一种视频质量诊断系统及方法技术方案

本发明专利技术属于实时视频监控领域，特别涉及一种视频质量诊断系统及方法。本发明专利技术首先通过视频源获取单元获取待检测的摄像机的视频帧，并将视频帧发送至视频质量诊断单元；视频质量诊断单元根据接收的视频帧以及每个待检测的摄像机的每类检测项目的检测阈值，通过每类检测项目对应的检测算法对视频帧进行诊断；用户通过终端页面来查看有问题的摄像机的诊断结果；用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到误检结果库中；视频质量诊断单元中的定时自学习模块根据误检结果库中的数据对摄像机的检测阈值进行修正。本发明专利技术能够大大降低视频质量诊断的误检率和漏检率，准确判断摄像机的视频质量。

【技术实现步骤摘要】
一种视频质量诊断系统及方法本专利技术为分案申请，原申请的申请日为2017年03月30日，申请号为201710200994.5，名称为基于定时自学习模块的视频质量诊断方法及系统。
本专利技术属于实时视频监控领域，特别涉及一种视频质量诊断系统及方法。
技术介绍
随着“平安城市”建设的迅速开展，“平安城市”具备规模大、点位多、区域广泛等特点，维护极其不便。仅靠人眼去识别图像的可用性，不仅劳动强度大，而且滞后、不可靠，导致后期事后取证困难。且也会导致后端视频分析、存储、传输等系统的巨大资源浪费。视频质量诊断系统针对视频图像出现黑屏、模糊、亮度异常、噪声、偏色、抖动、冻结、PTZ运动检测、人为遮挡等常见摄像头故障、视频信号干扰、视频质量下降等进行准确分析、判断和报警。提高城市的管理水平，更新城市的形象。目前市面上的视频质量诊断系统主要是每种算法拥有一套阈值。但在使用过程中，由于摄像机所处位置导致的图像纹理、图像所能获取的信息不同。如果采用同一套阈值，则导致更多的误检率和漏检率。另外摄像机在使用过程中，因为老化等原因造成摄像机质量下降，但还未达到需要检修的目的。所以在诊断过程中需要智能化的调整摄像机视频质量的参数，以避免系统无法准确判断摄像机的视频质量。
技术实现思路
为了克服上述现有技术的缺陷，本专利技术提供一种视频质量诊断系统，解决了现有技术中视频质量诊断误检率和漏检率高的问题。为实现上述目的，本专利技术采用以下技术方案：包括视频源获取单元(10)、视频质量诊断单元(20)、数据存储单元(30)以及管理单元(40)，其中，视频源获取单元(10)，用于获取待检测的摄像机的视频帧；视频质量诊断单元(20)，用于对获取的视频帧利用每类检测项目的检测阈值以及与每类检测项目相对应的检测算法进行诊断，得出诊断结果；数据存储单元(30)，用于对诊断结果进行保存；管理单元(40)，用于和用户进行交互，用户能够通过管理单元(40)查看摄像机的诊断结果；视频质量诊断系统还包括误检结果库，用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到所述误检结果库中。所述视频质量诊断单元(20)包括定时自学习模块(21)以及视频质量诊断算法模块(22)，所述定时自学习模块(21)包括图片读取模块(211)、图像特征提取模块(212)、机器学习模块(213)、阈值更新模块(214)，其中，图片读取模块(211)，用于读取误检结果库中的摄像机的图片，并将所述摄像机的图片送至图像特征提取模块(212)；图像特征提取模块(212)，用于分析图片特征，并将分析出的图片特征发送至机器学习模块(213)；机器学习模块(213)，用于分析出的图片特征与原来摄像机的特征数据融合进行机器学习，得出误检的摄像机的每类检测项目的新的检测阈值；阈值更新模块(214)，用于更新摄像机的检测阈值。本专利技术还提供了一种视频诊断方法，其特征在于，包括以下步骤：S1、到达检测开始时间，视频源获取单元(10)获取待检测的摄像机的视频帧，并将所述视频帧发送至视频质量诊断单元(20)；S2、视频质量诊断单元(20)根据接收的视频帧以及每个待检测的摄像机的每类检测项目的检测阈值，通过每类检测项目对应的检测算法对视频帧进行诊断；S3、诊断完毕后，将诊断结果保存在数据存储单元(30)中；S4、用户通过终端页面来查看有问题的摄像机的诊断结果；S5、用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到误检结果库中；S6、视频质量诊断单元(20)中的定时自学习模块(21)根据误检结果库中的数据对摄像机的检测阈值进行修正。进行步骤S1之前用户需要设置待检测的摄像机、检测的时间段、检测间隔，系统自动根据检测的时间段以及检测间隔确定检测开始时间。步骤S6的具体操作步骤如下：S61、用户设定定时自学习时间，达到设定的自学习时间后，系统启动定时自学习模块(21)；所述定时自学习模块(21)包括图片读取模块(211)、图像特征提取模块(212)、机器学习模块(213)、阈值更新模块(214)；S62、所述图片读取模块(211)读取误检结果库中的摄像机的图片，并将所述摄像机的图片送至图像特征提取模块(212)；S63、所述图像特征提取模块(212)分析图片特征，并将分析出的图片特征发送至机器学习模块(213)；S64、所述机器学习模块(213)将分析出的图片特征与原来摄像机的特征数据即摄像机默认的检测阈值参数所对应的图片特征数据结合进行机器学习，得出误检的摄像机的每类检测项目的新的检测阈值；S65、所述阈值更新模块(214)更新摄像机的检测阈值。所述图片特征至少包括图片亮度特征、图片的边界特征、图片的直方图特征。所述检测项目包括黑屏检测、模糊检测、亮度异常检测、噪声检测、偏色检测、抖动检测、冻结检测、PTZ运动检测、人为遮挡检测。所述步骤S1中的视频源获取单元(10)通过轮询和并发的方式获取待检测的摄像机的视频帧。本专利技术还提供了一种视频质量诊断的自学习方法，其特征在于，包括以下步骤：S1，图片读取模块(211)读取误检结果库中的摄像机的图片，并将所述摄像机的图片发送至图像特征提取模块(212)；误检结果库中的摄像机的图片来源为：用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到所述误检结果库中；S2，所述图像特征提取模块(212)分析图片特征，并将分析出的图片特征发送至机器学习模块(213)；所述图片特征至少包括图片亮度特征、图片的边界特征、图片的直方图特征；S3，所述机器学习模块(213)将分析出的图片特征与原来摄像机的特征数据即摄像机默认的检测阈值参数所对应的图片特征数据结合进行机器学习，得出误检的摄像机的每类检测项目的新的检测阈值；所述检测项目包括：黑屏检测、模糊检测、亮度异常检测、噪声检测、偏色检测、抖动检测、冻结检测、PTZ运动检测、人为遮挡检测；S4，所述阈值更新模块(214)更新摄像机的检测阈值。本专利技术的优点在于：(1)本专利技术在视频质量诊断单元中设置了定时自学习模块，用户终端通过终端页面查看有问题的摄像机的诊断结果，用户对诊断结果进行确认，如果认为诊断结果是正常而系统检测为异常，则加入到误检结果库中，定时自学习模块根据误检结果库中的数据对摄像机的检测阈值进行修正，因此本专利技术能够大大降低视频质量诊断的误检率和漏检率，准确判断摄像机的视频质量。(2)视频源获取单元通过轮询和并发的方式获取待检测的摄像机的视频帧，因此每台服务器可以同时进行多路摄像机检测，大大地提高了检测的效率。(3)本专利技术的视频质量诊断的自学习方法，根据误检结果库中的数据对摄像机的检测阈值进行修正，因此本专利技术能够大大降低视频质量诊断的误检率和漏检率，准确判断摄像机的视频质量。附图说明图1为本专利技术的视频质量诊断方法的总体流程图；图2为本专利技术的定时自学习模块对摄像机的检测阈值进行修正的流程图；图3为本专利技术的视频质量诊断系统的结构框图；图4为本专利技术的视频质量诊断单元的结构框图。图中的附图标记含义如下：10—视频源获取单元20—视频质量诊断单元21—定时自学习模块22—视频质量诊断算法模块211—图片读取模块212—图像特征提取模块213—机器学习模块214—阈值更新模本文档来自技高网...

【技术保护点】
1.一种视频质量诊断系统，其特征在于，包括视频源获取单元(10)、视频质量诊断单元(20)、数据存储单元(30)以及管理单元(40)，其中，视频源获取单元(10)，用于获取待检测的摄像机的视频帧；视频质量诊断单元(20)，用于对获取的视频帧利用每类检测项目的检测阈值以及与每类检测项目相对应的检测算法进行诊断，得出诊断结果；数据存储单元(30)，用于对诊断结果进行保存；管理单元(40)，用于和用户进行交互，用户能够通过管理单元(40)查看摄像机的诊断结果；视频质量诊断系统还包括误检结果库，用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到所述误检结果库中。

【技术特征摘要】
1.一种视频质量诊断系统，其特征在于，包括视频源获取单元(10)、视频质量诊断单元(20)、数据存储单元(30)以及管理单元(40)，其中，视频源获取单元(10)，用于获取待检测的摄像机的视频帧；视频质量诊断单元(20)，用于对获取的视频帧利用每类检测项目的检测阈值以及与每类检测项目相对应的检测算法进行诊断，得出诊断结果；数据存储单元(30)，用于对诊断结果进行保存；管理单元(40)，用于和用户进行交互，用户能够通过管理单元(40)查看摄像机的诊断结果；视频质量诊断系统还包括误检结果库，用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到所述误检结果库中。2.根据权利要求1所述的一种基于定时自学习模块的视频质量诊断系统，其特征在于，所述视频质量诊断单元(20)包括定时自学习模块(21)以及视频质量诊断算法模块(22)，所述定时自学习模块(21)包括图片读取模块(211)、图像特征提取模块(212)、机器学习模块(213)、阈值更新模块(214)，其中，图片读取模块(211)，用于读取误检结果库中的摄像机的图片，并将所述摄像机的图片送至图像特征提取模块(212)；图像特征提取模块(212)，用于分析图片特征，并将分析出的图片特征发送至机器学习模块(213)；机器学习模块(213)，用于分析出的图片特征与原来摄像机的特征数据融合进行机器学习，得出误检的摄像机的每类检测项目的新的检测阈值；阈值更新模块(214)，用于更新摄像机的检测阈值。3.根据权利要求2所述的一种视频质量诊断系统的视频诊断方法，其特征在于，包括以下步骤：S1、到达检测开始时间，视频源获取单元(10)获取待检测的摄像机的视频帧，并将所述视频帧发送至视频质量诊断单元(20)；S2、视频质量诊断单元(20)根据接收的视频帧以及每个待检测的摄像机的每类检测项目的检测阈值，通过每类检测项目对应的检测算法对视频帧进行诊断；S3、诊断完毕后，将诊断结果保存在数据存储单元(30)中；S4、用户通过终端页面来查看有问题的摄像机的诊断结果；S5、用户对诊断结果进行确认，如果认为视频质量正常而系统诊断异常，则将诊断结果加入到误检结果库中；S6、视频质量诊断单元(20)中的定时自学习模块(21)根据误检结果库中的数据对摄像机的检测阈值进行修正。4.根据权利要求3所述的一种视频质量诊断方法，其特征在于，进行步骤S1之前用户需要设置待检测的摄像机、检测的时间段、检测间隔，系统自动根据检测...

【专利技术属性】
技术研发人员：马韵洁，吴艳平，朱萍，罗晶晶，丁斌，黄翔，刘畅，张伟，薛虎，
申请(专利权)人：安徽四创电子股份有限公司，
类型：发明
国别省市：安徽,34