专利名称：视频质量诊断方法
技术领域：
本发明涉及视频分析技术领域，具体涉及一种视频质量诊断方法。
背景技术：
安防系统最重要的特性是稳定可靠，视频监控系统是安防监控系统中最重要的组成部分，在报警发生后，视频信息的可靠可用是视频监控系统的基本要求。鉴于人工检测费事费力，在大系统中几乎是不可能的，因此智能地自动地对系统视频的质量定期进行检测是安防系统的必然要求，将来甚至会成为平台软件的必须模块。利用视频质量诊断系统，用户能够有效预防因视频采集设备、视频传输等环节导致的图像质量问题及所带来的损失，并及时发现破坏监控系统的不法行为。在设备、传输发生问题后，可以迅速进行处理，保障监控系统有效运行。系统亦有利于帮助用户快速掌握前端设备运行情况，轻松维护大型安防系统。
发明内容
(一 )要解决的技术问题本发明所要解决的技术问题是如何提供一种有效的视频质量诊断方法。( 二 )技术方案为解决上述技术问题，本发明提供了一种视频质量诊断方法，包括以下步骤S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据；S102、在预设的一定时间范围内对所述视频数据的各项指标进行检测，并给出诊断结果；其中，步骤SlOl和步骤S102异步执行，且在缓存一定数量的视频数据之后，再进行检测，并根据检测结果对视频质量给出诊断结果。优选地，所述各项指标包括视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小中的一种或几种。优选地，在步骤SlOl之后，步骤S102之前，还包括对所述视频数据进行预处理的步骤首先，对所述视频数据进行消除OSD处理；然后进行图像的亮度掩盖和复杂度掩盖处理。优选地，所述消除OSD处理具体为首先进行使用形态学方法对OSD文字行进行定位，然后对OSD的笔画部分进行分割，对笔画内的像素，使用其周围的非笔画部分加权后进行填充，从而消除图像中的0SD。优选地，所述图像的亮度掩盖和复杂度掩盖处理具体为首先对整帧图像取亮度和复杂度的平均值作为参考，然后对图像中每一个像素点使用N*N大小的算子进行卷积计算，其中N为正整数。优选地，对所述图像清晰度进行检测的方法为对亮度掩盖和复杂度掩盖处理后的图像取边缘，判断边缘的方向，并计算边缘法向的灰度变化率，以及灰度敏感度值，根据所述灰度变化率和灰度敏感度值，得出该图像的清晰度评价值。优选地，对所述视频丢失率进行检测的方法为对视频图像的所有像素的亮度进行聚类，若图像中的亮度值集中在预设大小范围的区域内，则认为该图像为视频信号的丢失，即无视频信号，从而计算出丢失率。优选地，对所述画面剧变度进行检测的方法为根据所述视频丢失率的检测结果， 当图像在视频信号正常和无视频信号的状态间震荡时，则认为图像为画面剧变，从而计算出画面剧变度。优选地，对所述稳定条纹干扰度进行检测的方法为根据所述视频丢失率的检测结果，当画面的局部行或列出现视频丢失的特征时，则认为该图像存在稳定条纹干扰，从而计算出稳定条纹干扰度。优选地，对所述画面偏色度进行检测的方法为将图像转换到Lab色域，对图像在 Lab色域中的分布进行统计，按照图像在Lab色域中的偏离程度获取图像的画面偏色度。优选地，对所述画面增益失衡度进行检测的方法为取图像灰度的期望值，与预设的阈值进行比较，得到画面是否过亮或过暗的结果，根据该结果判断画面增益失衡度。优选地，对所述对比度进行检测的方法为根据图像生成灰度共生矩阵，取所述灰度共生矩阵的局部最大值为图像的对比度检测结果。优选地，对所述画面冻结度进行检测的方法为保存第一帧图像，将第η帧开始的每一帧图像，都与第η-1帧图像求残差，得到残差计算结果，连续检测若干帧后，若残差的总和小于预设阈值，则认为这一段视频为画面冻结，从而得出画面冻结度结果，η为大于2 的正整数。优选地，所述画面抖动度的检测方法为对m帧视频图像进行m-1次全局运动估计，对m-1次的全局运动估计的大小和方向进行统计，从而得到画面抖动度的结果，m为正整数。优选地，横纹叠加度和噪声大小检测的方法为参考所述残差计算结果和全局运动估计结果，进行形态学处理，统计后得出横纹叠加度和噪声大小的检测结果。(三)有益效果本发明通过异步处理技术，以及所设计的对视频数据的图像清晰度、视频丢失率、 画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小这些指标的检测方式，实现了一种有效的视频质量诊断方法， 其中，建立转发服务器获取远程摄像头数据，能够有效兼容前端各种类型的摄像头；预处理消除了 OSD文字对诊断结果的影响，亮度掩盖和复杂度的掩盖使诊断结果与人眼的评价结果更加接近。
图1是本发明实施例的方法流程图。
具体实施例方式下面对于本发明所提出的一种视频质量诊断方法，结合附图和实施例详细说明。
如图1所示，本发明提供了一种视频质量诊断方法，包括以下步骤S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据；S102、在预设的一定时间T范围内对所述视频数据的各项指标进行检测，并给出诊断结果。其中，步骤SlOl和步骤S102异步执行，且在缓存一定数量的视频数据之后，再进行检测，并根据检测结果对视频质量给出诊断结果，例如，如果检测结果中预设的某几项指标达到预设的值，则认为诊断合格。本实施例中，所述各项指标包括视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小中的一种或几种。本实施例中，在步骤SlOl之后，步骤S102之前，还包括对所述视频数据进行预处理的步骤首先，对所述视频数据进行消除OSD处理；然后进行图像的亮度掩盖和复杂度掩盖处理。其中，视频数据上常常被叠加了表示时间、地点等信息的文字，即On Screen Display，其简称为0SD。本实施例中，所述消除OSD处理具体为首先进行使用形态学方法对OSD文字行进行定位，然后对OSD的笔画部分进行分割，对笔画内的像素，使用其周围的非笔画部分加权后进行填充，从而消除图像中的0SD。本实施例中，所述图像的亮度掩盖和复杂度掩盖处理具体为首先对整帧图像取亮度和复杂度的平均值作为参考，然后对图像中每一个像素点使用N*N大小的算子进行卷积计算，其中N取5或7。本实施例中，对所述图像清晰度进行检测的方法为对亮度掩盖和复杂度掩盖处理后的图像取边缘，判断边缘的方向，并计算边缘法向的灰度变化率，以及灰度敏感度值， 根据所述灰度变化率和灰度敏感度值，得出该图像的清晰度评价值，假设灰度变化率为a， 灰度敏感度为s，清晰度评价值为h，则h = 2as/ π。本实施例中，对所述视频丢失率进行检测的方法为对视频图像的所有像素的亮度进行聚类，若图像中的亮度值集中在预设大小范围的区域内，则认为该图像为视频信号的丢失，即无视频信号，从而计算出丢失率，例如可以将无视频信号的时间除以所检测的时间T，得到的计算结果作为丢失率。本实施例中，对所述画面剧变度进行检测的方法为根据所述视频丢失率的检测结果，当图像在视频信号正常和无视频信号的状态间震荡时，则认为图像为画面剧变，从而计算出画面剧变度，例如可以将画面剧变的时间除以所检测的时间T，得到的计算结果作为画面剧变度。本实施例中，对所述稳定条纹干扰度进行检测的方法为根据所述视频丢失率的检测结果，当画面的局部行或列出现视频丢失的特征时，则认为该图像存在稳定条纹干扰， 从而计算出稳定条纹干扰度，例如可以将存在稳定条纹干扰的时间除以所检测的时间T，得到的计算结果作为稳定条纹干扰度。本实施例中，对所述画面偏色度进行检测的方法为将图像转换到Lab色域，对图像在Lab色域中的分布进行统计，按照图像在Lab色域中的偏离程度获取图像的画面偏色度。
本实施例中，对所述画面增益失衡度进行检测的方法为取图像灰度的期望值，与预设的阈值进行比较，得到画面是否过亮或过暗的结果，根据该结果判断画面增益失衡度。本实施例中，对所述对比度进行检测的方法为根据图像生成灰度共生矩阵，取所述灰度共生矩阵的局部最大值为图像的对比度检测结果。本实施例中，对所述画面冻结度进行检测的方法为保存第一帧图像，将第η帧开始的每一帧图像，都与第η-1帧图像求残差，得到残差计算结果，连续检测若干帧后，若残差的总和小于预设阈值，则认为这一段视频为画面冻结，从而得出画面冻结度结果，η为大于2的正整数，例如可以将存在画面冻结的时间除以所检测的时间Τ，得到的计算结果作为画面冻结度。本实施例中，所述画面抖动度的检测方法为对m帧视频图像进行m-1次全局运动估计，对m-1次的全局运动估计的大小和方向进行统计，从而得到画面抖动度的结果，m为正整数。本实施例中，横纹叠加度和噪声大小检测的方法为参考所述残差计算结果和全局运动估计结果，进行形态学处理，统计后得出横纹叠加度和噪声大小的检测结果。由以上实施例可以看出，本发明通过异步处理技术，以及所设计的对视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、 画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小这些指标的检测方式，实现了一种有效的视频质量诊断方法，其中，建立转发服务器获取远程摄像头数据，能够有效兼容前端各种类型的摄像头；预处理消除了 OSD文字对诊断结果的影响，亮度掩盖和复杂度的掩盖使诊断结果与人眼的评价结果更加接近。以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
权利要求
1.一种视频质量诊断方法，其特征在于，包括以下步骤5101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据；5102、在预设的一定时间范围内对所述视频数据的各项指标进行检测，并给出诊断结果；其中，步骤SlOl和步骤S102异步执行，且在缓存一定数量的视频数据之后，再进行检测，并根据检测结果对视频质量给出诊断结果。
2.如权利要求1所述的方法，其特征在于，所述各项指标包括视频数据的图像清晰度、 视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、 稳定条纹干扰度、横纹叠加度和噪声大小中的一种或几种。
3.如权利要求1所述的方法，其特征在于，在步骤SlOl之后，步骤S102之前，还包括对所述视频数据进行预处理的步骤首先对所述视频数据进行消除OSD处理；然后进行图像的亮度掩盖和复杂度掩盖处理。
4.如权利要求3所述的方法，其特征在于，所述消除OSD处理具体为首先进行使用形态学方法对OSD文字行进行定位，然后对OSD的笔画部分进行分割，对笔画内的像素，使用其周围的非笔画部分加权后进行填充，从而消除图像中的0SD。
5.如权利要求3所述的方法，其特征在于，所述图像的亮度掩盖和复杂度掩盖处理具体为首先对整帧图像取亮度和复杂度的平均值作为参考，然后对图像中每一个像素点使用N*N大小的算子进行卷积计算，其中N为正整数。
6.如权利要求3所述的方法，其特征在于，对所述图像清晰度进行检测的方法为对亮度掩盖和复杂度掩盖处理后的图像取边缘，判断边缘的方向，并计算边缘法向的灰度变化率，以及灰度敏感度值，根据所述灰度变化率和灰度敏感度值，得出该图像的清晰度评价值。
7.如权利要求3所述的方法，其特征在于，对所述视频丢失率进行检测的方法为对视频图像的所有像素的亮度进行聚类，若图像中的亮度值集中在预设大小范围的区域内，则认为该图像为视频信号的丢失，即无视频信号，从而计算出丢失率。
8.如权利要求7所述的方法，其特征在于，对所述画面剧变度进行检测的方法为根据所述视频丢失率的检测结果，当图像在视频信号正常和无视频信号的状态间震荡时，则认为图像为画面剧变，从而计算出画面剧变度。
9.如权利要求7所述的方法，其特征在于，对所述稳定条纹干扰度进行检测的方法为 根据所述视频丢失率的检测结果，当画面的局部行或列出现视频丢失的特征时，则认为该图像存在稳定条纹干扰，从而计算出稳定条纹干扰度。
10.如权利要求3所述的方法，其特征在于，对所述画面偏色度进行检测的方法为将图像转换到Lab色域，对图像在Lab色域中的分布进行统计，按照图像在Lab色域中的偏离程度获取图像的画面偏色度。
11.如权利要求3所述的方法，其特征在于，对所述画面增益失衡度进行检测的方法为取图像灰度的期望值，与预设的阈值进行比较，得到画面是否过亮或过暗的结果，根据该结果判断画面增益失衡度。
12.如权利要求3所述的方法，其特征在于，对所述对比度进行检测的方法为根据图像生成灰度共生矩阵，取所述灰度共生矩阵的局部最大值为图像的对比度检测结果。
13.如权利要求3所述的方法，其特征在于，对所述画面冻结度进行检测的方法为保存第一帧图像，将第η帧开始的每一帧图像，都与第η-1帧图像求残差，得到残差计算结果， 连续检测若干帧后，若残差的总和小于预设阈值，则认为这一段视频为画面冻结，从而得出画面冻结度结果，η为大于2的正整数。
14.如权利要求13所述的方法，其特征在于，所述画面抖动度的检测方法为对m帧视频图像进行m-1次全局运动估计，对m-1次的全局运动估计的大小和方向进行统计，从而得到画面抖动度的结果，m为正整数。
15.如权利要求14所述的方法，其特征在于，横纹叠加度和噪声大小检测的方法为参考所述残差计算结果和全局运动估计结果，进行形态学处理，统计后得出横纹叠加度和噪声大小的检测结果。
全文摘要
本发明涉及视频分析技术领域。公开了一种视频质量诊断方法，包括以下步骤S101、通过转发服务器从来自远程的、待诊断的摄像头获取视频数据；S102、在预设的一定时间范围内对所述视频数据的各项指标进行检测，并给出诊断结果；其中，步骤S101和步骤S102异步执行，且在缓存一定数量的视频数据之后，再进行检测，并根据检测结果对视频质量给出诊断结果。本发明通过所设计的对视频数据的图像清晰度、视频丢失率、画面偏色度、画面增益失衡度、对比度、画面剧变度、画面冻结度、画面抖动度、稳定条纹干扰度、横纹叠加度和噪声大小这些指标的检测方式，实现了一种有效的视频质量诊断方法。
文档编号H04N17/00GK102395043SQ20111035930
公开日2012年3月28日 申请日期2011年11月11日 优先权日2011年11月11日
发明者谭政 申请人:北京声迅电子股份有限公司