物体检测和识别；
限制后续分析：高度压缩的图像可能无法提供足够的信息供后续分析或法律证据使用，因为关键细节可能已经被丢失；
图像压缩率过低：
大带宽和存储需求：过低的压缩率会导致生成大量的数据，需要更大的存储空间和更高的带宽来传输图像，这可能会增加系统成本和复杂性；
实时性问题：传输大量未压缩的图像数据可能导致数据传输速度变慢，延迟增加，从而降低了实时性，这对于需要即时响应的应用非常不利；
资源消耗：处理大量未压缩的图像数据可能会占用大量计算资源，这可能使系统不稳定或无法满足其他计算需求；
数据传输问题：如果带宽不足以支持未压缩图像的传输，图像可能会被截断或丢弃，从而丧失关键信息；
因此，对基于视频处理器的计算机防偷窥预警系统中视频处理器进行图像处理时的图像压缩率进行监测，可及时发现视频处理器进行图像处理时图像压缩率异常的问题；
图像压缩率异常浮动系数获取的如下：
A101、获取计算机防偷窥预警系统中视频处理器进行图像处理时的最佳图像压缩率范围，并将最佳图像压缩率范围标定为
需要说明的是，进行性能测试，评估不同压缩率下系统的性能表现，这包括检查图像处理和异常检测的准确性、实时性、资源消耗等方面的性能，通过测试不同的压缩率，并结合在实际应用场景中进行测试，以观察不同压缩率下系统的实际效果，这可以帮助确定在特定场景下最适合的压缩率范围，计算机防偷窥预警系统中视频处理器进行图像处理时的最佳图像压缩率范围在此不做具体的限定，可根据不同的场景进行调整；
A102、获取计算机防偷窥预警系统中视频处理器进行图像处理时在T时间对每一帧图像进行压缩的实际图像压缩率，并将实际图像压缩率标定为x表示视频处理器进行图像处理时在T时间对每一帧图像进行压缩的实际图像压缩率的编号，x＝1、2、3、4、……、m，m为正整数；
需要说明的是，一些专业的图像处理工具或库可以提供实际压缩率的信息，例如，可以使用图像处理库如OpenCV或PIL(Python Imaging Library)来分析每一帧的图像并提取压缩率信息；
A103、将在T时间获取的不处于最佳图像压缩率范围之间的实际图像压缩率重新标定为/>y表示在T时间获取的不处于最佳图像压缩率范围之间的实际图像压缩率的编号，y＝1、2、3、4、……、n，n为正整数；
A104、计算图像压缩率异常浮动系数，计算的表达式为： 式中，m表示视频处理器进行图像处理时在T时间对图像进行压缩的实际图像压缩总量；
由图像压缩率异常浮动系数的计算表达式可知，计算机防偷窥预警系统中视频处理器进行图像处理时在T时间运行时生成的图像压缩率异常浮动系数的表现值越大，表明图像处理的质量越差，反之则表明图像处理的质量越好；
基于视频处理器的计算机防偷窥预警系统中，图像帧率(Frame Rate)指的是视频中每秒所包含的图像帧数量，图像帧率表示视频播放或捕获的流畅程度和实时性，通常以“帧每秒”作为单位表示；
基于视频处理器的计算机防偷窥预警系统中，图像帧率变异系数是一个衡量图像帧率稳定性的指标，图像帧率变异系数表示在一段时间内，视频处理器输出的图像帧率的波动程度；
视频处理器对视频图像处理时的图像帧率变异系数较大可能会对图像处理的质量和准确性造成多方面严重影响，影响如下：
不稳定的监测和识别：图像帧率的不稳定性会导致监测系统无法稳定地捕捉和识别异常行为或事件，帧率波动可能导致系统在某些时间段无法获得足够的帧数来识别活动，从而降低了异常检测的准确性；
丢失关键信息：当帧率波动较大时，系统可能会丢失关键的图像帧，其中包含了有关异常活动的重要信息，这可能导致无法捕捉到关键事件，从而影响了系统的警报和响应能力；
难以跟踪物体运动：帧率的不稳定性会导致物体的运动跟踪不连贯，这使得在视频中准确跟踪物体的位置和路径变得更加困难，从而降低了图像分析的质量；
图像不连续性：不稳定的帧率会导致图像之间的时间间隔不均匀，使得图像播放或观察时出现不连续感，这不仅降低了用户体验，还影响了图像分析和检测的可行性；
减少算法效果：许多图像处理算法和机器学习模型需要稳定的帧率以进行准确的分析和学习，不稳定的帧率可能导致算法性能下降，降低了图像处理的准确性和质量；
增加虚警率：帧率波动可能导致系统在没有实际异常活动的情况下生成虚警，因为不稳定的帧率可能被错误地解释为异常行为；
因此，对基于视频处理器的计算机防偷窥预警系统中视频处理器进行图像处理时的图像帧率进行监测，可及时发现视频处理器进行图像处理时图像帧率波动较大的异常问题；
图像帧率变异系数获取的逻辑如下：
B101、获取计算机防偷窥预警系统中视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量，并将实际图像帧数量标定为ZLτ k，k表示视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量的编号，k＝1、2、3、4、……、p，p为正整数；
需要说明的是，使用专门的视频分析工具来分析视频流，这些工具通常会提供有关图像帧率和帧数的信息，例如，可以使用FFmpeg等工具来分析视频文件并提取有关帧数的信息；
B102、通过视频处理器在T时间内获取的实际图像帧数量计算实际图像帧数量标准差和实际图像帧数量平均值，并将实际图像帧数量标准差和实际图像帧数量平均值分别标定为E和F，则：
其中，
B103、计算图像帧率变异系数，计算的表达式为：ZLτ＝E/F；
由图像帧率变异系数的计算表达式可知，计算机防偷窥预警系统中视频处理器进行图像处理时在T时间运行时生成的图像帧率变异系数的表现值越大，表明视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量的波动越大，表明图像处理的质量越差，反之则表明视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量的波动越小，表明图像处理的质量越好；
视频处理器对图像进行处理时的数据传输信息包括数据重排异常隐匿系数，采集后，信息采集模块将数据重排异常隐匿系数标定为CPμ；
在基于视频处理器的计算机防偷窥预警系统中，“数据重排”通常指的是处理视频流时，接收到的数据包顺序与其发送顺序不一致的情况；
当基于视频处理器的计算机防偷窥预警系统中视频处理器对视频图像处理时出现大量数据重排时，可能会对图像处理的质量和准确性产生严重影响，以下是可能的影响：
图像时间错位：数据重排会导致接收到的视频帧按不正确的时间顺序进行处理，这将导致图像的时间错位，即图像帧的时间顺序与实际情况不符，在实时监控应用中，这可能导致对事件的实时响应出现延迟，从而降低了系统的效率；
图像质量下降：当视频处理器无法按正确的顺序处理图像帧时，可能会导致图像质量下降，这可能表现为图像的模糊、失真、颜色不一致或其他视觉问题，这对于需要高质量图像的应用，如图像识别或分析，可能是不可接受的；
实时性降低：处理大量数据重排需要额外的计算和管理，这会引入处理延迟，对于实时应用，如视频会议或实时监控，实时性降低可能导致性能不足，无法满足应用的要求；
数据丢失和冗余：数据重排可能导致数据包的丢失或重复，处理器可能需要实施丢包补偿策略，以确保丢失的数据包不会引发严重问题，同时，重复的数据包可能会浪费带宽和计算资源；
算法稳定性问题：某些图像处理算法可能对数据重排非常敏感，导致不稳定的结果，这可能会导致算法崩溃或产生不可预测的输出；
质量控制问题：如果视频处理过程包括质量控制步骤，如误差检测和校正，数据重排可能导致这些控制步骤的失效；
因此，对基于视频处理器的计算机防偷窥预警系统中视频处理器进行图像处理时的数据包传输顺序情况进行监测，可及时发现视频处理器进行图像处理时数据重排的异常问题；
数据重排异常隐匿系数获取的逻辑如下：
C101、获取计算机防偷窥预警系统中视频处理器对视频图像处理时发送端在T时间内发送的数据包顺序，同时获取视频处理器发送端发送的数据包在视频处理器接收端的数据包顺序；
需要说明的是，使用网络抓包工具，如Wireshark，可以捕获网络通信的数据包，并分析其中的序列号或标识符以获取数据包的顺序信息，这些工具通常提供详细的网络数据包分析功能；
C102、将同一数据包在发送端发送的数据包顺序和接收端接收的数据包顺序进行核对，并将乱序数据包进行标记；
C103、将乱序数据包内的乱序数据量进行统计，并将乱序数据量标定为μSJL，将所有数据包内的实际数据量进行统计，并将实际数据量标定为μ总；
需要说明的是，视频处理器可以解析网络数据包的协议头，例如TCP或UDP头部，这些协议头部通常包括数据包的总长度字段(或负载长度字段)，该字段指示了数据包内的数据量，通过解析协议头，视频处理器可以获取数据包的数据量信息；
C104、通过视频处理器对视频图像处理时的乱序数据总量和视频处理器对视频图像处理时的实际数据总量计算数据重排异常隐匿系数，计算的表达式为：式中，u表示视频处理器对视频图像处理时在T时间内获取的乱序数据包的编号，u＝1、2、3、4、……、M，M为正整数，f表示视频处理器对视频图像处理时在T时间内获取的实际数据包的编号，f＝1、2、3、4、……、N，N为正整数，/>表示视频处理器对视频图像处理时的乱序数据总量，/>表示视频处理器对视频图像处理时的实际数据总量；
由数据重排异常隐匿系数的计算表达式可知，计算机防偷窥预警系统中视频处理器进行图像处理时在T时间运行时生成的数据重排异常隐匿系数的表现值越大，表明图像处理的质量越差，反之则表明图像处理的质量越好；
服务器，将视频处理器对图像进行处理时的视频特征信息和数据传输信息进行综合分析，生成图像质量评估指数，并将图像质量评估指数传递至第一比对分析模块；
服务器获取到图像压缩率异常浮动系数图像帧率变异系数ZLτ以及数据重排异常隐匿系数CPμ后，建立数据分析模型，生成图像质量评估指数θθ，依据的公式为：
，式中，w1、w2、w3分别为图像压缩率异常浮动系数图像帧率变异系数ZLτ、数据重排异常隐匿系数CPμ的预设比例系数，且w1、w2、w3均大于0；
由计算公式可知，计算机防偷窥预警系统中视频处理器进行图像处理时在T时间运行时生成的图像压缩率异常浮动系数越大、图像帧率变异系数越大、数据重排异常隐匿系数越大，即视频处理器进行图像处理时在T时间运行时生成的图像质量评估指数θθ的表现值越大，表明图像处理的质量越差，计算机防偷窥预警系统中视频处理器进行图像处理时在T时间运行时生成的图像压缩率异常浮动系数越小、图像帧率变异系数越小、数据重排异常隐匿系数越小，即视频处理器进行图像处理时在T时间运行时生成的图像质量评估指数θθ的表现值越小，表明图像处理的质量越好；
第一比对分析模块，将视频处理器对图像进行处理时生成的图像质量评估指数与预先设定的图像质量评估指数参考阈值进行比对分析，生成高图像质量信号或者低图像质量信号，并将信号传递至综合分析模块；
第一比对分析模块将视频处理器对图像进行处理时生成的图像质量评估指数与预先设定的图像质量评估指数参考阈值进行比对分析，若图像质量评估指数大于等于图像质量评估指数参考阈值，则生成低图像质量信号，并将信号传递至综合分析模块，若图像质量评估指数小于图像质量评估指数参考阈值，则生成高图像质量信号，并将信号传递至综合分析模块；
综合分析模块，接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合进行综合分析，生成异常指数，并将异常指数传递至第二比对分析模块；
综合分析模块接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合，并将分析集合标定为V，则V＝{θθr}，r表示分析集合内图像质量评估指数的编号，r＝1、2、3、4、……、R，R为正整数；
将分析集合内的图像质量评估指数与图像质量评估指数参考阈值进行比对，并将大于等于图像质量评估指数参考阈值的图像质量评估指数标定为θθd，d表示大于等于图像质量评估指数参考阈值的图像质量评估指数的编号，d＝1、2、3、4、……、D，D为正整数；
计算异常指数，并将异常指数标定为βγ，异常指数βγ的计算公式为： 式中，θθ参考表示图像质量评估指数参考阈值；
由异常指数的计算表达式可知，分析集合内生成的异常指数βγ的表现值越大，表明图像处理的质量变差的程度越严重，反之则表明图像处理的质量变差的程度越不严重；
第二比对分析模块，将分析集合内生成的异常指数与预先设定的异常指数梯度参考阈值进行比对分析，生成异常风险信号，并将信号传递至提示模块，通过提示模块发出不同的预警提示；
第二比对分析模块将分析集合内生成的异常指数与预先设定的异常指数梯度参考阈值K1和K2进行比对分析，其中，K1<K2，比对分为以下情况：
若βγ≥K2，则通过第二比对分析模块生成高级异常风险信号，并将信号传递至提示模块，通过提示模块发出高风险预警提示，当视频处理器对图像进行处理时生成高级异常风险信号时，则表明图像处理的质量变差的程度很严重，需要及时对视频处理器进行检修与维护，确保视频处理器对视频图像进行高效地处理，确保图像高质量地处理；
若K1≤βγ<K2，则通过第二比对分析模块生成中级异常风险信号，并将信号传递至提示模块，通过提示模块发出中级风险预警提示，当视频处理器对图像进行处理时生成中级异常风险信号时，则表明图像处理的质量变差的程度相对于高级异常风险信号的严重程度有所降低，但是仍然需要及时对视频处理器进行检修与维护，确保视频处理器对视频图像进行高效地处理，确保图像高质量地处理；
若βγ<K1，则通过第二比对分析模块生成低级异常风险信号，并将信号传递至提示模块，不通过提示模块发出预警提示，当视频处理器对图像进行处理时生成低级异常风险信号时，则表明图像处理的质量变差的程度微小，可能是突发性偶然的异常，此时不需要进行任何预警提示，将该情况可能导致的预警情况排除；
本发明通过对视频处理器进行图像处理时的过程进行监测，当视频处理器对视频图像的处理效果变差时，通过系统及时进行反馈，保障视频图像处理后的质量不会影响系统对视频流的分析和检测，进而保障保证系统检测异常活动的准确性，便于系统对异常活动进行高效地检测和警示；
本发明在接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合进行综合分析，判断图像处理质量变差的严重程度情况，一方面便于维护人员对视频处理器进行图像处理时故障的严重程度进行及时了解，提高维护效率，另一方面可避免视频处理器对图像进行处理时发生微小的图像处理质量问题引发频繁的预警，保证视频处理器对图像进行高效地处理。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.基于视频处理器的计算机防偷窥预警系统，其特征在于，包括信息采集模块、服务器、第一比对分析模块、综合分析模块、第二比对分析模块以及提示模块；
信息采集模块，采集视频处理器对图像进行处理时的多项信息，包括视频特征信息和数据传输信息，采集后，将视频特征信息和数据传输信息处理后传递至服务器；
服务器，将视频处理器对图像进行处理时的视频特征信息和数据传输信息进行综合分析，生成图像质量评估指数，并将图像质量评估指数传递至第一比对分析模块；
第一比对分析模块，将视频处理器对图像进行处理时生成的图像质量评估指数与预先设定的图像质量评估指数参考阈值进行比对分析，生成高图像质量信号或者低图像质量信号，并将信号传递至综合分析模块；
综合分析模块，接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合进行综合分析，生成异常指数，并将异常指数传递至第二比对分析模块；
第二比对分析模块，将分析集合内生成的异常指数与预先设定的异常指数梯度参考阈值进行比对分析，生成异常风险信号，并将信号传递至提示模块，通过提示模块发出不同的预警提示。
2.根据权利要求1所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，视频处理器对图像进行处理时的视频特征信息包括图像压缩率异常浮动系数和图像帧率变异系数，采集后，信息采集模块将图像压缩率异常浮动系数和图像帧率变异系数分别标定为和ZLτ，视频处理器对图像进行处理时的数据传输信息包括数据重排异常隐匿系数，采集后，信息采集模块将数据重排异常隐匿系数标定为CPμ。
3.根据权利要求2所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，图像压缩率异常浮动系数获取的如下：
A101、获取计算机防偷窥预警系统中视频处理器进行图像处理时的最佳图像压缩率范围，并将最佳图像压缩率范围标定为
A102、获取计算机防偷窥预警系统中视频处理器进行图像处理时在T时间对每一帧图像进行压缩的实际图像压缩率，并将实际图像压缩率标定为x表示视频处理器进行图像处理时在T时间对每一帧图像进行压缩的实际图像压缩率的编号，x＝1、2、3、4、……、m，m为正整数；
A103、将在T时间获取的不处于最佳图像压缩率范围之间的实际图像压缩率重新标定为/>y表示在T时间获取的不处于最佳图像压缩率范围之间的实际图像压缩率的编号，y＝1、2、3、4、……、n，n为正整数；
A104、计算图像压缩率异常浮动系数，计算的表达式为： 式中，m表示视频处理器进行图像处理时在T时间对图像进行压缩的实际图像压缩总量。
4.根据权利要求3所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，图像帧率变异系数获取的逻辑如下：
B101、获取计算机防偷窥预警系统中视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量，并将实际图像帧数量标定为ZLτ k，k表示视频处理器进行图像处理时在T时间不同时刻的实际图像帧数量的编号，k＝1、2、3、4、……、p，p为正整数；
B102、通过视频处理器在T时间内获取的实际图像帧数量计算实际图像帧数量标准差和实际图像帧数量平均值，并将实际图像帧数量标准差和实际图像帧数量平均值分别标定为E和F，则：
其中，
B103、计算图像帧率变异系数，计算的表达式为：ZLτ＝E/F。
5.根据权利要求4所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，数据重排异常隐匿系数获取的逻辑如下：
C101、获取计算机防偷窥预警系统中视频处理器对视频图像处理时发送端在T时间内发送的数据包顺序，同时获取视频处理器发送端发送的数据包在视频处理器接收端的数据包顺序；
C102、将同一数据包在发送端发送的数据包顺序和接收端接收的数据包顺序进行核对，并将乱序数据包进行标记；
C103、将乱序数据包内的乱序数据量进行统计，并将乱序数据量标定为μSJL，将所有数据包内的实际数据量进行统计，并将实际数据量标定为μ总；
C104、通过视频处理器对视频图像处理时的乱序数据总量和视频处理器对视频图像处理时的实际数据总量计算数据重排异常隐匿系数，计算的表达式为：式中，u表示视频处理器对视频图像处理时在T时间内获取的乱序数据包的编号，u＝1、2、3、4、……、M，M为正整数，f表示视频处理器对视频图像处理时在T时间内获取的实际数据包的编号，f＝1、2、3、4、……、N，N为正整数，/>表示视频处理器对视频图像处理时的乱序数据总量，/>表示视频处理器对视频图像处理时的实际数据总量。
6.根据权利要求5所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，服务器获取到图像压缩率异常浮动系数图像帧率变异系数ZLτ以及数据重排异常隐匿系数CPμ后，建立数据分析模型，生成图像质量评估指数θθ，依据的公式为：
式中，w1、w2、w3分别为图像压缩率异常浮动系数图像帧率变异系数ZLτ、数据重排异常隐匿系数CPμ的预设比例系数，且w1、w2、w3均大于0。
7.根据权利要求6所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，第一比对分析模块将视频处理器对图像进行处理时生成的图像质量评估指数与预先设定的图像质量评估指数参考阈值进行比对分析，若图像质量评估指数大于等于图像质量评估指数参考阈值，则生成低图像质量信号，并将信号传递至综合分析模块，若图像质量评估指数小于图像质量评估指数参考阈值，则生成高图像质量信号，并将信号传递至综合分析模块。
8.根据权利要求7所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，综合分析模块接收到视频处理器对图像进行处理时生成的低图像质量信号后，对经过服务器生成的若干个图像质量评估指数建立分析集合，并将分析集合标定为V，则V＝{θθr}，r表示分析集合内图像质量评估指数的编号，r＝1、2、3、4、……、R，R为正整数；
将分析集合内的图像质量评估指数与图像质量评估指数参考阈值进行比对，并将大于等于图像质量评估指数参考阈值的图像质量评估指数标定为θθd，d表示大于等于图像质量评估指数参考阈值的图像质量评估指数的编号，d＝1、2、3、4、……、D，D为正整数；
计算异常指数，并将异常指数标定为βγ，异常指数βγ的计算公式为： 式中，θθ参考表示图像质量评估指数参考阈值。
9.根据权利要求8所述的基于视频处理器的计算机防偷窥预警系统，其特征在于，第二比对分析模块将分析集合内生成的异常指数与预先设定的异常指数梯度参考阈值K1和K2进行比对分析，其中，K1<K2，比对分为以下情况：
若βγ≥K2，则通过第二比对分析模块生成高级异常风险信号，并将信号传递至提示模块，通过提示模块发出高风险预警提示；
若K1≤βγ<K2，则通过第二比对分析模块生成中级异常风险信号，并将信号传递至提示模块，通过提示模块发出中级风险预警提示；
若βγ<K1，则通过第二比对分析模块生成低级异常风险信号，并将信号传递至提示模块，不通过提示模块发出预警提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311284160.9A CN117315583A (zh) | 2023-10-07 | 2023-10-07 | 基于视频处理器的计算机防偷窥预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311284160.9A CN117315583A (zh) | 2023-10-07 | 2023-10-07 | 基于视频处理器的计算机防偷窥预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117315583A true CN117315583A (zh) | 2023-12-29 |
Family
ID=89249491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311284160.9A Pending CN117315583A (zh) | 2023-10-07 | 2023-10-07 | 基于视频处理器的计算机防偷窥预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117315583A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649411A (zh) * | 2024-01-30 | 2024-03-05 | 深圳市新良田科技股份有限公司 | 一种视频图像质量检测方法及系统 |
-
2023
- 2023-10-07 CN CN202311284160.9A patent/CN117315583A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649411A (zh) * | 2024-01-30 | 2024-03-05 | 深圳市新良田科技股份有限公司 | 一种视频图像质量检测方法及系统 |
| CN117649411B (zh) * | 2024-01-30 | 2024-04-19 | 深圳市新良田科技股份有限公司 | 一种视频图像质量检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117315583A (zh) | 基于视频处理器的计算机防偷窥预警系统 | |
| JP4718253B2 (ja) | 監視カメラの画像異常検出装置 | |
| US8159538B2 (en) | Monitoring apparatus, filter calibration method, and filter calibration program | |
| US20090040303A1 (en) | Automatic video quality monitoring for surveillance cameras | |
| EP2482558B1 (en) | Method, apparatus and system for evaluation of video transmission quality | |
| US7903657B2 (en) | Method for classifying applications and detecting network abnormality by statistical information of packets and apparatus therefor | |
| KR101794005B1 (ko) | 네트워크 카메라 에러 검출 시스템 | |
| CN110705834B (zh) | 一种工矿企业危险状态识别方法 | |
| US20200288118A1 (en) | Early video equipment failure detection system | |
| JP2008131443A (ja) | 監視システム、及び、その障害状況表示方法 | |
| Kim et al. | A study of analyzing network traffic as images in real-time | |
| US20240137266A1 (en) | Switch monitoring system and method of use | |
| CN106888376A (zh) | 基于丢包分析的多级联网监控视频质量实时评价方法 | |
| CN116887338A (zh) | 基于大数据的5g移动网络实时调整方法 | |
| CN108574814B (zh) | 数据处理方法及装置 | |
| US5657315A (en) | System and method for ring latency measurement and correction | |
| CN110011872A (zh) | 一种基于诊断消息的流式计算平台状态监控方法和装置 | |
| CN110602481A (zh) | 一种视频监控系统中视频质量检测方法及装置 | |
| CN113784089A (zh) | 一种对被监控区域的视频数据进行监测的方法和装置 | |
| Zlokolica et al. | Video freezing detection system for end-user devices | |
| CN106131509A (zh) | 一种视频监控系统及其实现方法 | |
| CN104284185B (zh) | 视频图像质量巡检方法及系统 | |
| CN116488938B (zh) | 一种基于大数据行为分析的数据检测方法及系统 | |
| CN110868585B (zh) | 一种实时视频质量诊断系统及方法 | |
| CN116886678B (zh) | 异常码流过滤方法、系统、电子设备和存储介质 |
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 |