CN117854402A - 显示屏的异常显示检测方法、装置、终端设备 - Google Patents
显示屏的异常显示检测方法、装置、终端设备 Download PDFInfo
- Publication number
- CN117854402A CN117854402A CN202311723070.5A CN202311723070A CN117854402A CN 117854402 A CN117854402 A CN 117854402A CN 202311723070 A CN202311723070 A CN 202311723070A CN 117854402 A CN117854402 A CN 117854402A
- Authority
- CN
- China
- Prior art keywords
- pixel
- abnormal display
- frames
- video image
- pixel point
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 205
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 230000005856 abnormality Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003709 image segmentation Methods 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
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及显示屏的异常显示检测方法、装置、终端设备。该方法获取显示屏显示的N帧视频图像;对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。本发明能够检测出显示屏上的异常显示像素点,提高了颜色异常问题的检测效率。
Description
技术领域
本发明适用于显示屏异常检测领域,尤其涉及户外大型LED显示屏的异常显示检测方法、装置、终端设备。
背景技术
现有技术中,显示屏尤其是针对大型户外液晶广告屏,因其高清晰度和色彩鲜艳的特点被广泛应用于楼宇外墙、地铁及公交车站等公共场所,在信息展示、广告宣传、装饰亮化等方面为提升城市形象、完善城市功能、优化宜居宜业环境发挥着越来越重要的作用。但与此同时,因老化、外部环境温度变化、外力冲击等原因造成的已投放使用的户外液晶屏坏点坏块问题,给液晶屏设备的维护维修工作带来了新的挑战。
传统的液晶屏坏点、坏块检测方法包括通过在液晶屏内部设置检测电路进行异常检测,或者进行人工巡检检测显示屏异常,但这两种方法各有局限性,具体如下:液晶屏内部电路异常检测模块只能根据led灯泡是否正常通电检测像素点无光问题,无法检测花屏、彩色反相和亮线等颜色异常问题,检测准确度较低;而人工巡检不仅耗时费力,还有实时性差,不能及时发现影响液晶屏展示的颜色异常问题,检测的效率较低。
发明内容
有鉴于此,本发明实施例提供了一种显示屏的异常显示检测方法、装置、终端设备,以解决现有显示屏检测方法的异常检测效率较低的问题。
第一方面,提供一种显示屏的异常显示检测方法,所述异常显示检测方法包括:
获取显示屏显示的N帧视频图像,N为正整数;
对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;
对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;
根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。
第二方面,提供一种显示屏的异常显示检测装置,所述异常显示检测装置包括:
图像获取模块,用于获取显示屏显示的N帧视频图像,N为正整数;
像素值提取模块,用于对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;
差值处理模块,用于对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;
异常判定模块,用于根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。
第三方面,本发明实施例提供一种终端设备,所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的异常显示检测方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述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实现如第一方面所述的异常显示检测方法。
本发明与现有技术相比存在的有益效果是:
本发明的显示屏的异常显示检测方法、装置、终端设备及介质,利用获取到的含有显示屏显示的N帧视频图像,分别对N帧视频图像中的像素点进行与相邻像素点之间的像素差值处理,然后根据N帧连续的视频图像中相邻像素点之间的像素差值,能够检测出显示屏上所有的异常显示像素点,提高了显示异常如颜色异常问题的检测效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种显示屏的异常显示检测方法的一应用环境示意图;
图2是本发明一实施例提供的一种显示屏的异常显示检测方法的流程示意图;
图3是本发明一实施例提供的图2中获取显示屏连续显示的N帧动态视频图的流程示意图;
图4是本发明一实施例提供的图3中获取显示屏连续显示的N帧视频图像的流程示意图;
图5是本发明一实施例提供的图2中对N帧所述视频图像进行像素值提取处理的流程示意图;
图6是本发明一实施例提供的图2中对各帧视频图像中各个相邻像素点之间的像素值进行差值处理的流程示意图;
图7是本发明一实施例提供的图2中确定所述显示屏的异常显示像素点的流程示意图;
图8是本发明一实施例提供的图2基础上另一种显示屏的异常显示检测方法的流程示意图;
图9是本发明一实施例提供的图8中对异常显示像素点进行组别划分处理的流程示意图;
图10是本发明一实施例提供的一种显示屏的异常显示检测装置的结构示意图;
图11是本发明一实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本发明说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本发明说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
应理解,以下实施例中各步骤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,而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明的技术方案,下面通过具体实施例来进行说明。
本发明实施例一提供的一种显示屏的异常显示检测方法,可应用在如图1的应用环境中,其中,客户端与服务端进行通信。其中,客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant,PDA)等终端设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
参见图2,是本发明一实施例提供的一种显示屏的异常显示检测方法的流程示意图,上述异常显示检测方法可以应用于图1中的客户端,客户端对应的终端设备通过预设的应用程序接口(Application Programming Interface,API)连接目标数据库。在目标数据被驱动运行以执行相应的任务时,会产生对应的任务日志,通过API可以采集到上述任务日志。如图2所示,该异常显示检测方法可以包括以下步骤:
步骤S201,获取显示屏显示的N帧视频图像,N为正整数;
其中,N帧视频图像的获取方法包括:接收图像采集模块发送的视频图像数据。该图像采集模块可以为高清摄像头,利用高清摄像头采集包含户外大型LED广告显示屏连续显示图像的N帧视频图像,或者为抽帧提取且间隔帧数小于预设值的N帧视频图像。作为其他实施方式,也可以通信方式获取显示屏中显示的图像作为视频图像。
本步骤中,获取的N帧视频图像应在动态视频中采集的图像,如果获取的视频图像中存在两帧以上静态图像,则获取的N帧视频图像为无效图像,需要重新获取N帧动态图像,直至N帧动态图像中不存在静态图像,即获取的显示屏连续显示的N帧视频图像为有效图像,用于后续步骤中进行像素值的处理和比对,提高后续步骤中像素值处理和像素差值判定的可靠性。
步骤S202,对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;
其中,在提取各帧视频图像的像素值时,可以在预设格式下的视频图像中提取每个像素点的像素值。在一种实施方式中,可以获取hsv格式下的视频图像中像素点的像素值,每帧视频图像的所有像素点的像素值组成该帧图像的像素值矩阵。
步骤S203,对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;
其中,在进行前述的差值处理之前,可以选取当前像素点在图像中水平方向上的左边相邻或右边相邻的像素点,作为当前像素点的相邻像素点;或者,也可以选取当前像素点在图像中竖直方向上的上边相邻或下边相邻的像素点,作为当前像素点的相邻像素点。
在确定当前像素点的相邻像素点之后,即可以计算视频图像中相邻像素点之间的像素差值。例如,hsv格式下的视频图像中像素点的像素差值计算公式如下:
其中,dij为视频图像的像素值矩阵中当前像素点的第i列像素值与其水平方向上相邻像素点的第j列像素值之间的像素差值,hi、si、vi为当前像素点的第i列色调像素值、饱和度像素值、明度像素值,hj、sj、vj为水平方向上相邻像素点的第j列色调像素值、饱和度像素值、明度像素值;dik为视频图像的像素值矩阵中当前像素点的第i列像素值与其竖直方向上相邻像素点的第k列像素值之间的像素差值,hk、sk、vk为竖直方向上相邻像素点的第k列色调像素值、饱和度像素值、明度像素值。
步骤S204,根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。
其中,可以根据各帧视频图像中某个像素点与其水平方向上相邻像素点之间的像素差值,来确定该像素点是否为异常显示像素点;或者,也可以根据各帧视频图像中某个像素点与竖直平方向上相邻像素点之间的像素差值,来确定该像素点是否为异常显示像素点;或者,还可以考虑视频图像中某个像素点与其水平方向上相邻像素点之间的像素差值,结合该像素点与竖直平方向上相邻像素点之间的像素差值,来综合判断该像素点是否为异常显示像素点。
在一实施方式中,综合判断该像素点是否为异常显示像素点的方法可以为:当该像素点与其水平方向上相邻像素点之间的像素差值大于第一设定阈值,该像素点与竖直平方向上相邻像素点之间的像素差值大于第二设定阈值时,判定该像素点为疑似异常显示像素点,其中第一设定阈值可以等于或不等于第二设定阈值。作为其他实施方式,还可以根据该像素点与其单一方向(水平方向或竖直方向)上相邻像素点之间的像素差值大于相应阈值,来判定该像素点为疑似异常显示像素点。
在当前帧视频图像中某个像素点被判定为疑似异常显示像素点之后,可以继续判断下一帧视频图像中该疑似异常显示像素点与其相邻像素点的像素差值情况,当连续n1帧视频图像该像素点均被判定为疑似异常显示像素点时,可确定该像素点为显示屏的异常显示像素点。然后以此类推,可以遍历当前帧视频图像的各个像素点,找到帧视频图像中显示屏的异常显示像素点。
本实施例的显示屏的异常显示检测方法,利用获取到的含有显示屏显示的N帧视频图像,分别对N帧视频图像进行相邻像素点之间的像素值进行差值处理,根据N帧连续的视频图像相邻像素点之间的像素差值,检测出显示屏上的异常显示像素点,检测的准确性较高。
上述异常显示检测方法也可以应用于图1中的服务端,服务端对应的计算机设备连接相应的数据库、规则库等,以获取数据库中相应的数据。优选的,上述计算机设备还可以连接高清摄像头的数据输出端,以获取高清摄像头的数据输出端发送的图像数据。
在其他应用场景中,上述计算机设备的输出端还可以连接报警信息传输模块,该报警信息传输模块用于利用信息技术将存在异常显示像素点的报警信息通过互联网或IOT(Internet of Things,物联网)等移动网络上传中继服务器后分发到指定的显示终端,提醒设备维护人员安排检修工作。通过该报警信息传输模块,可以实时上传报警信息到液晶屏设备维护部门,避免了不必要的人工巡检,大大降低了设备维护的难度和减少了工作量。
在一实施例中,参见图3所示,在图2的步骤S201中,所述获取显示屏显示的N帧视频图像之前,该方法还包括:
步骤S301,对N帧所述视频图像进行用于表示色调的像素值提取处理,得到N帧所述视频图像中像素点的色调像素值;
其中,N帧所述视频图像中的像素点含有三种像素值,分别为色调像素值、饱和度像素值和明度像素值。由于在户外场景下由摄像头采集到的图像中各像素点的饱和度像素值和明度像素值容易受到周围环境影响,如有遮挡产生阴影、阳光或其他灯光照射不稳定等。为减少周围环境的这种影响,本步骤中选择N帧所述视频图像进行用于表示色调的像素值提取处理,用于作为在后续步骤中判断视频图像的基础处理数据,以提高视频图像的准确性。
步骤S302,对连续相邻所述视频图像中同一位置处像素点的色调像素值进行图像相似性计算处理,得到连续相邻所述视频图像之间的图像相似值;
其中,可以将视频图像中所有像素点的色调像素值组成色调像素向量,例如,第n帧视频图像中的色调像素向量可以表示为:
an=(h1,h2,h3,…,hi)
其中,an为第n帧视频图像中的色调像素向量,h1、h2、h3、…、hi为第n帧视频图像中第1个像素点、第2个像素点、第3个像素点、…、第i个像素点的色调像素值。
在确定N帧视频图像中的色调像素向量之后,可以计算相邻两帧视频图像之间的图像相似性,计算公式如下:
其中,s为相邻两帧视频图像之间的图像相似值,hnj为第n帧视频图像中第j个像素点的色调像素值,hmj为第m帧视频图像中第j个像素点的色调像素值,i为个帧视频图像中的像素值总数。
步骤S303,当存在M组相邻所述视频图像之间的图像相似值小于预设阈值时,确定N帧所述视频图像构成动态视频;M为小于N的正整数。
其中,当相邻两帧视频图像之间的图像相似值小于设定的阈值smin时,即认为连续相邻的第n帧和第m帧图像有变化,统计图像变化的次数变量d累加1,当图像变化的次数变量d累加达到设定的阈值dmax时,也就是存在M组(M=d)相邻所述视频图像之间的图像相似值小于预设阈值时,即确认当前户外液晶显示屏播放的是动态视频,获取的N帧视频图像构成了动态视频。
本实施例中的异常显示检测方法,通过将连续相邻两帧图像的变化判断,转化为判断相邻两帧图像之间色调像素向量的相似性问题,利用计算出的两个色调像素向量的余弦值来评估两帧图像之间的相似性,从而提高判断视频图像的准确性,以保证后面步骤中处理的像素值所属于的图像为动态视频中的图像,提高显示屏的异常显示像素点的判断精度。
在一实施例中,参见图4所示,在图2的步骤S201中,所述获取显示屏连续显示的N帧视频图像,包括:
步骤S401,获取显示屏连续显示的N帧原始图像的编码图像数据;
其中,接收由摄像头采集的数据是按照一定编码格式编码后的编码图像数据,其原因在于,利用摄像头采集的视频图像按一定的编码格式如H.264、H.265,进行数据编码后,编码图像数据的空间占用更小,更便于网络传输的图像数据,因此基于方便存储和传输的考虑,接收端接收来的N帧原始图像数据为编码图像数据。
步骤S402,对所述编码图像数据进行解码处理,得到预设格式的N帧原始图像数据;
其中,对编码图像数据解码得到的数据可以包括预设格式的N帧原始图像数据,还可以包括各帧视频图像的显示屏位置标记参数,该标记参数用于标明显示屏在图像中的位置,用于后续步骤中的图像处理。
在一示例中,可以将接收来的编码图像数据解码为可直接显示的yuv或bgr格式的原始图像数据。
步骤S403,利用预设的显示屏位置标记参数,对N帧所述原始图像数据中的图像进行截图处理,得到去掉冗余背景图像的N帧原始图像;
其中,当获取的显示屏位置标记参数中,不含有某帧原始图像的显示屏位置标记参数时,则不需要对该原始图像进行截图处理,保留原始图像;当获取的显示屏位置标记参数中,含有某帧原始图像的显示屏位置标记参数时,则根据该标记参数对该原始图像进行截图处理,去掉冗余背景图像,得到处理后的原始图像。
步骤S404,对所述去掉冗余背景图像的N帧原始图像进行像素格式转换处理,得到所述N帧视频图像。
其中,N帧视频图像在格式转换之前为第一像素格式,例如为yuv或bgr像素格式,转换之后为第二像素格式,例如为hsv像素格式。转换至hsv像素格式的原因在于,在其他像素格式下的像素值无法准确的表征颜色空间,如RGB颜色空间是一种均匀性较差的颜色空间。而hsv颜色空间,比RGB颜色空间更接近人们对彩色的感知经验,可以非常直观地表达颜色的色调、鲜艳程度和明暗程度,方便后续步骤中进行各种用于表征颜色信息的像素值之间的对比。
本实施例的异常显示检测方法,通过对获取的原始图像的编码图像数据进行解码处理和格式转换处理,将N帧视频图像处理为hsv像素格式的N帧视频图像,在该像素格式下进行的像素值差值处理,能够得到更加准确的用于表征图像变化的相邻像素点之间的像素差值,从而提高显示屏的异常显示检测准确度。
在一实施例中,参见图5所示,在图2的步骤S202中,对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值包括:
步骤S501,利用预设的色调权重,对N帧所述视频图像中每帧所述视频图像的像素点的色调像素值进行加权处理,得到像素点的色调加权像素值;
步骤S502,利用预设的饱和度权重,对N帧所述视频图像中每帧所述视频图像的像素点的饱和度像素值进行加权处理,得到像素点的饱和度加权像素值;
步骤S503,利用预设的明度权重,对N帧所述视频图像中每帧所述视频图像的像素点的明度像素值进行加权处理,得到像素点的明度加权像素值。
举例说明,对第n帧视频图像进行色调像素值、饱和度像素值和明度像素值的提取处理之后,得到第n帧视频图像的色调像素值、饱和度像素值和明度像素值构成hsv矩阵的表达式如下:
其中,An为第n帧视频图像的像素值矩阵,h1,h2,…,hi为第1个像素点、第2个像素点至第i个像素点的色调像素值,用于表示像素点的颜色的色调;s1,s2,…,si为第1个像素点、第2个像素点至第i个像素点的饱和度像素值,用于表示像素点的颜色的鲜艳程度;v1,v2,…,vi为第1个像素点、第2个像素点至第i个像素点的明度像素值,用于表示像素点的颜色的明暗程度。
对上述第n帧视频图像的hsv矩阵中像素点的色调像素值、饱和度像素值明度像素值进行加权处理的表达式如下:
其中,Bn为hsv矩阵,wh为色调权重,ws为饱和度权重,wv为明度权重,h1、h2、…、hi为第n帧视频图像中第1个像素点至第i个像素点的色调像素值,s1、s2、…、si为第n帧视频图像中第1个像素点至第i个像素点的饱和度像素值,v1、v2、…、vi为第n帧视频图像中第1个像素点至第i个像素点的明度像素值。
本实施例的异常显示检测方法,考虑到户外场景下拍摄得到的视频图像中像素点的饱和度和明度受周围环境影响比较大,需要对在原始图像帧预处理环节中得到的hsv矩阵中各像素点的色调像素值、饱和度像素值和明度像素值做加权处理,给色调像素值较大的权重wh,而给饱和度像素值和明度像素值设置较小的权重ws和wv,按以上公式加权处理,使得对加权后的色调像素值、饱和度像素值和明度像素值在后续步骤进行像素差值处理时,能够更加可靠的表征正常显示像素点和异常显示像素点之间的差异性。
在一实施例中,参见图6所示,在图2的步骤S203中,对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值,包括:
步骤S601,针对任意一帧视频图像中的任意一个像素点,计算所述像素点与其在视频图像中的水平方向上相邻像素点之间的像素差值,得到水平像素差值;计算所述像素点与其在视频图像中的竖直方向上相邻像素点之间的像素差值,得到竖直像素差值;
其中,对各帧视频图像中相邻像素点之间的像素值进行差值处理过程中,可以同时选取某个目标像素点的水平方向和竖直方向上分别相邻的像素点,例如,在视频图像中的水平方向上,某个目标像素点为最左边一列的像素点时选取该像素点右边相邻的像素点,其余列的像素点为目标像素点时,选取该像素点左边相邻的像素点;在视频图像中的垂直方向上,当目标像素点为最顶端一行的像素点时,选取该像素点下方相邻的像素点,其余行的像素点为目标像素点时,选取该像素点上方相邻的像素点。
确定出视频图像中像素点的水平方向上相邻像素点和竖直方向上相邻像素点之后,依次计算当前第n帧图像的像素点与其两个相邻像素点的像素差值,例如第i个像素点与选取的相邻像素点j和k的像素差值由以下公式得到:
其中,dij为第i个像素点与相邻像素点j之间的像素差值,dik为第i个像素点与相邻像素点k之间的像素差值,wh为色调权重,ws为饱和度权重,wv为明度权重,hi、si、vi为当前像素点的第i列色调像素值、饱和度像素值、明度像素值,hj、sj、vj为水平方向上相邻像素点的第j列色调像素值、饱和度像素值、明度像素值。
步骤S602,根据所述水平像素差值和所述竖直像素差值,确定用于表征所述像素点与相邻像素点的最大像素差值;
其中,可以对上一步计算得到的水平像素差值和竖直像素差值进行比较,来确定当前像素点与相邻像素点的最大像素差值。例如,可以采用以下公式计算该最大像素差值:
di=max(dij,dik)
其中,di为当前像素点与相邻像素点的最大像素差值,max为取较大值运算,dij为第i个像素点与相邻像素点j之间的像素差值,dik为第i个像素点与相邻像素点k之间的像素差值。
上述公式表示的含义是:选取水平像素差值dij和竖直像素差值dik两者中的最大值作为第i个像素点的最大像素差值,用于表征该像素点与相邻像素点之间的差异大小。
通过遍历各帧动态图像中的像素点,按照前面步骤S601和步骤S602,能够确定出各帧动态图像中像素点与相邻像素点的最大像素差值。
本实施例的异常显示检测方法,通过具体确定各帧动态图像中像素点在不同方向上的相邻像素点,能够计算出各帧动态图像中像素点与不同方向上的相邻像素点之间的像素差值,确定能够表征该像素点与相邻像素点之间具有最大差异的像素差值,有助于后续步骤中根据视频图像中相邻像素点之间的最大像素差值,更加准确的确定显示屏的异常显示像素点。
在一实施例中,参见图7所示,在图2的步骤S204中,根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点,包括:
步骤S701,当检测到存在某帧所述视频图像中某个像素点与相邻像素点之间的像素差值大于预设的坏点临界阈值时,将所述某个像素点标记为疑似异常显示像素点;
其中,对于异常显示的像素点,其与相邻正常显示的像素点之间的像素差值较大,因此,可以设置一个用于初步鉴别异常显示像素点和正常显示像素点的坏点临界阈值dmax,某个像素点与相邻像素点之间的像素差值di大于该坏点临界阈值dmax时,将对应的像素点标记为疑似异常显示像素点。
步骤S702,统计所述疑似异常显示像素点在N帧所述视频图像中的标记次数;
其中,对于个别的某帧视频图像中相邻两个正常显示的像素点的像素差值也可能会大于预设的坏点临界阈值,因此仅通过一帧视频图像中某个像素点与相邻像素点之间的像素差值大于预设的坏点临界阈值就判定异常显示像素点,是可能出现误判的,需要进行多帧视频图像中相邻像素点之间的像素差值与坏点临界阈值的大小判别。
本步骤中,需要在首次判断出存在疑似异常显示像素点时,需要结合另外N帧述视频图像中该像素点与相邻像素点之间的像素差值进行多次判断,统计该疑似异常显示像素点在N帧图像中的标记次数。
步骤S703,根据所述标记次数与所述视频图像的帧数,计算得到所述疑似异常显示像素点的出现率;
其中,可以通过在前一步骤中统计的标记次数,与视频图像的帧数N作比值,用于表征该疑似异常显示像素点出现的概率。
步骤S704,当所述疑似异常显示像素点的出现率大于预设的坏点比率阈值时,判定所述疑似异常显示像素点为异常显示像素点。
其中,在N帧视频图像中出现相邻两个正常显示的像素点的像素差值也可能会大于预设的坏点临界阈值的次数可能不止一次,但正常显示像素点被误判为疑似异常显示像素点的出现率会较小,异常显示像素点的出现率则会较大,因此,需要设置一个用于界定能够判定出异常显示像素点,且不会误判正常显示像素点的坏点比率阈值,例如,该阈值的范围可以为30%至45%,当疑似异常显示像素点的出现率大于该阈值时,则判定为异常显示像素点,疑似异常显示像素点的出现率不大于该阈值时,则判定为正常显示像素点。
通过遍历各帧动态图像中的像素点,按照前面步骤S701和步骤S704,能够确定出显示屏中的异常显示像素点。
本实施例的异常显示检测方法,通过设置坏点临界阈值,与视频图像中像素点与相邻像素点之间的像素差值进行比较,首先确定所有疑似异常显示像素点,然后再计算疑似异常显示像素点的出现率,根据出现率与坏点比率阈值之间的比较,进而判定出疑似异常显示像素点是否为异常显示像素点,从而精准的确定出显示屏上的异常显示像素点,且能够最大程度上的避免对正常显示像素点的误判。
在一实施例中,参见图8所示,在图2的步骤S204中确定所述显示屏的异常显示像素点之后,所述异常显示检测方法还包括:
步骤S801,在所述显示屏的异常显示像素点为至少一个的情况下,获取每个所述异常显示像素点在所述视频图像中的横坐标和纵坐标;
其中,可以在视频图像中设置XY坐标系,具体的一种坐标系设置方法为:以左上角的点为原点,向右为正向x坐标轴,向下为正向y坐标轴。根据设置的XY坐标系,能够确定出图像中像素点的横坐标和纵坐标,包括异常显示像素点的横坐标和纵坐标。
步骤S802,根据所述异常显示像素点在所述视频图像中的横坐标和纵坐标,对所述异常显示像素点进行组别划分处理,得到至少一组异常显示像素点集合,每组异常显示像素点集合中具有至少一个异常显示像素点;
其中,在确定出显示屏上的异常显示像素点之后,可能存在部分异常显示像素点可能是离散的异常显示像素点,也可能是多个异常显示像素点之间连续上下、左右相邻的异常显示像素点集合。而在异常显示像素点集合的各个异常显示像素点之间的距离较小,因此,可以通过异常显示像素点之间横坐标和纵坐标的距离,进行组别划分处理,将距离小于预设距离的异常显示像素点划分为一组,构成一组异常显示像素点集合。
作为其他实施方式,还可以先对有异常显示像素点在视频图像中的横坐标进行分组,得到i个横坐标组;再对异常显示像素点在视频图像中的纵坐标进行分组,得到i个纵坐标组;依次遍历坏点,记录每个异常显示像素点所属的横坐标组编号和纵坐标组编号,将有相同横坐标组编号和纵坐标组编号的坏点归属为同一个异常显示像素点集合。
步骤S803,根据所述异常显示像素点集合中的异常显示像素点数量,确定所述显示屏的异常显示像素块,输出所述异常显示像素块的坐标。
其中,获取异常显示像素点集合中的异常显示像素点数量,当该集合中的异常显示像素点数量大于预设值(如为1)时,可以判定该集合在图像中为显示屏的异常显示像素块。最后,提取所述异常显示像素块中像素点的最大横坐标、最大纵坐标、最小横坐标、最小纵坐标,得到所述异常显示像素块的坐标。
本实施例中的异常显示检测方法,在确定出异常显示像素点的情况下,获取每个异常显示像素点在所述视频图像中的横坐标和纵坐标,对所述异常显示像素点进行组别划分处理,确定显示屏的异常显示像素块,并输出异常显示像素块的坐标,用以同时告警显示屏的坏点和坏块。在确认显示屏产生坏点、坏块后,可将显示屏的坏点、坏块的相关坐标信息按规定协议组包,经过网络应用层协议上传到报警信息的接收端,之后可以通过监控屏显示、手机短信提示、微信消息提示等途径告知户外广告屏的设备维护人员,以便及时检修。
在一实施例中,参见图9所示,在图8的步骤S802中,根据所述异常显示像素点在所述视频图像中的横坐标和纵坐标,对所述异常显示像素点进行组别划分处理,得到至少一组异常显示像素点集合,包括:
步骤S901,对所述异常显示像素点在所述视频图像中的横坐标进行组别划分处理,得到至少一个横坐标组;
其中,可以按照横坐标从小到大的顺序,将异常显示像素点在所述视频图像中的横坐标组成横坐标数列;计算所述横坐标数列中相邻两个元素之间的差值,得到横坐标差值数列;遍历所述横坐标差值数列中的各个差值,根据各个差值与预设的差异度均值,对各个差值进行差值组划分,得到至少一个差值组;将各个差值组中元素对应的横坐标数列中的元素划分为同一个横坐标组,得到至少一个横坐标组。
举例说明,在视频图像中XY坐标系的x轴方向上,取异常显示像素点的横坐标组成数列,依次计算数列中相邻两元素的差值,组成差值数列,排除差值数列中最大和最小的差值后计算剩余差值的平均值,然后遍历差值数列,小于平均值的元素归为一个差值组g1,大于平均值的元素归为一个新的差值组g2,后续的元素如果小于平均值仍归为差值组g2,直到又出现大于平均值的元素时再增加新的差值组g3,由此遍历完差值数列后会得到i个差值组。分别处理这i个差值组,将差值组中的元素所对应的横坐标数列中的元素归为一组,这样得到i个横坐标组。
步骤S902,对所述异常显示像素点在所述视频图像中的纵坐标进行组别划分处理,得到至少一个纵坐标组;
举例说明,在视频图像中XY坐标系的y轴方向上,取异常显示像素点的纵坐标组成数列,依次计算数列中相邻两元素的差值,组成差值数列,排除差值数列中最大和最小的差值后计算剩余差值的平均值,然后遍历差值数列,小于平均值的元素归为一个差值组g1’,大于平均值的元素归为一个新的差值组g2’,后续的元素如果小于平均值仍归为差值组g2’,直到又出现大于平均值的元素时再增加新的差值组g3’,由此遍历完差值数列后会得到j个差值组。分别处理这j个差值组,将差值组中的元素所对应的纵坐标数列中的元素归为一组,这样得到j个纵坐标组。
步骤S903,遍历异常显示像素点的横坐标所在的横坐标组,以及纵坐标所在的纵坐标组,筛选出属于相同横坐标组且属于相同纵坐标组的异常显示像素点,得到异常显示像素点集合。
其中,遍历异常显示像素点时,记录每个异常显示像素点所属的横坐标组编号和纵坐标组编号,将有相同横坐标组编号和纵坐标组编号的坏点归属为同一个异常显示像素点集合,如果异常显示像素点集合里的像素点个数大于1,则标记为一个异常显示像素块。
本实施例的异常显示检测方法,通过遍历所有异常显示像素点的横坐标所在的横坐标组,以及纵坐标所在的纵坐标组,能够确定异常显示像素点集合,用以确定显示屏上的异常显示像素块。
对应于上文实施例的方法,图10示出了本发明一实施例提供的显示屏的异常显示检测装置的结构框图,上述异常显示检测装置应用于终端设备,终端设备通过预设的应用程序接口连接目标数据库。在目标数据库被驱动运行以执行相应的任务时,会产生对应的任务日志,通过API可以采集到上述任务日志。为了便于说明,仅示出了与本发明实施例相关的部分。
参见图10,该异常显示检测装置包括:
图像获取模块11,用于获取显示屏显示的N帧视频图像,N为正整数;
像素值提取模块12,用于对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;
差值处理模块13,用于对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;
异常判定模块14,用于根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。
可选的是,上述图像获取模块包括:
视频图像获取单元,用于获取显示屏显示的N帧视频图像;
色调像素值提取单元,用于对N帧所述视频图像进行用于表示色调的像素值提取处理,得到N帧所述视频图像中像素点的色调像素值;
相似值计算单元,用于对连续相邻所述视频图像中同一位置处像素点的色调像素值进行图像相似性计算处理,得到连续相邻所述视频图像之间的图像相似值;
动态视频判断单元,用于当存在M组相邻所述视频图像之间的图像相似值小于预设阈值时,确定N帧所述视频图像构成动态视频;M为小于N的正整数。
可选的是,上述视频图像获取单元包括:
图像数据获取子单元,用于获取显示屏显示的N帧原始图像的编码图像数据;
数据解码子单元,用于对所述编码图像数据进行解码处理,得到预设格式的N帧原始图像数据;
图像分割子单元,用于利用预设的显示屏位置标记参数,对N帧所述原始图像数据进行截图处理,得到去掉冗余背景图像的N帧原始图像;
格式转换子单元,对所述去掉冗余背景图像的N帧原始图像进行像素格式转换处理,得到N帧所述视频图像。
可选的是,上述像素值提取模块包括:
第一像素值加权单元,用于利用预设的色调权重,对N帧所述视频图像中像素点的色调像素值进行加权处理,得到像素点的色调加权像素值;
第二像素值加权单元,用于利用预设的饱和度像素值,对N帧所述视频图像中像素点的饱和度像素值进行加权处理,得到像素点的饱和度加权像素值;
第三像素值加权单元,用于利用预设的明度权重,对N帧所述视频图像中像素点的明度像素值进行加权处理,得到像素点的明度加权像素值。
可选的是,上述差值处理模块包括:
像素差值计算单元,用于针对任意一帧视频图像中的任意一个像素点,计算所述像素点与其在视频图像中的水平方向上相邻像素点之间的像素差值,得到水平像素差值;计算所述像素点与其在视频图像中的竖直方向上相邻像素点之间的像素差值,得到竖直像素差值;
像素差值比较单元,用于根据所述水平像素差值和所述竖直像素差值,确定用于表征所述当前像素点与相邻像素点的最大像素差值。
可选的是,上述异常判定模块包括:
疑似异常像素点判断单元,用于当检测到存在某帧所述视频图像中某个像素点与相邻像素点之间的像素差值大于预设的坏点临界阈值时,将所述某个像素点标记为疑似异常显示像素点;
疑似异常像素点统计单元,用于统计所述疑似异常显示像素点在N帧所述视频图像中的标记次数;
出现率计算单元,用于根据所述标记次数与所述视频图像的帧数,计算得到所述疑似异常显示像素点的出现率;
异常像素点判断单元,用于当所述疑似异常显示像素点的出现率大于预设的坏点比率阈值时,判定所述疑似异常显示像素点为异常显示像素点。
可选的是,上述异常显示检测装置还包括:
坐标提取模块,用于在所述显示屏的异常显示像素点的数量为至少一个的情况下,获取每个异常显示像素点在所述视频图像中的横坐标和纵坐标;
异常像素点分组模块,用于根据所述异常显示像素点在所述视频图像中的横坐标和纵坐标,对所述异常显示像素点进行组别划分处理,得到至少一组异常显示像素点集合,每组异常显示像素点集合中具有至少一个异常显示像素点;
异常显示像素块判断模块,用于根据所述异常显示像素点集合中的异常显示像素点数量,确定所述显示屏的异常显示像素块,输出所述异常显示像素块的坐标。
可选的是,上述异常像素点分组模块包括:
横坐标提取单元,用于对所述异常显示像素点在所述视频图像中的横坐标进行组别划分处理,得到至少一个横坐标组;
纵坐标提取单元,用于对所述异常显示像素点在所述视频图像中的纵坐标进行组别划分处理,得到至少一个纵坐标组;
检索单元,用于遍历异常显示像素点的横坐标所在的横坐标组,以及纵坐标所在的纵坐标组,筛选出属于相同横坐标组且属于相同纵坐标组的异常显示像素点,得到异常显示像素点集合。
需要说明的是,上述模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图11为本发明一实施例提供的一种终端设备的结构示意图。如图5所示,该实施例的终端设备包括:至少一个处理器(图11中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序,处理器执行计算机程序时实现上述任意各个异常显示检测方法实施例中的步骤。
该终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图11仅仅是终端设备的举例,并不构成对终端设备的限定,终端设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括网络接口、显示屏和输入装置等。
所称处理器可以是CPU,该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器包括可读存储介质、内存储器等,其中,内存储器可以是终端设备的内存,内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是终端设备的硬盘,在另一些实施例中也可以是终端设备的外部存储设备,例如,终端设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
本发明实现上述实施例方法中的全部或部分流程,也可以通过一种计算机程序产品来完成,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述方法实施例中的步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种显示屏的异常显示检测方法,其特征在于,所述异常显示检测方法包括:
获取显示屏显示的N帧视频图像,N为正整数;
对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;
对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;
根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。
2.根据权利要求1所述的异常显示检测方法,其特征在于,所述获取显示屏显示的N帧视频图像之前,所述方法还包括:
对N帧所述视频图像进行用于表示色调的像素值提取处理,得到N帧所述视频图像中像素点的色调像素值;
对连续相邻所述视频图像中同一位置像素点的色调像素值进行图像相似性计算处理,得到连续相邻所述视频图像之间的图像相似值;
当存在M组相邻所述视频图像之间的图像相似值小于预设阈值时,确定N帧所述视频图像构成动态视频;M为小于N的正整数。
3.根据权利要求1或2所述的异常显示检测方法,其特征在于,所述获取显示屏连续显示的N帧视频图像,包括:
获取显示屏显示的N帧原始图像的编码图像数据;
对所述编码图像数据进行解码处理,得到预设格式的N帧原始图像数据;
利用预设的显示屏位置标记参数,对N帧所述原始图像数据中的图像进行截图处理,得到去掉冗余背景图像的N帧所述原始图像;
对所述去掉冗余背景图像的N帧所述原始图像进行像素格式转换处理,得到N帧所述视频图像。
4.根据权利要求1或2所述的异常显示检测方法,其特征在于,对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值包括:
利用预设的色调权重,对N帧所述视频图像中每帧所述视频图像的像素点的色调像素值进行加权处理,得到像素点的色调加权像素值;
利用预设的饱和度权重,对N帧所述视频图像中每帧所述视频图像的像素点的饱和度像素值进行加权处理,得到像素点的饱和度加权像素值;
利用预设的明度权重,对N帧所述视频图像中每帧所述视频图像的像素点的明度像素值进行加权处理,得到像素点的明度加权像素值。
5.根据权利要求1所述的异常显示检测方法,其特征在于,对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值,包括:
针对任意一帧视频图像中的任意一个像素点,计算所述像素点与其在视频图像中的水平方向上相邻像素点之间的像素差值,得到水平像素差值;计算所述像素点与其在视频图像中的竖直方向上相邻像素点之间的像素差值,得到竖直像素差值;
根据所述水平像素差值和所述竖直像素差值,确定用于表征所述像素点与相邻像素点的最大像素差值。
6.根据权利要求1所述的异常显示检测方法,其特征在于,根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点,包括:
当检测到存在某帧所述视频图像中某个像素点与相邻像素点之间的像素差值大于预设的坏点临界阈值时,将所述某个像素点标记为疑似异常显示像素点;
统计所述疑似异常显示像素点在N帧所述视频图像中的标记次数;
根据所述标记次数与所述视频图像的帧数,计算得到所述疑似异常显示像素点的出现率;
当所述疑似异常显示像素点的出现率大于预设的坏点比率阈值时,判定所述疑似异常显示像素点为异常显示像素点。
7.根据权利要求1所述的异常显示检测方法,其特征在于,确定所述显示屏的异常显示像素点之后,所述异常显示检测方法还包括:
在所述显示屏的异常显示像素点的数量为至少一个的情况下,获取每个所述异常显示像素点在所述视频图像中的横坐标和纵坐标;
根据所述异常显示像素点在所述视频图像中的横坐标和纵坐标,对所述异常显示像素点进行组别划分处理,得到至少一组异常显示像素点集合,每组异常显示像素点集合中具有至少一个异常显示像素点;
根据所述异常显示像素点集合中的异常显示像素点数量,确定所述显示屏的异常显示像素块,输出所述异常显示像素块的坐标。
8.根据权利要求7所述的异常显示检测方法,其特征在于,根据所述异常显示像素点在所述视频图像中的横坐标和纵坐标,对所述异常显示像素点进行组别划分处理,得到至少一组异常显示像素点集合,包括:
对所述异常显示像素点在所述视频图像中的横坐标进行组别划分处理,得到至少一个横坐标组;
对所述异常显示像素点在所述视频图像中的纵坐标进行组别划分处理,得到至少一个纵坐标组;
遍历所述异常显示像素点的横坐标所在的横坐标组,以及纵坐标所在的纵坐标组,筛选出横坐标属于同一横坐标组,且纵坐标属于同一纵坐标组的异常显示像素点,得到异常显示像素点集合。
9.一种显示屏的异常显示检测装置,其特征在于,所述异常显示检测装置包括:
图像获取模块,用于获取显示屏的N帧视频图像,N为正整数;
像素值提取模块,用于对N帧所述视频图像进行像素值提取处理,得到N帧所述视频图像中像素点的像素值;
差值处理模块,用于对各帧所述视频图像中相邻像素点之间的像素值进行差值处理,得到各帧所述视频图像中相邻像素点之间的像素差值;
异常判定模块,用于根据各帧所述视频图像中相邻像素点之间的像素差值,确定所述显示屏的异常显示像素点。
10.一种终端设备,其特征在于,所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的异常显示检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311723070.5A CN117854402A (zh) | 2023-12-14 | 2023-12-14 | 显示屏的异常显示检测方法、装置、终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311723070.5A CN117854402A (zh) | 2023-12-14 | 2023-12-14 | 显示屏的异常显示检测方法、装置、终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117854402A true CN117854402A (zh) | 2024-04-09 |
Family
ID=90541080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311723070.5A Pending CN117854402A (zh) | 2023-12-14 | 2023-12-14 | 显示屏的异常显示检测方法、装置、终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117854402A (zh) |
-
2023
- 2023-12-14 CN CN202311723070.5A patent/CN117854402A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059694B (zh) | 电力行业复杂场景下的文字数据的智能识别方法 | |
KR102595704B1 (ko) | 영상 검측 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
TWI431559B (zh) | 車牌偵測辨識方法及其系統 | |
CN110348522B (zh) | 一种图像检测识别方法及系统、电子设备、图像分类网络优化方法及系统 | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
WO2022105019A1 (zh) | 一种车辆卡口设备抓拍质量评估方法、装置及可读介质 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN112001362A (zh) | 一种图像分析方法、图像分析装置及图像分析系统 | |
CN112153373A (zh) | 明厨亮灶设备的故障识别方法、装置及存储介质 | |
CN111259736B (zh) | 一种基于深度学习的复杂环境下行人实时检测方法 | |
CN116912674A (zh) | 基于改进的YOLOv5s网络模型复杂水环境下目标检测方法及系统 | |
CN114694130A (zh) | 基于深度学习的铁路沿线电线杆及杆号检测方法和装置 | |
JP7410323B2 (ja) | 異常検出装置、異常検出方法及び異常検出システム | |
CN117854402A (zh) | 显示屏的异常显示检测方法、装置、终端设备 | |
CN110135274A (zh) | 一种基于人脸识别的人流量统计方法 | |
CN111047654A (zh) | 一种基于色彩信息的高清高速视频背景建模方法 | |
CN114092410B (zh) | 一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法 | |
CN103034855A (zh) | 在图像中识别字符区域的方法 | |
CN111402189B (zh) | 一种视频图像偏色检测装置及方法 | |
CN116013091B (zh) | 基于车流量大数据的隧道监控系统与分析方法 | |
CN111738254A (zh) | 一种继电保护装置面板与屏幕内容自动化识别方法 | |
CN111145219A (zh) | 一种基于Codebook原理的高效视频移动目标检测方法 | |
CN115294392B (zh) | 基于生成网络模型的可见光遥感图像云去除方法及系统 | |
CN111783794B (zh) | 一种基于深度可分离卷积残差块和改进nms的多尺度目标检测方法 |
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 |