CN117649411B - 一种视频图像质量检测方法及系统 - Google Patents
一种视频图像质量检测方法及系统 Download PDFInfo
- Publication number
- CN117649411B CN117649411B CN202410121780.9A CN202410121780A CN117649411B CN 117649411 B CN117649411 B CN 117649411B CN 202410121780 A CN202410121780 A CN 202410121780A CN 117649411 B CN117649411 B CN 117649411B
- Authority
- CN
- China
- Prior art keywords
- video image
- image frame
- optical flow
- image
- change
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 171
- 230000003287 optical effect Effects 0.000 claims abstract description 124
- 238000012545 processing Methods 0.000 claims abstract description 95
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000013441 quality evaluation Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000001303 quality assessment method Methods 0.000 claims description 8
- 238000005206 flow analysis Methods 0.000 claims description 6
- 238000005111 flow chemistry technique Methods 0.000 claims description 6
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开了一种视频图像质量检测方法及系统，涉及视频图像检测技术领域，该系统运行时，通过对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本进行处理和分析，获取梯度信息组、颜色通道信息组和光流变化信息组，再进行整合组成第一数据集、第二数据集和第三数据集，再进行计算后，获取图像光流变化因子Glyz和图像帧变化指数Bhzs，并与预设的相关阈值进行匹配，获取图像运动状态评估方案和视频图像质量评估策略方案，通过方案内容进行具体执行和通知，达到自适应识别视频图像的功能，并可自动执行调整和提示，减轻了人工干预的负担，这有助于提高系统的自动化程度，减少人工成本和提高系统的可操作性。
Description
技术领域
本发明涉及视频图像检测技术领域，具体为一种视频图像质量检测方法及系统。
背景技术
随着视频图像在各行业的广泛应用，视频质量的稳定与清晰成为确保用户体验和信息传递的关键因素，当视频图像模糊降低了用户对图像的辨识度，影响了应用场景的可靠性，特别是在需要细致观察的领域，如医学影像和安防监控。
其中，当视频图像出现模糊的情况下，图像模糊降低了用户对图像的辨识度，影响了应用场景的可靠性，特别是在需要细致观察的领域，如医学影像和安防监控。同时，颜色失真使得图像信息的传递变得不准确，可能对广告、设计等领域的真实感知产生负面影响。而播放卡顿现象则直接影响了用户的观看体验，可能导致用户流失，损害了信息传递的效果，这一系列问题的共同结果是降低了视频图像的整体质量，对各行业应用带来了严重的挑战。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种视频图像质量检测方法及系统，解决了背景技术中提到的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种视频图像质量检测系统，包括图像截取模块、图像帧分析模块、图像处理模块、图像状态模块、图像质量评估模块和决策模块；
所述图像截取模块对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集；
所述图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组；
所述图像处理模块对梯度信息组和颜色通道信息组进行预处理，组成第一数据集和第二数据集；
所述图像状态模块对光流变化信息组进行处理，组成第三数据集，并进行统计和分析获取：图像光流变化因子Glyz，再与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案；
所述评估模块对第一数据集和第二数据集进行建立视频图像帧模型，并与图像光流变化因子Glyz进行关联，再进行训练和分析后获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案；
所述图像帧变化指数Bhzs通过以下计算公式获取：
；
式中，Tdxs表示图像帧像素梯度系数，Ysxs表示图像帧颜色通道系数，Glyz表示图像光流变化因子，b1、b2和b3分别表示图像帧像素梯度系数Tdxs、图像帧颜色通道系数Ysxs和图像光流变化因子Glyz的比例系数，C表示第一修正常数；
所述图像帧像素梯度系数Tdxs通过第一数据集计算获取；
所述图像帧颜色通道系数Ysxs通过第二数据集计算获取；
所述决策模块通过视频图像质量评估策略方案内容，进行具体执行，包括提示和通知相关工作人员进行处理。
优选的，所述图像截取模块包括截取单元和标记单元；
所述截取单元对接收到的视频图像数据以固定周期的帧率进行截取，得到的视频图像帧集具有相同的时间间隔；
所述标记单元对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，使得若干个视频图像帧样本都有唯一的序列号，组成视频图像帧集，以便后续的时序分析和统计。
优选的，所述图像帧分析模块包括第一处理单元、第二处理单元和第三处理单元；
所述第一处理单元通过视频图像帧集中的序列号进行正序排序，再使用图像梯度算法和卷积操作对若干个视频图像帧样本中的视频图像进行分析和处理，获取：水平方向梯度强度变化、垂直方向梯度强度变化和梯度方向变化次数，组成梯度信息组；
所述第二处理单元对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理和分析，获取：红色通道亮度平均值、红色通道亮度方差值、绿色通道亮度平均值、绿色通道亮度方差值、蓝色通道亮度平均值和蓝色通道亮度方差值，组成颜色通道信息组；
所述第三处理单元对视频图像帧集中序列号进行排序，再对连续帧之间的像素强度变化信息进行记录，并使用光流算法进行解析，获取：帧序列号、像素强度增加值、像素强度降低值、像素光流方向和像素光流速度，组成光流变化信息组。
优选的，所述图像处理模块包括梯度处理单元和通道处理单元；
所述梯度处理单元对梯度信息组进行预处理，包括归一化处理、滤波处理或降噪处理，对处理后的梯度信息组进行整合，组成第一数据集，包括：水平梯度变化值Spz、垂直梯度变化值Czz和梯度方向变化频率值Plz；
所述通道处理单元对颜色通道信息组进行预处理，包括归一化处理和均衡化处理，对处理后的颜色通道信息组进行整合，组成第二数据集，包括：红色通道平均值Rpjz、红色通道方法值Rfcz、绿色通道平均值Gpjz、绿色通道方差值Gfcz、蓝色通道平均值Bpjz和蓝色通道方差值Bfcz。
优选的，所述图像状态模块包括光流处理单元和光流分析单元；
所述光流处理单元对光流变化信息组进行预处理，包括归一化处理和平滑处理，对预处理后的光流变化信息进行整合，组成第三数据集，包括：像素强度增加比例值Zjz、像素强度降低比例值Jdz和像素光流速度值Lsz；
所述光流分析单元对第三数据集进行建立光流运动模型，进行统计和分析后获取：图像光流变化因子Glyz；
所述图像光流变化因子Glyz通过以下计算公式获取：
；
式中Zjz表示像素强度增加比例值，Jdz表示像素强度降低比例值，Lsz表示像素光流速度值，g1表示像素强度增加比例值Zjz和像素强度降低比例值Jdz的差值的比例系数，g2表示像素光流速度值Lsz的比例系数，D表示第二修正常数；
其中，，，且；
并与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案：
图像光流变化因子Glyz＜图像运动光流状态阈值G，获取图像非持续运动状态评估方案；
图像光流变化因子Glyz≥图像运动光流状态阈值G，获取图像持续运动状态评估方案。
优选的，所述评估模块包括评估单元和匹配单元；
所述评估单元对第一数据集和第二数据集进行建立视频图像帧模型，进行训练和分析，进行第一次计算获取：图像帧像素梯度系数Tdxs和图像帧颜色通道系数Ysxs，再与图像光流变化因子Glyz进行关联，进行第二次计算获取：图像帧变化指数Bhzs；
所述匹配单元通过预设的相关信息与需要的对比值进行匹配，包括预设的视频图像帧变化阈值B与图像帧变化指数Bhzs进行匹配，获取视频图像质量评估策略方案：
图像帧变化指数Bhzs＜视频图像帧变化阈值B，获取视频图像质量合格评价，不执行视频质量调整策略方案；
图像帧变化指数Bhzs≥视频图像帧变化阈值B，获取视频图像质量不合格评价，执行调整策略方案，包括图像增强处理、锐化处理、色彩校正和局部对比度增强，并根据图像运动状态评估方案内容判定是否执行：运动补偿和动态范围调整，当图像帧变化指数Bhzs≥视频图像帧变化阈值B两倍时，执行视频质量不合格方案，进行提示和通知。
优选的，所述图像帧像素梯度系数Tdxs通过以下计算公式获取：
；
式中，Spz表示水平梯度变化值，Czz表示垂直梯度变化值，Plz表示梯度方向变化频率值，t1、t2和t3分别表示水平梯度变化值Spz、垂直梯度变化值Czz和梯度方向变化频率值Plz的比例系数，F表示第三修正常数；
其中，，，，且。
优选的，所述图像帧颜色通道系数Ysxs通过以下计算公式获取：
；
式中，Rpjz表示红色通道平均值，Gpjz表示绿色通道平均值，Bpjz表示蓝色通道平均值，Rfcz表示红色通道方差值，Gfcz表示绿色通道方差值，Bfcz表示蓝色通道方差值，y1、y2、y3、y4、y5和y6分别表示红色通道平均值Rpjz、绿色通道平均值Gpjz、蓝色通道平均值Bpjz、红色通道方差值Rfcz、绿色通道方差值Gfcz和蓝色通道方差值Bfcz的比例系数，H表示第四修正常数；
其中，，，，，，，且。
优选的，所述决策模块包括执行单元和通知单元；
所述执行单元通过视频图像质量评估策略方案内容，进行具体执行，包括调整视频图像全局帧率参数和视频图像局部帧率参数调整；
所述通知单元通过视频图像质量评估策略方案内容，进行具体通知，包括视频图像展示页面弹框提示和语音提示，方便视频图像查看人员了解视频图像质量状态。
一种视频图像质量检测方法，包括以下步骤：
步骤一：通过图像截取模块对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集；
步骤二：通过图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组；
步骤三：通过图像处理模块对梯度信息组和颜色通道信息组进行预处理，组成第一数据集和第二数据集；
步骤四：通过图像状态模块对光流变化信息组进行处理，组成第三数据集，并进行统计和分析获取：图像光流变化因子Glyz，再与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案；
步骤五：通过评估模块对第一数据集和第二数据集进行建立视频图像帧模型，并与图像光流变化因子Glyz进行关联，再进行训练和分析后获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案；
步骤六：决策模块通过视频图像质量评估策略方案内容，进行具体执行，包括提示和通知相关工作人员进行处理。
（三）有益效果
本发明提供了一种视频图像质量检测方法及系统，具备以下有益效果：
（1）系统运行时，通过对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本进行处理和分析，获取梯度信息组、颜色通道信息组和光流变化信息组，再进行整合组成第一数据集、第二数据集和第三数据集，再进行计算后，获取图像光流变化因子Glyz和图像帧变化指数Bhzs，并与预设的相关阈值进行匹配，获取图像运动状态评估方案和视频图像质量评估策略方案，通过方案内容进行具体执行和通知，达到自适应识别视频图像的功能，并可自动执行调整和提示，减轻了人工干预的负担，这有助于提高系统的自动化程度，减少人工成本和提高系统的可操作性。
（2）通过建立视频图像帧模型的训练和视频图像质量评估策略方案的获取，能够准确评估图像的运动状态，包括持续运动和非持续运动。这对于识别视频中是否存在运动模糊或其他移动相关的问题具有重要意义，根据视频图像质量评估策略方案，当识别出视频图像异常时提供调整策略，包括图像增强处理、锐化处理、色彩校正和局部对比度增强。这有助于提升用户体验和满足特定应用场景的需求。
（3）通过步骤一至步骤六，对视频图像进行处理和分析，获取梯度信息组、颜色通道信息和光流变化信息组，并进行处理组成第一数据集、第二数据集和第三数据集，对第三数据集进行计算后获取：图像光流变化因子Glyz，并与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案，来判定视频图像的运动状态，对第一数据集和第二数据集进行计算，并与图像光流变化因子Glyz进行关联，获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案，达到对视频图像进行实时的检测和反馈，在检测出视频图像的质量异常的情况下能够及时采取调整措施，提高整体视频监控系统的实时性和稳定性。
附图说明
图1为本发明一种视频图像质量检测系统框图流程示意图；
图2为本发明一种视频图像质量检测方法步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，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，都属于本发明保护的范围。
随着视频图像在各行业的广泛应用，视频质量的稳定与清晰成为确保用户体验和信息传递的关键因素，当视频图像模糊降低了用户对图像的辨识度，影响了应用场景的可靠性，特别是在需要细致观察的领域，如医学影像和安防监控。
其中，当视频图像出现模糊的情况下，图像模糊降低了用户对图像的辨识度，影响了应用场景的可靠性，特别是在需要细致观察的领域，如医学影像和安防监控。同时，颜色失真使得图像信息的传递变得不准确，可能对广告、设计等领域的真实感知产生负面影响。而播放卡顿现象则直接影响了用户的观看体验，可能导致用户流失，损害了信息传递的效果，这一系列问题的共同结果是降低了视频图像的整体质量，对各行业应用带来了严重的挑战。
实施例1
本发明提供一种视频图像质量检测系统，请参阅图1，包括图像截取模块、图像帧分析模块、图像处理模块、图像状态模块、图像质量评估模块和决策模块；
所述图像截取模块对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集；
所述图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组；
所述图像处理模块对梯度信息组和颜色通道信息组进行预处理，组成第一数据集和第二数据集；
所述图像状态模块对光流变化信息组进行处理，组成第三数据集，并进行统计和分析获取：图像光流变化因子Glyz，再与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案；
所述评估模块对第一数据集和第二数据集进行建立视频图像帧模型，并与图像光流变化因子Glyz进行关联，再进行训练和分析后获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案；
所述图像帧变化指数Bhzs通过以下计算公式获取：
；
式中，Tdxs表示图像帧像素梯度系数，Ysxs表示图像帧颜色通道系数，Glyz表示图像光流变化因子，b1、b2和b3分别表示图像帧像素梯度系数Tdxs、图像帧颜色通道系数Ysxs和图像光流变化因子Glyz的比例系数，C表示第一修正常数；
所述图像帧像素梯度系数Tdxs通过第一数据集计算获取；
所述图像帧颜色通道系数Ysxs通过第二数据集计算获取；
所述决策模块通过视频图像质量评估策略方案内容，进行具体执行，包括提示和通知相关工作人员进行处理。
本实施例中，通过对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集，通过图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组，通过深入分析图像的不同特征，有助于更全面地了解图像质量问题，为后续决策提供更为丰富的信息，再进行处理后组成第一数据集、第二数据集和第三数据集，再进行计算后，获取图像光流变化因子Glyz和图像帧变化指数Bhzs，并与预设的相关阈值进行匹配，获取图像运动状态评估方案和视频图像质量评估策略方案，通过方案内容进行具体执行和通知，达到自适应识别视频图像的功能，并可自动执行调整和提示，减轻了人工干预的负担，这有助于提高系统的自动化程度，减少人工成本和提高系统的可操作性。
实施例2
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述图像截取模块包括截取单元和标记单元；
所述截取单元对接收到的视频图像数据以固定周期的帧率进行截取，得到的视频图像帧集具有相同的时间间隔；
所述标记单元对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，使得若干个视频图像帧样本都有唯一的序列号，组成视频图像帧集，以便后续的时序分析和统计。
所述图像帧分析模块包括第一处理单元、第二处理单元和第三处理单元；
所述第一处理单元通过视频图像帧集中的序列号进行正序排序，再使用图像梯度算法和卷积操作对若干个视频图像帧样本中的视频图像进行分析和处理，获取：水平方向梯度强度变化、垂直方向梯度强度变化和梯度方向变化次数，组成梯度信息组；
所述第二处理单元对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理和分析，获取：红色通道亮度平均值、红色通道亮度方差值、绿色通道亮度平均值、绿色通道亮度方差值、蓝色通道亮度平均值和蓝色通道亮度方差值，组成颜色通道信息组；
所述第三处理单元对视频图像帧集中序列号进行排序，再对连续帧之间的像素强度变化信息进行记录，并使用光流算法进行解析，获取：帧序列号、像素强度增加值、像素强度降低值、像素光流方向和像素光流速度，组成光流变化信息组。
所述图像处理模块包括梯度处理单元和通道处理单元；
所述梯度处理单元对梯度信息组进行预处理，包括归一化处理、滤波处理或降噪处理，对处理后的梯度信息组进行整合，组成第一数据集，包括：水平梯度变化值Spz、垂直梯度变化值Czz和梯度方向变化频率值Plz；
所述通道处理单元对颜色通道信息组进行预处理，包括归一化处理和均衡化处理，对处理后的颜色通道信息组进行整合，组成第二数据集，包括：红色通道平均值Rpjz、红色通道方法值Rfcz、绿色通道平均值Gpjz、绿色通道方差值Gfcz、蓝色通道平均值Bpjz和蓝色通道方差值Bfcz。
实施例3
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述图像状态模块包括光流处理单元和光流分析单元；
所述光流处理单元对光流变化信息组进行预处理，包括归一化处理和平滑处理，对预处理后的光流变化信息进行整合，组成第三数据集，包括：像素强度增加比例值Zjz、像素强度降低比例值Jdz和像素光流速度值Lsz；
所述光流分析单元对第三数据集进行建立光流运动模型，进行统计和分析后获取：图像光流变化因子Glyz；
所述图像光流变化因子Glyz通过以下计算公式获取：
；
式中Zjz表示像素强度增加比例值，Jdz表示像素强度降低比例值，Lsz表示像素光流速度值，g1表示像素强度增加比例值Zjz和像素强度降低比例值Jdz的差值的比例系数，g2表示像素光流速度值Lsz的比例系数，D表示第二修正常数；
其中，，，且；
并与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案：
图像光流变化因子Glyz＜图像运动光流状态阈值G，获取图像非持续运动状态评估方案；
图像光流变化因子Glyz≥图像运动光流状态阈值G，获取图像持续运动状态评估方案。
所述评估模块包括评估单元和匹配单元；
所述评估单元对第一数据集和第二数据集进行建立视频图像帧模型，进行训练和分析，进行第一次计算获取：图像帧像素梯度系数Tdxs和图像帧颜色通道系数Ysxs，再与图像光流变化因子Glyz进行关联，进行第二次计算获取：图像帧变化指数Bhzs；
所述匹配单元通过预设的相关信息与需要的对比值进行匹配，包括预设的视频图像帧变化阈值B与图像帧变化指数Bhzs进行匹配，获取视频图像质量评估策略方案：
图像帧变化指数Bhzs＜视频图像帧变化阈值B，获取视频图像质量合格评价，不执行视频质量调整策略方案；
图像帧变化指数Bhzs≥视频图像帧变化阈值B，获取视频图像质量不合格评价，执行调整策略方案，包括图像增强处理、锐化处理、色彩校正和局部对比度增强，并根据图像运动状态评估方案内容判定是否执行：运动补偿和动态范围调整；
当图像光流变化因子Glyz＜图像运动光流状态阈值G，获取图像非持续运动状态评估方案时，不执行运动补偿和动态范围调整；
当图像光流变化因子Glyz≥图像运动光流状态阈值G，获取图像持续运动状态评估方案时，执行运动补偿和动态范围调整；
增强处理：调整图像的像素分布，增加整体对比度，提高图像的视觉效果。这有助于突显图像中的细节和特征；
锐化处理：突出图像中的边缘和细节，使它们更加清晰。包括使用卷积核对图像进行锐化操作，以强调图像中的边缘特征；
色彩校正：使用颜色校正矩阵或其他颜色空间转换方法，对图像的颜色进行调整，以获得更准确、更自然的色彩表现，这有助于纠正因摄像设备或环境条件引起的色彩偏差；
局部对比度增强：通过突出图像中的局部细节和纹理，增强图像的局部对比度，包括应用局部直方图均衡化技术来实现，以改善图像的感知质量；
当图像帧变化指数Bhzs≥视频图像帧变化阈值B两倍时，执行视频质量不合格方案，进行提示和通知。
本实施例中，通过建立视频图像帧模型的训练和视频图像质量评估策略方案的获取，能够准确评估图像的运动状态，包括持续运动和非持续运动。这对于识别视频中是否存在运动模糊或其他移动相关的问题具有重要意义，根据视频图像质量评估策略方案，当识别出视频图像异常时提供调整策略，包括图像增强处理、锐化处理、色彩校正和局部对比度增强。这有助于提升用户体验和满足特定应用场景的需求。
实施例4
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述图像帧像素梯度系数Tdxs通过以下计算公式获取：
；
式中，Spz表示水平梯度变化值，Czz表示垂直梯度变化值，Plz表示梯度方向变化频率值，t1、t2和t3分别表示水平梯度变化值Spz、垂直梯度变化值Czz和梯度方向变化频率值Plz的比例系数，F表示第三修正常数；
其中，，，，且。
所述图像帧颜色通道系数Ysxs通过以下计算公式获取：
；
式中，Rpjz表示红色通道平均值，Gpjz表示绿色通道平均值，Bpjz表示蓝色通道平均值，Rfcz表示红色通道方差值，Gfcz表示绿色通道方差值，Bfcz表示蓝色通道方差值，y1、y2、y3、y4、y5和y6分别表示红色通道平均值Rpjz、绿色通道平均值Gpjz、蓝色通道平均值Bpjz、红色通道方差值Rfcz、绿色通道方差值Gfcz和蓝色通道方差值Bfcz的比例系数，H表示第四修正常数；
其中，，，，，，，且。
所述决策模块包括执行单元和通知单元；
所述执行单元通过视频图像质量评估策略方案内容，进行具体执行，包括调整视频图像全局帧率参数和视频图像局部帧率参数调整；
所述通知单元通过视频图像质量评估策略方案内容，进行具体通知，包括视频图像展示页面弹框提示和语音提示，方便视频图像查看人员了解视频图像质量状态。
实施例5
一种视频图像质量检测方法，请参照图2，具体的：包括以下步骤：
步骤一：通过图像截取模块对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集；
步骤二：通过图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组；
步骤三：通过图像处理模块对梯度信息组和颜色通道信息组进行预处理，组成第一数据集和第二数据集；
步骤四：通过图像状态模块对光流变化信息组进行处理，组成第三数据集，并进行统计和分析获取：图像光流变化因子Glyz，再与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案；
步骤五：通过评估模块对第一数据集和第二数据集进行建立视频图像帧模型，并与图像光流变化因子Glyz进行关联，再进行训练和分析后获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案；
步骤六：决策模块通过视频图像质量评估策略方案内容，进行具体执行，包括提示和通知相关工作人员进行处理。
本实施例中，通过步骤一至步骤六，对视频图像进行处理和分析，获取梯度信息组、颜色通道信息和光流变化信息组，并进行处理组成第一数据集、第二数据集和第三数据集，对第三数据集进行计算后获取：图像光流变化因子Glyz，并与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案，来判定视频图像的运动状态，对第一数据集和第二数据集进行计算，并与图像光流变化因子Glyz进行关联，获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案，达到对视频图像进行实时的检测和反馈，在检测出视频图像的质量异常的情况下能够及时采取调整措施，提高整体视频监控系统的实时性和稳定性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种视频图像质量检测系统，其特征在于：包括图像截取模块、图像帧分析模块、图像处理模块、图像状态模块、图像质量评估模块和决策模块；
所述图像截取模块对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集；
所述图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组；
所述图像处理模块对梯度信息组和颜色通道信息组进行预处理，组成第一数据集和第二数据集；
所述图像状态模块对光流变化信息组进行处理，组成第三数据集，并进行统计和分析获取：图像光流变化因子Glyz，再与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案；
所述评估模块对第一数据集和第二数据集进行建立视频图像帧模型，并与图像光流变化因子Glyz进行关联，再进行训练和分析后获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案；
所述图像帧变化指数Bhzs通过以下计算公式获取：
；
式中，Tdxs表示图像帧像素梯度系数，Ysxs表示图像帧颜色通道系数，Glyz表示图像光流变化因子，b1、b2和b3分别表示图像帧像素梯度系数Tdxs、图像帧颜色通道系数Ysxs和图像光流变化因子Glyz的比例系数，C表示第一修正常数；
所述图像帧像素梯度系数Tdxs通过第一数据集计算获取；
所述图像帧颜色通道系数Ysxs通过第二数据集计算获取；
所述决策模块通过视频图像质量评估策略方案内容，进行具体执行，包括提示和通知相关工作人员进行处理。
2.根据权利要求1所述的一种视频图像质量检测系统，其特征在于：所述图像截取模块包括截取单元和标记单元；
所述截取单元对接收到的视频图像数据以固定周期的帧率进行截取，得到的视频图像帧集具有相同的时间间隔；
所述标记单元对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，使得若干个视频图像帧样本都有唯一的序列号，组成视频图像帧集，以便后续的时序分析和统计。
3.根据权利要求1所述的一种视频图像质量检测系统，其特征在于：所述图像帧分析模块包括第一处理单元、第二处理单元和第三处理单元；
所述第一处理单元通过视频图像帧集中的序列号进行正序排序，再使用图像梯度算法和卷积操作对若干个视频图像帧样本中的视频图像进行分析和处理，获取：水平方向梯度强度变化、垂直方向梯度强度变化和梯度方向变化次数，组成梯度信息组；
所述第二处理单元对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理和分析，获取：红色通道亮度平均值、红色通道亮度方差值、绿色通道亮度平均值、绿色通道亮度方差值、蓝色通道亮度平均值和蓝色通道亮度方差值，组成颜色通道信息组；
所述第三处理单元对视频图像帧集中序列号进行排序，再对连续帧之间的像素强度变化信息进行记录，并使用光流算法进行解析，获取：帧序列号、像素强度增加值、像素强度降低值、像素光流方向和像素光流速度，组成光流变化信息组。
4.根据权利要求3所述的一种视频图像质量检测系统，其特征在于：所述图像处理模块包括梯度处理单元和通道处理单元；
所述梯度处理单元对梯度信息组进行预处理，包括归一化处理、滤波处理或降噪处理，对处理后的梯度信息组进行整合，组成第一数据集，包括：水平梯度变化值Spz、垂直梯度变化值Czz和梯度方向变化频率值Plz；
所述通道处理单元对颜色通道信息组进行预处理，包括归一化处理和均衡化处理，对处理后的颜色通道信息组进行整合，组成第二数据集，包括：红色通道平均值Rpjz、红色通道方法值Rfcz、绿色通道平均值Gpjz、绿色通道方差值Gfcz、蓝色通道平均值Bpjz和蓝色通道方差值Bfcz。
5.根据权利要求3所述的一种视频图像质量检测系统，其特征在于：所述图像状态模块包括光流处理单元和光流分析单元；
所述光流处理单元对光流变化信息组进行预处理，包括归一化处理和平滑处理，对预处理后的光流变化信息进行整合，组成第三数据集，包括：像素强度增加比例值Zjz、像素强度降低比例值Jdz和像素光流速度值Lsz；
所述光流分析单元对第三数据集进行建立光流运动模型，进行统计和分析后获取：图像光流变化因子Glyz；
所述图像光流变化因子Glyz通过以下计算公式获取：
；
式中Zjz表示像素强度增加比例值，Jdz表示像素强度降低比例值，Lsz表示像素光流速度值，g1表示像素强度增加比例值Zjz和像素强度降低比例值Jdz的差值的比例系数，g2表示像素光流速度值Lsz的比例系数，D表示第二修正常数；
其中，，/>，且/>；
并与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案：
图像光流变化因子Glyz＜图像运动光流状态阈值G，获取图像非持续运动状态评估方案；
图像光流变化因子Glyz≥图像运动光流状态阈值G，获取图像持续运动状态评估方案。
6.根据权利要求5所述的一种视频图像质量检测系统，其特征在于：所述评估模块包括评估单元和匹配单元；
所述评估单元对第一数据集和第二数据集进行建立视频图像帧模型，进行训练和分析，进行第一次计算获取：图像帧像素梯度系数Tdxs和图像帧颜色通道系数Ysxs，再与图像光流变化因子Glyz进行关联，进行第二次计算获取：图像帧变化指数Bhzs；
所述匹配单元通过预设的相关信息与需要的对比值进行匹配，包括预设的视频图像帧变化阈值B与图像帧变化指数Bhzs进行匹配，获取视频图像质量评估策略方案：
图像帧变化指数Bhzs＜视频图像帧变化阈值B，获取视频图像质量合格评价，不执行视频质量调整策略方案；
图像帧变化指数Bhzs≥视频图像帧变化阈值B，获取视频图像质量不合格评价，执行调整策略方案，包括图像增强处理、锐化处理、色彩校正和局部对比度增强，并根据图像运动状态评估方案内容判定是否执行：运动补偿和动态范围调整，当图像帧变化指数Bhzs≥视频图像帧变化阈值B两倍时，执行视频质量不合格方案，进行提示和通知。
7.根据权利要求4所述的一种视频图像质量检测系统，其特征在于：所述图像帧像素梯度系数Tdxs通过以下计算公式获取：
；
式中，Spz表示水平梯度变化值，Czz表示垂直梯度变化值，Plz表示梯度方向变化频率值，t1、t2和t3分别表示水平梯度变化值Spz、垂直梯度变化值Czz和梯度方向变化频率值Plz的比例系数，F表示第三修正常数；
其中，，/>，/>，且/>。
8.根据权利要求1所述的一种视频图像质量检测系统，其特征在于：所述图像帧颜色通道系数Ysxs通过以下计算公式获取：
；
式中，Rpjz表示红色通道平均值，Gpjz表示绿色通道平均值，Bpjz表示蓝色通道平均值，Rfcz表示红色通道方差值，Gfcz表示绿色通道方差值，Bfcz表示蓝色通道方差值，y1、y2、y3、y4、y5和y6分别表示红色通道平均值Rpjz、绿色通道平均值Gpjz、蓝色通道平均值Bpjz、红色通道方差值Rfcz、绿色通道方差值Gfcz和蓝色通道方差值Bfcz的比例系数，H表示第四修正常数；
其中，，/>，/>，/>，，/>，且/>。
9.根据权利要求6所述的一种视频图像质量检测系统，其特征在于：所述决策模块包括执行单元和通知单元；
所述执行单元通过视频图像质量评估策略方案内容，进行具体执行，包括调整视频图像全局帧率参数和视频图像局部帧率参数调整；
所述通知单元通过视频图像质量评估策略方案内容，进行具体通知，包括视频图像展示页面弹框提示和语音提示，方便视频图像查看人员了解视频图像质量状态。
10.一种视频图像质量检测方法，包括上述权利要求1~9任意一项所述的一种视频图像质量检测系统，其特征在于：包括以下步骤：
步骤一：通过图像截取模块对接收到的视频图像数据固定帧率截取，并对截取的若干个视频图像帧样本使用时间戳信息进行标记，作为视频图像帧样本的序列号，组成视频图像帧集；
步骤二：通过图像帧分析模块通过视频图像帧集中的序列号进行正序排列，再对视频图像帧样本使用图像梯度算法对视频图像中的边缘处进行处理，获取梯度信息组，对视频图像帧样本使用RGB制式算法对视频图像中的RGB颜色通道进行处理，获取颜色通道信息组，记录若干个视频图像帧样本之间的像素强度变化信息，组成光流变化信息组；
步骤三：通过图像处理模块对梯度信息组和颜色通道信息组进行预处理，组成第一数据集和第二数据集；
步骤四：通过图像状态模块对光流变化信息组进行处理，组成第三数据集，并进行统计和分析获取：图像光流变化因子Glyz，再与预设的图像运动光流状态阈值G进行匹配，获取图像运动状态评估方案；
步骤五：通过评估模块对第一数据集和第二数据集进行建立视频图像帧模型，并与图像光流变化因子Glyz进行关联，再进行训练和分析后获取：图像帧变化指数Bhzs，同时与预设的视频图像帧变化阈值B进行匹配，获取视频图像质量评估策略方案；
步骤六：决策模块通过视频图像质量评估策略方案内容，进行具体执行，包括提示和通知相关工作人员进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410121780.9A CN117649411B (zh) | 2024-01-30 | 2024-01-30 | 一种视频图像质量检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410121780.9A CN117649411B (zh) | 2024-01-30 | 2024-01-30 | 一种视频图像质量检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117649411A CN117649411A (zh) | 2024-03-05 |
| CN117649411B true CN117649411B (zh) | 2024-04-19 |
Family
ID=90049957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410121780.9A Active CN117649411B (zh) | 2024-01-30 | 2024-01-30 | 一种视频图像质量检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117649411B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115731146A (zh) * | 2022-12-26 | 2023-03-03 | 中国人民解放军战略支援部队航天工程大学 | 基于色彩梯度直方图特征光流估计多曝光图像融合方法 |
| CN116471262A (zh) * | 2023-05-09 | 2023-07-21 | 百果园技术(新加坡)有限公司 | 视频质量评估方法、装置、设备、存储介质及程序产品 |
| CN116993738A (zh) * | 2023-09-27 | 2023-11-03 | 广东紫慧旭光科技有限公司 | 一种基于深度学习的视频质量评价方法及系统 |
| CN117112833A (zh) * | 2023-10-24 | 2023-11-24 | 北京智汇云舟科技有限公司 | 一种基于存储空间优化的视频静态帧过滤方法及装置 |
| CN117315583A (zh) * | 2023-10-07 | 2023-12-29 | 河南明新文化传媒有限公司 | 基于视频处理器的计算机防偷窥预警系统 |
-
2024
- 2024-01-30 CN CN202410121780.9A patent/CN117649411B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115731146A (zh) * | 2022-12-26 | 2023-03-03 | 中国人民解放军战略支援部队航天工程大学 | 基于色彩梯度直方图特征光流估计多曝光图像融合方法 |
| CN116471262A (zh) * | 2023-05-09 | 2023-07-21 | 百果园技术(新加坡)有限公司 | 视频质量评估方法、装置、设备、存储介质及程序产品 |
| CN116993738A (zh) * | 2023-09-27 | 2023-11-03 | 广东紫慧旭光科技有限公司 | 一种基于深度学习的视频质量评价方法及系统 |
| CN117315583A (zh) * | 2023-10-07 | 2023-12-29 | 河南明新文化传媒有限公司 | 基于视频处理器的计算机防偷窥预警系统 |
| CN117112833A (zh) * | 2023-10-24 | 2023-11-24 | 北京智汇云舟科技有限公司 | 一种基于存储空间优化的视频静态帧过滤方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117649411A (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107845087B (zh) | 液晶面板亮度不均匀缺陷的检测方法和系统 | |
| CN111047530B (zh) | 基于多特征融合的水下图像颜色校正和对比度增强方法 | |
| CN107451969A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
| JP2014178328A (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
| CN107613229A (zh) | 一种图像传感器坏点检测校正装置及方法 | |
| JP2005331929A5 (zh) | ||
| CN104899871A (zh) | 一种ic元件焊点空焊检测方法 | |
| CN110493574B (zh) | 基于流媒体和ai技术的安监可视化系统 | |
| CN112862832B (zh) | 一种基于同心圆分割定位的脏污检测方法 | |
| CN111127359A (zh) | 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 | |
| CN112488948A (zh) | 一种基于黑色像素点估计后向散射的水下图像复原方法 | |
| CN112367520B (zh) | 基于人工智能的视频质量诊断系统 | |
| CN115131353B (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
| CN112200807A (zh) | 一种视频质量诊断方法与系统 | |
| CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
| CN117649411B (zh) | 一种视频图像质量检测方法及系统 | |
| CN117058161B (zh) | 基于图像处理的电子烟雾化烟雾图像分割方法 | |
| CN109413413B (zh) | 视频质量评价方法及装置 | |
| CN116721039A (zh) | 一种应用于自动化光学缺陷检测中的图像预处理方法 | |
| CN109360189B (zh) | 检测非制冷红外机芯图像像素缺陷点的方法 | |
| CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
| CN110688979A (zh) | 违法车辆追踪方法及装置 | |
| CN114897885B (zh) | 一种红外图像质量综合评价系统和方法 | |
| CN113269763B (zh) | 基于深度图复原和亮度估计的水下图像清晰度恢复方法 |
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 | ||
| GR01 | Patent grant |