一种视频质量诊断方法和系统与流程

本申请是针对申请号为：2015109102768，申请日：2015-12-10，名称为“一种视频质量诊断方法和系统”的发明专利的分案申请。

本发明涉及一种视频分析技术领域，具体地说，是涉及一种视频质量诊断方法和系统。

背景技术：

随着平安城市的大力推进，视频监控系统越来越普及。但是，视频监控系统可能出现各种故障，从视频质量方面主要包括：视频信号丢失、视频模糊、图像灰度异常、图像过亮、图像过暗、图像遮挡、图像偏色、增益紊乱、画面冻结等。单靠人工巡检和维护需要耗费大量的人力物力，视频质量诊断系统便应需而生，通过对接入视频智能分析，得到诊断结果，并对异常情况报警。

专利cn102395043a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。上述专利通过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，实现了一种视频质量诊断方法。

上述专利要求缓存一定数量的视频数据之后，再进行检测，如果使用轮询的方式，需要耗费一定的存储空间。而且涉及的图像分析方法比较复杂。例如，要求在步骤s101之后步骤s102之前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。清晰度检测时要求边缘检测，视频信号丢失检测时要求聚类等，复杂度增加导致检测时耗增加。

技术实现要素：

本发明提供了一种视频质量诊断方法，解决了现有视频质量诊断方法复杂并且耗时较多的技术问题。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种视频质量诊断方法，所述方法如下：

步骤1：获取视频数据；

步骤2：对获取的视频数据进行抽帧，抽取多幅图像，将抽取的多幅图像转换成yuv格式；

步骤3：分别对多幅yuv格式的图像的各项指标进行检测，根据图像检测结果判断视频质量，并输出视频质量诊断结果；

所述各项指标包括图像信号丢失、图像模糊、图像灰度异常、图像过亮过暗、图像遮挡、图像偏色、增益紊乱、画面冻结中的一种或几种。

如上所述的视频质量诊断方法，所述步骤1中获取视频数据为采用多路同步轮询的方式获取视频数据。

如上所述的视频质量诊断方法，所述图像灰度异常的检测方法为：对多幅图像分别计算u、v直方图，若多幅图像的u、v值在[128-dis，128+dis]之间的概率均大于设定阈值，则认为视频灰度异常，其中，dis=10。

如上所述的视频质量诊断方法，所述图像遮挡的检测方法为：将每幅图像分为n块图像，分别判断每块图像是否存在遮挡，计算每幅图像存在遮挡的块数，若每幅图像的遮挡块数大于设定值，认为所述图像存在遮挡；若多幅图像均存在遮挡，则认为视频图像遮挡。

如上所述的视频质量诊断方法，判断每块图像是否存在遮挡的方法为，分别计算每块图像的灰度直方图，计算概率最大值mg（i）和均方差sigma（i），i=1、2、…、n；若p（[mg（i）-10，mg（i）+10]）＞设定阈值thr1且sigma（i）＜设定阈值thr2，则认为该块图像存在遮挡。

如上所述的视频质量诊断方法，所述图像偏色的检测方法为：将图像转换为rgb格式；分别计算r、g、b和灰度分布直方图，计算r通道的均值、g通道的均值、b通道的均值和灰度均值，计算r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值并选择差的绝对值的最大值，若r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值并选择差的绝对值的最大值＞设定阈值thr1，则认为所述图像存在偏色；若多幅图像均存在偏色，则认为视频图像偏色。

如上所述的视频质量诊断方法，若r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值并选择差的绝对值的最大值≤设定阈值thr1，则计算灰度过亮处r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值，若灰度过亮处r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值的最大值＞设定阈值thr2，则认为所述图像存在偏色。

如上所述的视频质量诊断方法，所述灰度过亮处为灰度均值＞设定阈值thr1的位置。

基于上述视频质量诊断方法的设计，本发明还提出了一种视频质量诊断系统，所述视频诊断系统包括：

视频获取模块，用于获取视频数据；

视频处理模块，用于对获取的视频进行抽帧，抽取多幅图像，将抽取的多幅图像转换成yuv格式；

视频分析模块，用于分别对多幅yuv格式的图像的各项指标进行检测，根据图像检测结果判断视频质量，并输出视频质量诊断结果；

所述各项指标包括图像信号丢失、图像模糊、图像灰度异常、图像过亮过暗、图像遮挡、图像偏色、增益紊乱、画面冻结中的一种或几种。

如上所述的视频质量诊断系统，所述视频获取模块采用多路同步轮询的方式获取视频数据。

与现有技术相比，本发明的优点和积极效果是：本发明视频质量诊断方法将对视频的分析转化成对有限图像的综合评定，能够在短时间内对一段较长时间的视频流进行分析，诊断有无视频质量异常。本发明异常视频检测正确率不低于85%，漏报率小于10%；在intele3-1230v2的cpu下，轮询800路视频耗时40分钟，检测效率提高了20%。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明具体实施例视频质量诊断方法的流程图。

图2是本发明具体实施例正常图像和信号丢失图像的分布直方图。

图3是本发明具体实施例的图像信号丢失检测的流程图。

图4是本发明具体实施例灰度图像梯度概率分布直方图。

图5是本发明具体实施例的图像模糊检测的流程图。

图6是本发明具体实施例的图像过亮过暗检测的流程图。

图7是本发明具体实施例的图像灰度异常检测的流程图。

图8是本发明具体实施例的图像遮挡检测的流程图。

图9是本发明具体实施例的图像偏色检测的流程图。

图10是本发明具体实施例的画面冻结检测的流程图。

图11是本发明具体实施例的系统框图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细地说明：

如图1所示，本实施例提出了一种视频质量诊断方法，包括如下步骤：

步骤1：获取视频数据，一般为获取一段时间的视频数据，例如，获取的视频数据时长为5s。

步骤2：对获取的视频数据进行抽帧，抽取多幅图像。例如，可以一秒抽取一帧或几帧或不抽取，时长为5s的视频数据可以抽取5幅图像。常见视频如h264视频为25帧/秒，即每秒25帧，则可以抽取第15、20、28、30、60帧。

将抽取的多幅图像转换成yuv格式。

步骤3：分别对多幅yuv格式的图像的各项指标进行检测，根据图像检测结果判断视频质量，并输出视频质量诊断结果。

其中，各项指标包括图像信号丢失、图像模糊、图像灰度异常、图像过亮过暗、图像遮挡、图像偏色、增益紊乱、画面冻结中的一种或几种。

优选的，为了提高视频处理效率，步骤1中获取视频数据为采用多路同步轮询的方式获取视频数据。具体的，本实施例对多路视频同时获取视频数据，获取完其中一路时，即将获取的该路视频数据进行步骤2进行抽帧处理，同时对下一路视频进行获取视频数据的操作。例如，需要对10路视频进行质量诊断，本实施例可同时对4路视频同时进行获取视频数据的操作，当获取完其中一路时，本实施例立即对第5路视频进行获取视频数据的操作；当再获取完一路时，本实施例立即对第6路视频进行获取视频数据的操作，依次循环。即任意时刻，本实施例同时对4路视频同时进行获取视频数据的操作。

下面对yuv格式的图像的各项指标进行检测的具体检测方法进行说明：

1）图像信号丢失检测：

如图2所示，信号丢失图像大部分像素点的灰度值集中在mg（图像灰度分布概率最大值对应的灰度值）附近，即若图像灰度大部分集中在区间[mg-10，mg+10]内，则为信号丢失。

具体的，如图3所示，首先计算图像的灰度直方图，计算概率最大对应的灰度值mg，若p（[mg-10，mg+10]）＞0.7，则认为该图像的信号丢失。依次处理多幅图像，若多幅图像均信号丢失，则认为该路视频信号丢失，输出该路视频信号丢失报警信息。

2）图像模糊检测：

如图4所示，模糊图像相邻点的灰度值相差不大—梯度相差不大，且在梯度分布直方图中，90%的梯度值集中在[0,10]区间内。

具体的，如图5所示，首先计算灰度图像梯度值，形成梯度概率分布直方图，若p（[0，10]）＞0.9，则认为该图像模糊。依次处理多幅图像，若多幅图像均模糊，则认为该路视频图像模糊，输出该路视频图像模糊报警信息。

3）图像过亮过暗检测：

通过对比统一场景下亮度异常图像和正常图像的灰度平均值，发现过亮时均值>设定阈值thr1，过暗时均值<设定阈值thr2，且这一特性呈现全图性，即分块处理后，每个块也呈现这种特征。

具体的，如图6所示，对图像分块处理，分为n块图像，计算每块图像的灰度均值avrg（i），i=1、2、…、n；计算全局灰度均值average=(∑avrg(i))/n，若average＞thr1，且avrg（i）＞thr1，i=1、2、…、n，则认为图像过亮。若average＜thr2，且avrg（i）＜thr2，i=1、2、…、n，则认为图像过暗。依次处理多幅图像，若多幅图像均过亮，则认为该路视频图像过亮，输出该路视频图像过亮报警信息；若多幅图像均过暗，则认为该路视频图像过暗，输出该路视频图像过暗报警信息。

4）图像灰度异常检测：

灰度异常图像的u、v值集中在128附近（u、v取值范围[0,255]），即若图像u、v值大部分集中在区间[128-dis，128+dis]内，则为灰度异常（一般取dis=10）。

具体的，如图7所示，计算图像的u、v直方图，若p（[128-dis，128+dis]）＞0.9，则认为图像灰度异常，其中，dis=10。分别处理多幅图像，若多幅图像均为灰度异常则认为该路视频灰度异常，输出该路视频灰度异常报警信息。

5）图像遮挡检测：

遮挡图像遮挡部分灰度呈现灰度值比较集中且均方差较小的特点，将图像分块，分别计算灰度直方图和均方差值，灰度值集中且均方差小于一定阈值的块存在遮挡。

具体的，如图8所示，将图像分为n块图像，分别判断每块图像是否存在遮挡，分别计算每块图像的灰度直方图，计算概率最大值mg（i）和均方差sigma（i），i=1、2、...、n；若p（[mg（i）-10，mg（i）+10]）＞设定阈值thr1且sigma（i）＜设定阈值thr2，则认为该块图像存在遮挡。计算图像存在遮挡的块数，若遮挡块数大于设定值，认为图像存在遮挡。若多幅图像均存在遮挡，则认为该路视频存在图像遮挡，输出该路视频画面遮挡报警信息。

6）图像偏色检测：

偏色图像rgb三通道均值和灰度均值相差较大，局部偏色图像常常在较亮处存在偏色，即过亮处三通道偏差均值较大时存在偏色异常。

如图9所示，将图像转换为rgb格式；分别计算r、g、b和灰度分布直方图；计算r通道的均值、g通道的均值、b通道的均值和灰度均值，计算r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值并选择差的绝对值的最大值max_distance，若r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值并选择差的绝对值的最大值max_distance＞设定阈值thr1，则认为所述图像存在偏色。若r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值并选择差的绝对值的最大值max_distance≤设定阈值thr1，则计算灰度过亮处r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值，若灰度过亮处r通道的均值、g通道的均值、b通道的均值与灰度均值的差的绝对值的最大值＞设定阈值thr2，则认为所述图像存在偏色。其中，灰度过亮处为灰度均值＞设定阈值thr1的位置。

依次处理多幅图像，多幅图像均存在偏色则为该路视频存在偏色，输出该路视频偏色报警信息。

7）增益紊乱检测：

计算多幅图像的灰度均值，若任意两幅图像的灰度均值之差大于设定阈值时，认为该路视频增益紊乱，输出该路视频增益紊乱报警信息。

8）画面冻结检测：

如图10所示，冻结视频定格在一个画面不动，则前后两帧的图相差为0，将前后两帧灰度图像相减，统计灰度级为0的个数num，若num＞设定阈值thr，则认为视频画面冻结，输出该路视频画面冻结报警信息。

基于上述视频质量诊断方法的设计，如图11所示，本实施例还提出了一种视频质量诊断系统，包括：

视频获取模块，用于获取视频数据，采用多路同步轮询的方式获取视频数据。

视频处理模块，用于对获取的视频进行抽帧，抽取多幅图像，将抽取的多幅图像转换成yuv格式；

视频分析模块，用于对yuv格式的图像的各项指标进行检测，根据图像检测结果判断视频质量，并输出视频质量诊断结果，各项指标的具体检测过程如上所述，此处不再详述。

其中，各项指标包括图像信号丢失、图像模糊、图像灰度异常、图像过亮过暗、图像遮挡、图像偏色、增益紊乱、画面冻结中的一种或几种。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。