一种摄像头画面质量异常检测与识别方法技术

本发明专利技术公开一种摄像头画面质量异常检测与识别方法，其包括：S1：从视频流中读取视频帧，设定移位参考帧和抖动参考帧；S2：对摄像头输入进行信号检测；S3：对摄像头输入进行画面部分丢失检测；S4：依据当前移位参考帧和当前抖动参考帧对摄像头输入进行画面冻结检测；S5：对摄像头输入进行遮挡检测；S6：依据转换的Lab颜色空间图像img_Lab对摄像头输入进行亮度检测；S7：依据Lab颜色空间图像img_Lab对摄像头输入进行偏色检测；S8：依据高斯模糊图像img_gaussian对摄像头输入进行清晰度检测；S9：对摄像头输入进行噪声检测；S10：对摄像头输入进行带状条纹检测；S11：依据当前抖动参考帧对摄像头输入进行抖动检测；S12：依据当前移位参考帧对摄像头输入进行移位检测。位参考帧对摄像头输入进行移位检测。位参考帧对摄像头输入进行移位检测。

【技术实现步骤摘要】
一种摄像头画面质量异常检测与识别方法


[0001]本专利技术涉及摄像头异常检测领域，具体而言，涉及一种摄像头画面质量异常检测与识别方法。

技术介绍

[0002]现今，面对数量庞大且不断增长的视频监控设备，对于监控设备和视频图像的运维提出了更高的要求，随着视频监控系统的规模逐渐扩大，系统中使用的摄像头越来越多，使得传统管理人员的工作量成倍的增长；另外，由于复杂的外部环境，或者设置质量问题以及传输过程中导致的视频质量损伤，很多时候摄像头的异常无法被人工肉眼识别，人工也很难做到7*24小时在线实时监控。因此，实现监控系统自动化检测摄像头异常状况具有十分重要的意义。视频异常检测系统就是为了提高监控系统的工作效率，减少监控工作人员的工作量。常见的视频质量问题包括摄像头信号丢失，画面局部丢失、画面冻结、摄像头遮挡、画面亮度异常、画面颜色偏色、画面模糊、画面出现噪声或条带、摄像头抖动、摄像头移位等。
[0003]公开号为CN 112804520 A的申请公开了一种高速监控视频质量检测方法(后称为现有技术1)，如图1所示，图1为现有技术1的检测流程图，其包括了黑屏检测、遮挡检测、模糊检测、亮度异常检测与色度异常检测，其中：黑屏检测是将图像灰度化，通过公式Gray＝R*0.299+G*0.587+B*0.114计算出像素灰度化后的值，像素灰度化后的值小于T1的像素称为偏暗像素，然后统计偏暗像素占总体像素比例rate，rate＝blackNum/totalNum，blackNum为偏暗像素总数，totalNum为像素总数，且totalNum＝gray.rows*gray.cols，gray.rows表示图像高，gray.cols表示图像宽，T1为判断偏暗像素的经验值；设定对比阈值T，将偏暗像素占总体像素比例rate与对比阈值T进行比较，若rate>T，则当前图像是黑屏，反之则不是；遮挡检测是将图像灰度化，然后通过拉普拉斯算法提取边缘特征信息，计算灰度图中较暗区域的轮廓，对面积大于阈值的轮廓进行提取，像素灰度化后的值小于T1的像素称为偏暗像素，偏暗像素集合构成较暗区域，计算提取轮廓的拉普拉斯边缘的均值和方差，根据计算结果设定阈值判断是否存在遮挡的现象；模糊检测是先将灰度图像进行三层Harr小波分解，对于小波转换后的频域图像进行边缘检测，对每层小波转换图像像素矩阵求平方，矩阵像素累加求平均矩阵并赋值给新矩阵，所述新矩阵称为距离矩阵；分别遍历每层小波变换的距离矩阵，设置m*n窗口，m代表距离矩阵的行数，n代表距离矩阵的列数，求窗口内的最大值，获得每层变换后的距离最大值矩阵，然后求取每层变换后的距离最大值矩阵的均值和方差，求三层小波分解的距离最大值矩阵的平均值，再根据三层小波域的距离最大值矩阵，设定每层的阈值条件，遍历距离最大值矩阵，统计三个距离最大值矩阵中同时满足小于阈值的像素个数，记为nEdge，统计满足矩阵1＞矩阵2＞矩阵3的像素个数，记为nDa，模糊系数Per＝float(nDa)/nEdge，再根据模糊系统设定阈值判断图像是否模糊；亮度异常检测是通过计算图像灰度图的均值和方差，若均值偏离均值点，并且方差小于设定的正常方差，则判定图像亮度存在异常；色度异常检测是先将图像RGB空间转换到Lab空间，计
算图像在a和b分量上的均值和方差，通过设定阈值的方式判断图像是否存在色偏，根据a、b分量的正负偏移量，判定图像偏什么颜色。
[0004]然而，上述方案在黑屏检测时，对于目前的相机，若无信号不一定完全为黑屏，通常丢失信号的画面为带字幕提示的状态，所以黑屏检测适应范围较窄。在遮挡检测时使用拉普拉斯算子提取边缘特征信息，但是拉普拉斯算子对噪声比较敏感。且上述方案没有考虑到画面存在噪点或条带异常情况，以及监控相机的画面还存在抖动或者移位的情况。
[0005]公开号为CN 112291551 A的申请公开了一种基于图像处理的视频质量检测方法、存储设备及移动终端(后称为现有技术2)，如图2所示，图2为现有技术2的检测流程图，其通过首先选取一张标准图像，对标准图像进行图像预处理，得出标准帧的值；然后从实时视频中不断读取照片，对实时视频图片进行局部图像处理，将局部图像处理的结果与标准帧进行对比，最后对处理后的局部图像进行各项检测，综合所有的检测结果得出视频质量的结果。然而，其选择一张标准图像，并没有按时更新此参考图，随着时间和光线变化，如环境光照明显变暗或者变亮，当前图的各项检测指标与标准图像的计算结果就会有很大差别，会出现错误检测的情况。
[0006]因此，业内需要一种更高效、功能更全面的摄像头画面质量异常检测与识别方法。

技术实现思路

[0007]为解决上述问题，本专利技术提供一种摄像头画面质量异常检测与识别方法，通过处理摄像头中的实时视频流，检测出摄像头画面的异常情况，并识别出摄像头信号丢失，画面局部丢失、画面冻结、摄像头遮挡、画面亮度异常、画面颜色偏色、画面模糊、画面出现噪声或条带、摄像头抖动、摄像头移位11种异常情况，检测与识别的效率更高。
[0008]为达到上述目的，本专利技术提供了一种摄像头画面质量异常检测与识别方法，其包括：
[0009]步骤S1：从视频流中读取视频帧，将摄像头实时传输的视频流依次解码成RGB三通道图像帧img，并将每张图像帧img等比例缩放为图像img_resize，其中，任一图像img_resize的宽为w，高为h，将第一帧的图像img_resize拷贝为移位参考帧img_move和抖动参考帧img_jitter的初始图像，然后每n秒更新一次，将对应时刻图像img_resize作为更新后的移位参考帧img_move，其前一帧图像img_resize作为更新后的抖动参考帧img_jitter；
[0010]步骤S2：对摄像头输入进行信号检测，具体为：
[0011]步骤S201：对任一图像img_resize进行高斯模糊，得到高斯模糊图像img_gaussian；
[0012]步骤S202：通过Canny算子对高斯模糊图像img_gaussian进行边缘提取的到图像img_canny；
[0013]步骤S203：查找图像img_canny中的连通区域数量contour_num，并计算1
‑
contour_num/(w*h)的值，若计算值大于预设阈值signal_thres则判定为无信号，直接结束检测；否则判定为有信号，继续后续检测；
[0014]步骤S3：对摄像头输入进行画面部分丢失检测；
[0015]步骤S4：依据当前移位参考帧img_move和当前抖动参考帧img_jitter对摄像头输入进行画面冻结检测；
[0016]步骤S5：对摄像头输入进行遮挡检测，具体为将任一图像img_resize转化为Lab颜色空间图像img_Lab，并计算灰度值小于预设阈值block_thres1的区域面积block_s1，然后对应找到步骤S202的图像img_canny中对应的边缘，统计对应边缘区域的面积block_s2，最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摄像头画面质量异常检测与识别方法，其特征在于，包括：步骤S1：从视频流中读取视频帧，将摄像头实时传输的视频流依次解码成RGB三通道图像帧img，并将每张图像帧img等比例缩放为图像img_resize，其中，任一图像img_resize的宽为w，高为h，将第一帧的图像img_resize拷贝为移位参考帧img_move和抖动参考帧img_jitter的初始图像，然后每n秒更新一次，将对应时刻图像img_resize作为更新后的移位参考帧img_move，其前一帧图像img_resize作为更新后的抖动参考帧img_jitter；步骤S2：对摄像头输入进行信号检测，具体为：步骤S201：对任一图像img_resize进行高斯模糊，得到高斯模糊图像img_gaussian；步骤S202：通过Canny算子对高斯模糊图像img_gaussian进行边缘提取的到图像img_canny；步骤S203：查找图像img_canny中的连通区域数量contour_num，并计算1
‑
contour_num/(w*h)的值，若计算值大于预设阈值signal_thres则判定为无信号，直接结束检测；否则判定为有信号，继续后续检测；步骤S3：对摄像头输入进行画面部分丢失检测；步骤S4：依据当前移位参考帧img_move和当前抖动参考帧img_jitter对摄像头输入进行画面冻结检测；步骤S5：对摄像头输入进行遮挡检测，具体为将任一图像img_resize转化为Lab颜色空间图像img_Lab，并计算灰度值小于预设阈值block_thres1的区域面积block_s1，然后对应找到步骤S202的图像img_canny中对应的边缘，统计对应边缘区域的面积block_s2，最后计算block_s2/block_s1的值，若计算值大于预设阈值block_thres2，则判定为有物体遮挡；步骤S6：依据Lab颜色空间图像img_Lab对摄像头输入进行亮度检测；步骤S7：依据Lab颜色空间图像img_Lab对摄像头输入进行偏色检测；步骤S8：依据高斯模糊图像img_gaussian对摄像头输入进行清晰度检测；步骤S9：对摄像头输入进行噪声检测；步骤S10：对摄像头输入进行带状条纹检测；步骤S11：依据当前抖动参考帧img_jitter对摄像头输入进行抖动检测；步骤S12：依据当前移位参考帧img_move对摄像头输入进行移位检测。2.根据权利要求1所述的摄像头画面质量异常检测与识别方法，其特征在于，步骤S3具体为：步骤S301：统计任一图像img_resize中各相邻像素之间的像素值差距不超过预设阈值partLose_thres1的连通区域的面积partLost_s1；步骤S302：计算partLost_s1/(w*h)的值，如果计算结果大于预设阈值partLose_thres2，则判定存在画面部分丢失的情况。3.根据权利要求1所述的摄像头画面质量异常检测与识别方法，其特征在于，步骤S4具体为：步骤S401：将当前待检测帧同时分别与当前的移位参考帧img_move和抖动参考帧img_jitter做差得到两个差分图像为diff_img_move与diff_img_jitter；步骤S402：统计差分图像中0像素的个数之和freeze_sum，并计算freeze_sum/(w*h)的值，如果计算结果大于预设阈值freeze_thres，则判定为画面冻结。
4.根据权利要求1所述的摄像头画面质量异常检测与识别方法，其特征在于，步骤S6具体为：步骤S601：统计任一图像img_Lab中的L通道值小于预设阈值bright_thres1的区域面积bright_s1；步骤S602：统计任一图像img_Lab中的L通道值大于预设阈值bright_thres2的区域面积bright_s2；步骤S603：分别计算bright_s1/(w*h)和bright_s2/(w*h)的值：如果bright_s1/(w*h)大于预设阈值bright_thres3，则判定为图像偏暗；如果bright_s2/(w*h)大于预设阈值bright_thres4，则判定为图像偏亮。5.根据权利要求1所述的摄像头画面质量异常检测与识别方法，其特征在于，步骤S7具体为：步骤S701：通过式(1)计算任一图像img_Lab中a通道和b通道的像素统计均值d
a
和d
b
，式中，a和b分别为img_Lab的a通道与b通道第i行第j列的像素值；步骤S702：通过以下计算求出偏色因子K的值：步骤S702：通过以下计算求出偏色因子K的值：K＝D/M式中，D与M为计算的中间值；步骤S703：如果偏色因子K的值大于偏色阈值color_thres，则判断图像存在偏色；步骤S704：比较∣d
a
∣和∣d
b
∣的大小，如果∣d
a
∣>∣d
b
∣，则查看的∣d

【专利技术属性】
技术研发人员：张何伟，琚午阳，
申请(专利权)人：威海睿芯智能科技有限公司，
类型：发明
国别省市：