一种监控视频质量评估方法、系统及存储介质技术方案

本发明专利技术公开了视频质量评估领域的一种监控视频质量评估方法、系统及存储介质，包括：采集监控设备拍摄的监控视频，并由监控视频提取各帧的监控图像；将前若干帧对应的监控图像输入至异常检测模块，判断监控视频是否存在质量缺陷；当判断监控视频存在质量缺陷时，放弃评估并输出监控视频权限预警；否则，将剩余的监控图像根据用户设置分别输入至预先训练好的场景分割模型和预先训练好的目标检测模型，获得场景分割评分和目标检测评分；将场景分割评分和目标检测评分进行加权求和得监控视频评分，本发明专利技术根据监控视频评分确定监控区域布设不合理的监控设备并进行人工调整，降低监控系统检测过程中人工成本。统检测过程中人工成本。统检测过程中人工成本。

A monitoring video quality evaluation method, system and storage medium

【技术实现步骤摘要】
一种监控视频质量评估方法、系统及存储介质


[0001]本专利技术属于视频质量评估领域，具体涉及一种监控视频质量评估方法、系统及存储介质。

技术介绍

[0002]目前运行的监控系统中存在大量非正常运行的摄像机，而且监控系统的运维工作基本还是依靠人工检测和处理，即使监控系统中存在了一些故障监测的机制或者手段，也只是简单地判断网络是否联通，摄像机是否在线等功能，无法真正做到对监控系统中存在问题的摄像头进行甄别。另一方面，如今随着计算机网络和监控网络的迅速发展，摄像头数量增长迅猛，单纯地依靠人力来对监控摄像质量进行判断逐渐变得不现实。
[0003]随着人工智能的迅速发展，由机器代替人工完成相对固定的工作已经成为一种趋势，这不仅可以作为人工的辅助手段，更能降低人工成本。目前视频质量的评估方法大多局限于对图像质量的评估，停留在对图像模糊、色彩异常、雪花干扰、云台失控等方面的检测上，而没有提出一种能够从监控内容着手的、与人的主观判断相符的适用于监控摄像这种特殊视频的质量评估方法，这在针对监控视频做分析时，常常表现出局限性。
>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种监控视频质量评估方法，其特征在于，包括：采集监控设备拍摄的监控视频，并由监控视频提取各帧的监控图像；将前若干帧对应的监控图像输入至异常检测模块，判断监控视频是否存在质量缺陷；当判断监控视频存在质量缺陷时，放弃评估并输出监控视频权限预警；否则，将剩余的监控图像根据用户设置分别输入至预先训练好的场景分割模型和预先训练好的目标检测模型，获得场景分割评分和目标检测评分；将场景分割评分和目标检测评分进行加权求和得监控视频评分，通过监控视频评分辅助人工对监控设备的检测。2.根据权利要求1所述的一种基于步态信息的疲劳检测方法，其特征在于，将前若干帧对应的监控图像输入至异常检测模块，判断监控视频是否存在质量缺陷的方法包括：对监控图像进行灰度化处理，计算监控图像内灰度值超过预设阈值的像素点数量；当监控图像内灰度值超过预设阈值的像素点大于80％总像素点数量时，输出黑屏或蓝屏的质量缺陷预警；当监控图像内灰度值超过预设阈值的像素点小于80％总像素点数量时，通过Sobel算法计算监控图像的边缘梯度G；根据边缘梯度G判断监控图像是否存在清晰度质量缺陷。3.根据权利要求2所述的一种基于步态信息的疲劳检测方法，其特征在于，通过Sobel算法计算监控图像的边缘梯度G的方法包括：将模板矩阵Sx和模板矩阵Sy分别与监控图像进行平面卷积，得到的横向亮度差Gx和纵向亮度差Gy；模板矩阵Sx和模板矩阵Sy的公式为：根据横向亮度差Gx和纵向亮度差Gy计算监控图像的边缘梯度G，公式为：4.根据权利要求1所述的一种基于步态信息的疲劳检测方法，其特征在于，将监控图像输入至预先训练好的场景分割模型，获得场景分割评分的方法包括：将监控图像输入进行场景分割模型获得预测图；统计目标区域与场景区域的占比情况，计算场景分割评分S
seg
的表达公式为：S
seg
＝N
target
/(width
×
height)
×
100％其中，N
target
表示目标区域的像素点数量；width为监控图像宽度方向的像素点数量；height为监控图像的高度方向的像素点数量。5.根据权利要求4所述的一种基于步态信息的疲劳检测方法，其特征在于，将监控图像输入进行场景分割模型获得预测图的方法包括：通过场景分割模型的主干网络对监控图像提取监控特征和浅层特征；将监控特征依...

【专利技术属性】
技术研发人员：李晓飞，赵云杰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：