一种基于图像质量的监控运行监测方法技术

本发明专利技术公开了一种基于图像质量的监控运行监测方法，包括如下步骤：采集监控图像；通过构建好的图像质量分数评价模型对采集的监控图像进行质量评价，获取到质量评价图像质量分数；根据图像质量分数，对采集的监控图像进行运行状态评价；实时动态展示监控图像运行状态的变化情况；根据监控图像运行状态，对监控运行情况进行监测。本发明专利技术实现了实时在线检测，能够客观、迅速、高效、数字化评价监控图像/视频质量，方便有关人员进行检查和维修，提高监控异常发现的效率，节省大量人力资源成本。节省大量人力资源成本。节省大量人力资源成本。

【技术实现步骤摘要】
一种基于图像质量的监控运行监测方法


[0001]本专利技术属于图像处理领域，具体涉及一种基于图像质量的监控运行监测方法。

技术介绍

[0002]随着监控系统技术的快速发展以及应用成本的快速降低，同时为了满足更多安全的需求，越来越多监控系统应用在人们生活的各个方面。随着监控系统的推广，一些潜在的问题也显现出来，其中以监控视频图像质量参差不齐尤为明显。在监控系统中，经常会出现失焦模糊、块效应等明显严重影响图像质量的问题，如果不能及时处理就会影响监控的效果。而当今监控系统都非常庞大，动辄成百上千个监控视频。在这种情况下，雇佣大量人力主观地对大量监控视频的图像质量做不间断的评估是一种不现实的方法。因此，如何能够即时的客观的评价监控视频图像的质量，使每一个子网的视频质量达到监控目的的需求，成为了监控视频研究领域的一个新的方向。
[0003]另一方面，监控图像的评价标准与监控系统的监管对于监控系统的应用扩展也有着极大的影响。传统监控图像的评价采用主观评价的方式，耗时耗力，在实践中存在诸多不便。与此同时，监控系统的监管偏重工程建设的管理，而忽视系统交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像质量的监控运行监测方法，其特征在于，包括如下步骤：S1：采集监控图像；S2：通过构建好的图像质量分数评价模型对采集的监控图像进行质量评价，获取到质量评价图像质量分数；S3：根据图像质量分数，对采集的监控图像进行运行状态评价；S4：实时动态展示监控图像运行状态的变化情况；S5：根据监控图像运行状态，对监控运行情况进行监测。2.根据权利要求1所述的一种基于图像质量的监控运行监测方法，其特征在于，所述步骤S1中通过PC端主机、树莓派主板和USB摄像头实现监控图像的实时采集和传输，具体包括如下：A1：在SD卡上烧录MATLAB镜像：USB摄像头连接在树莓派主板上，通过PC主机端的MATLAB来对树莓派主板进行操作，以此控制摄像头实时采集视频图像；先将SD卡插入主机卡槽，并打开MATLAB的硬件资源包，选择MATLAB Simulink树莓派硬件支持包下载安装，将MATLAB镜像烧录到SD卡中，选择MATLAB与树莓派主板的连接方式为WIFI连接，输入热点ID及密码，按步骤即可完成无线连接的MATLAB镜像烧录；A2：连接MATLAB、树莓派主板与USB摄像头：将USB摄像头接入树莓派主板的USB2.0接口，将烧录好的SD卡插入树莓派主板的卡槽并开机，打开WIFI热点使树莓派主板和主机连接到同一网络下，在MATLAB命令行输入re＝raspi查看树莓派主板的属性；A3：通过MATLAB控制树莓派主板从USB摄像头实时采集图像：打开MATLAB的Simulink模块，创建一个Simulink文件，在资源库中找到Simulink对树莓派的支持包，添加需要的组件搭建模型，将组件接线，即可开始运行实时采集视频图像。3.根据权利要求1所述的一种基于图像质量的监控运行监测方法，其特征在于，所述步骤S2中图像质量分数评价模型的构建方法为：B1：提取5个图像质量相关特征，分别为方向梯度直方图特征、局部梯度强度直方图特征、局部亮度直方图特征、局部梯度强度标准差直方图特征和局部亮度标准差直方图特征；B2：基于所提取特征分别计算参考图像和失真图像的5个特征图，计算参考图像和失真图像之间的特征图差异得到差异特征图；B3：采用差异特征图均值表示参考图像和失真图像之间不同的特性差异，融合每幅失真图像5个特征图所对应的差异值得到差异向量；B4：通过SVR学习差异向量和图像质量分值之间的映射关系得到图像质量分数评价模型。4.根据权利要求3所述的一种基于图像质量的监控运行监测方法，其特征在于，所述步骤B1中5个图像质量相关特征的提取方法为：方向梯度直方图特征提取步骤如下：C1：采用公式(1)对图像进行伽马校正；公式中R(i,j)、G(i,j)和B(i,j)分别对应图像在(i,j)处RGB颜色通道值，I(i,j)为矫正后(i,j)处像素点的灰度值，
C2：采用公式(2)和公式(3)分别计算图像在(i,j)处的水平方向梯度和垂直方向梯度强度；公式中Gx(i,j)和Gy(i,j)分别对应(i,j)处水平方向梯度和垂直方向梯度，G
x
(i,j)＝I(i+1,j)
‑
I(i
‑
1,j)(2)G
y
(i,j)＝I(i,j+1)
‑
I(i,j
‑
1)(3)C3：利用步骤C2中所得到的水平方向梯度和垂直方向梯度计算图像在(i,j)处的梯度强度值G(i,j)和θ梯度方向，具体计算方法如公式(4)和公式(5)所示，由于梯度方向会根据Gx(i,j)和θ的正负对角度进行象限的归分，所以θ的范围是[0,360
°
]；]；C4：将图像分成互不重叠大小相同的连通区域并定义为cell，将图像划分为大小相同的cell，采用加权法计算每个cell的梯度方向直方图，每个cell的梯度方向平均划分为9个直方图通道，权值为梯度方向对应的梯度强度，得到方向梯度直方图；C5：对每个cell的直方图采用公式(6)进行归一化处理，其中hist为单一cell对应的直方图向量中第i个值，HIST为归一化后cell对应的直方图向量中第i个值；定义2*2个cell的区域为一个block，连接每个block中4个cell的直...

【专利技术属性】
技术研发人员：杨曦晨，余晴霞，张一鸣，刘雨鑫，陈烨，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：