一种视频质量智能诊断分析系统技术方案

当前，数量庞大的视频监控设备的运维工作都是完全靠人工检测和处理，监测难度大，故障处理不及时，而且运维工作量巨大，本发明专利技术提供一种视频监控智能检测系统，通过分析监控视频的图像质量，对安防应用领域内的视频监控设备的故障进行自动检测和实时告警，从而解决现有视频监控设备的运维工作都是完全靠人工检测和处理等问题，实现一种应用范围较为广泛、功能齐全、并行监测网络设备和视频质量的视频监控网络质量巡检方案，其能够帮助用户快速掌握前端设备运行情况，大大提升运维的工作效率，实现轻松维护大型监控安防系统。

【技术实现步骤摘要】

本专利技术涉及一种视频质量智能诊断分析系统，是一种用于维护视频监控设备的正 常工作状态和检测视频监控设备的图像质量的系统。
技术介绍
近年来，中国视频监控市场受平安城市建设，北京奥运会，上海世博会，广州亚运 会，深圳大运会等安保项目以及各行业视频监控需求快速增长等因素的刺激和拉动，取得 了快速发展，整个市场规模迅速扩大。"十二五"期间，随着平安城市建设等各项政策的继续 开展和深化，以及交通、教育、金融等各个行业用户的安防意识的不断增强，预计未来视频 监控市场将保持强劲增长。在这些如平安城市建设、世博会等大规模项目中，面对数以万计 的前端摄像头，其日常维护的矛盾日趋激烈。视频监控系统的规模不断延伸，视频监控环境 不断变化，设备供应商越来越多，视频监控系统的主要设备包括摄像机、硬盘录像机、交换 机、路由器、服务器等，维护和管理视频监控系统的众多设备的难度随之大幅增加，用户对 统一视频集中网络管理平台的需求也越来越高。 当前，数量庞大的视频监控设备的运维工作都是完全靠人工检测和处理，监测难 度大，故障处理不及时，而且运维工作量巨大，导致运维的成本不断增加，使得视频监控系 统的使用效果大打折扣，严重影响了安全保障工作的有效开展。因此，如何提高视频监控 系统运维工作的效率，建设智能化的视频监控质量诊断系统将成为视频监控行业发展的趋 势。 通过对视频监控网络的自动巡检，可及时快速的对网络中的摄像头进行巡视检 查，视频质量评价技术可以大大降低运维成本，及时发现监控摄像机的故障点，区分故障的 类型。但目前已有的应用于视频监控网络的视频质量诊断控制系统，只针对前端摄像头进 行故障检测，而没有对监控网络中的传输设备进行状态检测和管理，无法及时迅速的检测 排查视频监控网络中的设备故障。
技术实现思路
本专利技术所要解决的技术问题是：本专利技术提供一种视频监控智能检测系统，通过分 析监控视频的图像质量，对安防应用领域内的视频监控设备的故障进行自动检测和实时告 警，从而解决现有视频监控设备的运维工作都是完全靠人工检测和处理等问题，实现一种 应用范围较为广泛、功能齐全、并行监测网络设备和视频质量的视频监控网络质量巡检方 案，其能够帮助用户快速掌握前端设备运行情况，大大提升运维的工作效率，实现轻松维护 大型监控安防系统。 为了达到上述目的，本专利技术采用如下的技术方案： -种视频质量智能诊断分析系统，所述系统由视频监控终端、解码器、服务器、视 频质量诊断分析仪、视频监控摄像装置组成，其特征在于，所述视频质量诊断分析仪具有收 集视频模块、算法模块、传送模块及反馈模块，所述服务器内部设置有设备管理系统，所述 收集视频模块将所述视频监控摄像装置的视频信号收集后输入到所述算法模块中，所述算 法模块对所述视频信号进行视频质量智能诊断分析，分析后如低于噪声阀值则由所述传送 模块的输出端输出到到所述解码器后由所述视频终端输出，分析后如有噪声如高于噪声阀 值则由所述反馈模块的输出端输出到所述服务器，由所述服务器中的所述设备管理系统进 行预警； 其中所述算法模块的算法如下：输入图像后记录像素点，然后计算八个方向因子 卷积绝对值的最小值N，当N小于阀值1\时，由所述传送模块的输出端输出到到所述解码器 后由所述视频终端输出；当N大于阀值1\时，则判断为噪声点，对其进行二次判断，二次判 断是计算其局部隶属度函数f(x)，当f (x)大于阀值^时，则由所述传送模块的输出端输 出到到所述解码器后由所述视频终端输出；当f(x)小于阀值^时，则最终判断为噪声点， 由所述反馈模块的输出端输出到所述服务器，由所述服务器中的所述设备管理系统进行预 警。图像在没有被噪声点污染的区域是光滑连续的，如果一点的像素值与其邻域的像 素值差别不是很大，即该点的像素值与其邻域的相关性较大，那么该点很可能没有受到噪 声的污染，如果该点的像素值与其邻域的相关性较小，那么该点受到噪声污染的可能性就 较大，为实现图像中噪声点的精确检测，尽量避免漏检或误检的发生，本专利技术提出了一种新 的噪声检测方法，该方法先利用方向因子对图像进行第一级噪声检测，确定候选噪声点，为 了提高判断的准确度，本专利技术在第一步检测结果的基础上对噪声点进行二次判断。 其中算法模块的算法如下： 第一步：计算八个方向因子卷积绝对值的最小值N，利用八个方向因子来检测图 像中的噪声点，其中中心点为4，灰色点为-1，白色点为0，八个方向因子个对应着不同的边 缘，为了方便记这八个方向因子的核为K h，h= 1，2…8 ; 设X是一幅待检测的数字图像，其大小为MXN，若图像某一点像素（x，y)，其灰度 值为fxy，则以点（x，y)为中心的5X 5检测窗口中所有像素灰度值构成集合W为 W= {fx=s，y= t|-2 彡s彡 2，_2 彡t彡 2,（x，y)GX}; W与八个方向因子作卷积，取八个卷积绝对值的最小值，作为该点的输出值即 N(x，y)，即 N(x,y) =min(x,y), N2(x,y),???, N8(x,y))； 其中，= = 1,2…8,表示方向核心与（x，y)为中心的5X5的 原图像像素的卷积；当像素点输出值N(x，y)大于预设阈值1\时，即可将该像素（x，y)划归为候选噪 声点，用g xy= 1标记；否则，判断该像素为图像本身小苏点，用gxy= 〇标记，即式（1.2)之所以能用与检测（x，y)是否为噪声点或图像本身像素，主要原因如下： 若（x，y)是局部平滑区域中的信号像素时，则这八个卷积的值都应当很小，趋近于〇,因此， N(x， y)的值会非常小；若（x，y)是某条边缘上的像素时，则它与这条边缘上的像素（方向 核）的卷积会很小，因此，的值会非常小；(x，y)是一个噪声点时，则它与八个方向核的卷积 的值都会很大，因此，N(x, y)的值也会很大； 第二步：为了提高判断的准确度，在第一步检测结果的基础上对噪声点进行二次 判断，二次判断根据包含噪声点（x，y)的检测窗口内未感染噪声的像素点得到隶属度函 数，进行二次判断； 若像素点（x，y)在第一次检测中被认为是候选噪声点，那么就通过窗口中的信息 点获得局部隶属度函数，进行二次模糊判断，窗口 5X5中信息点的均值为 其中，N代表窗口 5X5中信息点的个数，f(x+i，y+j)代表5X5窗口中信息点的灰 度值； 信息点的方差为 其中，N代表窗口 5X5中信息点的个数，f(x+i，y+j)代表5X5窗口中信息点的灰 度值，y为信息点的均值； 根据大部分图像局部象素点灰度值分布的特点，本文采用高斯曲线型的隶属度 函数，其数学表达式为 f (x) = exp {- (x-n)z/2 〇 2}； 当二次检测的象素点的隶属度函数的函数值大于等于阈值T2时，该点二次判断 结果是信息点，gxy= 〇标记；如果函数值小于阈值12时，该点二次判断结果为噪声点，用gxy =1标记，即 因为不同的检测窗口，噪声感染率有差别，当窗口噪声感染率高时，待判断点被感 染的可能性就大，可用的信息点就相对减少，这时阈值应该相应变大，相反当窗口噪声感染 率小时，阈值应相应变小，所以阈值T的表达式为 T2= (l~r) ? 〇 ； N 其中，r 代表大小为5X5的窗口的噪声感染率； 5x5 本文档来自技高网...

【技术保护点】
一种视频质量智能诊断分析系统，该系统由视频监控终端、解码器、服务器、视频质量诊断分析仪、视频监控摄像装置组成，其特征在于，所述视频质量诊断分析仪具有收集视频模块、算法模块、传送模块及反馈模块，所述服务器内部设置有设备管理系统，所述收集视频模块将所述视频监控摄像装置的视频信号收集后输入到所述算法模块中，所述算法模块对所述视频信号进行视频质量智能诊断分析，分析后如低于噪声阀值则由所述传送模块的输出端输出到到所述解码器后由所述视频终端输出，分析后如有噪声如高于噪声阀值则由所述反馈模块的输出端输出到所述服务器，由所述服务器中的所述设备管理系统进行预警；其中所述算法模块的算法如下：输入图像后记录像素点，然后计算八个方向因子卷积绝对值的最小值N，当N小于阀值T1时，由所述传送模块的输出端输出到到所述解码器后由所述视频终端输出；当N大于阀值T1时，则判断为噪声点，对其进行二次判断，二次判断是计算其局部隶属度函数f(x)，当f(x)大于阀值T2时，则由所述传送模块的输出端输出到到所述解码器后由所述视频终端输出；当f(x)小于阀值T2时，则最终判断为噪声点，由所述反馈模块的输出端输出到所述服务器，由所述服务器中的所述设备管理系统进行预警。...

【技术特征摘要】

【专利技术属性】
技术研发人员：马玫，杨鸿昌，陈少磊，郭琳，王一焰，冯盈，秦理，吴绍权，
申请(专利权)人：国网四川省电力公司信息通信公司，国家电网公司，
类型：发明
国别省市：四川;51