一种图像质量巡检装置的制作方法

本实用新型涉及监控领域，特别涉及一种图像质量巡检装置。

背景技术：

随着计算机、多媒体和数据通信技术的高速发展，数字图像处理近年来得到了极大的重视和长足的发展，并在安全、工业生产、医疗卫生、教育娱乐、管理和通信方面取得了广泛的应用。绝大部分领域已经使用了硬盘录像机(即DVR)、IP摄像头等数字式监控设备。但是如何保证这些监控设备正常运行以及DVR磁盘能够有足够空间保存录像文件，成为亟待解决的问题。现在的银行及金库监控中心使用人力监控的方式，让监控人员面对定时切换画面的电视墙，以肉眼的方式进行查看，但是面对日益增加的监控画面，靠肉眼观察无法同时应对多路视频的变化，而且人力也无法做到24小时不停歇的监控。

技术实现要素：

为了解决上述问题，本实用新型提供一种可以实时监控的图像质量巡检装置。

本实用新型中的一种图像质量巡检装置，包括硬盘录像机、视频服务器、控制器、Web服务器和数据库，所述硬盘录像机连接视频服务器，所述视频服务器连接控制器，所述控制器连接Web服务器，所述Web服务器连接数据库，所述控制器包括调度进程模块和分析进程模块，所述分析进程模块包括偏色模块、图像清晰度评价模块、图像遮挡模块和图像噪声检测模块。

上述方案中，还包括摄像头，所述摄像头连接硬盘录像机。

本实用新型的优点和有益效果在于：本实用新型提供一种可以实时监控的图像质量巡检装置。图像质量巡检装置可以按需求设置网络中的不同设备，并选择设备中的通道进行监控。对于监控任务可以做到设置每天检测的不同次数或者对关键场景进行7x24小时不间断检测。系统按照设定预案可对视频图像出现的画面冻结、亮度异常、信号缺失、视频移位、雪花点、视频遮挡、带状波纹、抖动、滚屏、模糊、偏色、场景变换等多种异常状态进行自动诊断；对视频设备的网络状况、磁盘状态等几种工作状态进行检测分析。减少了人为来判断设备状态及图像质量的人力成本和时间。适用于任何含有多个视频存储设备的网络，市场前景广阔。

附图说明

为了更清楚地说明本实用新型实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本实用新型的系统框图；

图2为本实用新型的流程图。

图中：1、硬盘录像机 2、视频服务器 3、控制器 31、调度进程模块 32、分析进程模块 321、偏色模块 322、图像清晰度评价模块 323、图像遮挡模块 324、图像噪声检测模块 4、Web服务器 5、数据库 6、摄像头

具体实施方式

下面结合附图和实施例，对本实用新型的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本实用新型的技术方案，而不能以此来限制本实用新型的保护范围。

如图1所示，本实用新型是一种图像质量巡检装置，包括硬盘录像机1、视频服务器2、控制器3、Web服务器4和数据库5，硬盘录像机1连接视频服务器2，视频服务器2连接控制器3，控制器3连接Web服务器4，Web服务器4连接数据库5，控制器3包括调度进程模块31和分析进程模块32，分析进程模块32包括偏色模块321、图像清晰度评价模块322、图像遮挡模块323和图像噪声检测模块324。还包括摄像头6，摄像头6连接硬盘录像机。

如图2所示，一种图像质量巡检装置的方法，包括以下步骤：

S1：Web服务器设置参数；

S2：摄像头摄制的内容存入硬盘录像机；

S3：控制器通过调度进程模块发出指令给视频服务器，调取预定时间段的硬盘录像机的内容；

S4：视频进入分析进程模块进行图像处理与判断；

S5：判断图像是否正常，是转S6，非转S7；

S6：视频进入Web服务器，转S8；

S7：发出预警，转S6；

S8：视频进入数据库存储。

其中，S5可以进行如下判断：1、进行偏色处理，判断图像色偏程度；该算法采用CIE LAB颜色空间代替RGB颜色空间来对图像色度进行统计，图像的RGB颜色空间是一种较为简单的颜色空间，其最大的局限性在于当用欧氏距离来刻画两种颜色之间的差异时，所计算出的两种颜色之间的距无法正确表征人们实际所感知到的这两种颜色之间的真实差异。采用CIE Lab颜色空间，此空间所计算出来的颜色之间的距离与人眼实际感知上的差别基本一致。通过直方图的统计可以客观直接的反映图像色偏程度，在CIE Lab下进行偏色图像的自动检测更为合理。

2、进行图像清晰度处理，判断图像是否清晰；在无参考图像的质量评价中，图像的清晰度是衡量图像质量优劣的重要指标，它能够较好的与人的主观感受相对应，图像的清晰度不高表现出图像的模糊。

算法采用4种清晰度评价函数对图像是否模糊进行判别：Tenengrad评价函数、Laplacian评价函数、SMD2(灰度方差乘积)评价函数、EAV点锐度评价函数，通过从图像的梯度，灰度变化率，以及能量3方面综合的方式，来对图像是否模糊给出相应的检测结果。

3、进行图像遮挡处理，判断图像是否被遮挡；遮挡是实际生活中的普遍现象，当一个物体被部分遮挡时，被遮挡物体很难被检测出来。为解决改状况，算法采用了图像分块算法，在此方法中，目标被表示为特征与对应位置(称为拓扑)的集合。该算法将局部与整体结合，能够更有效的解决局部遮挡无法检测的情况。

4、进行图像噪声检测，判断图像是否有噪声。雪花噪声是一种常见的图像噪声之一。一般说来，从一个有降析函数和噪声函数的图像中分离出单个的降析函数和噪声函数是不太可能的，因此算法通过以下四个步骤来对图像噪声进行估计：

S10：目标图像的预处理，分别在x,y方向采用简单的梯度算子除去图像中的基本信息而留下轮廓信息和噪声信息；

S11：连续轮廓的过滤，为了去掉残差信息中的连续部分，采用连通图法对连续的边信息进行跟踪，采样适当的轮廓跟踪算法成功地将图像中的轮廓信息和边缘信息进行了过滤；

S12：计算局部标准差，经过上述处理后，剩下的主要是噪声信息和少量非连续的“残差”信息，为此可以求出原图像的局部方差，具体方法是通过一个模板与图像进行一次卷积处理此外，由于不同区域平均灰度差不同，即使目标图像的全局平均灰度值为零也会对图像的噪声估计产生较大误差，因此在估计噪声方差时，要针对图像中的局部像素进行单独考虑；

S13：基于直方图的噪声方差估计，直方图处理在图像处理中占有重要的地位。经过上述步骤后得到一个关于图像噪声估计值的分布，它包括了噪声值从到最大噪声值及其出现的频数。由此可以较为准确的估计出图像中噪声的占比。S5也可以根据需要对上面4种判断进行随意组合进而判定。

系统硬件基于X86架构，对于现有的基于DSP分析的方案来说，硬件性能优势明显，可同时支持的并发数量较多，并且能够及时对算法进行升级从而得到性能的提升。而且对于目前主流的DVR、IPC等设备，X86方案能够基于主流厂商提供的SDK进行开发，开发的效率和硬件的兼容性较DSP方案要高。

系统按照设定预案可对视频图像出现的画面冻结、亮度异常、信号缺失、视频移位、雪花点、视频遮挡、带状波纹、抖动、滚屏、模糊、偏色、场景变换等多种异常状态进行自动诊断；对视频设备的网络状况、磁盘状态等几种工作状态进行检测分析。减少了人为来判断设备状态及图像质量的人力成本和时间。适用于任何含有多个视频存储设备的网络，市场前景广阔。

以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。