[发明专利]视频质量智能检测系统

说明书

技术领域：

本发明涉及视频分析领域及视频监控领域，尤其涉及视频分析领域中的视频质量评价方法和视频监控领域的设备故障诊断。

背景技术

随着视频监控网络规模的不断增长，目前一般的大型视频监控系统都包含数万路的摄像头，但是在视频获取、编码、传输等过程中都可能受到干扰，使得视频质量下降，甚至可能导致视频信息的丢失，从而影响了相关工作的开展。所以监控设备的维护已日渐成为一个比较棘手的问题。

据调查目前大部分的维护工作都采用人眼查看的方式来确定摄像头的工作状态。这种方法虽然可靠性比较高，但是需要浪费大量的人力资源，并且效率低下，对于一些特别大型的监控系统这种维护方式几乎无法完成。

所以急需一种简单、快捷、智能的视频质量评价方法来确定视频的质量状态。

目前视频质量评价方法主要包括主观视频质量评价和客观视频质量评价两大类。

主观视频质量评价主要依赖人类测试者的参与，评价结果可靠，但是由于该方法对于人类测试者有严格的要求，且过程复杂，所以主观质量评价的方法难以得到广泛应用，特别是在实时性要求比较高的应用环境中，该方法更不适合应用。

客观视频质量评价采用定量的方法测量视频图像的质量，并通过处理器自动计算实现，效率高，无需人工参与。但是，目前的客观视频质量评价方法都存在一些问题，客观视频质量评价的结果和主观视频质量评价的结果不一致，比如客观视频质量评价结果高的视频序列，其主观视频评价结果不一定高，反之亦然。另外，两幅主观视频质量评价结果相近的视频图像，其客观视频质量评价结果可能相差很远。

因此，解决视频质量评价方法普遍应用问题的正确途径应该是：开发一类客观质量评价方法，要求简单，实现容易，效率高，自动执行，最为重要的是，其视频质量评价结果和人眼视觉感受比较接近。

目前，客观视频质量评价的方法主要包括三种，即需要完整原始视频序列的全参考模型、只需要原始视频序列部分统计特征的部分参考模型及不需要原始视频序列任何信息的无参考模型。

对于视频监控中，由于无法获取标准的视频序列，使得全参考模型和部分参考模型的客观视频质量评估方法都无法得到应用，所以无参考模型的视频质量评价方法将成为视频质量评价的发展方向。

无参考模型的视频质量评价方法，提取能够反映视频质量的特征值，根据这些特征值来确定视频的质量状态。由于不同失真类型的视频其反映失真程度的特征不同，所以该方法也具有较大的局限性。

综上所述，针对大型监控系统设备维护维护问题，主观的视频质量评价，存在效率低，人力资源浪费严重等问题。目前的客观质量评价方法也只能片面的反应出视频某些方面的失真。

发明内容

本发明的目的在于提供一种不依靠人力、能够全方位自动检测视频状态的方法。旨在解决目前监控系统中视频监控设备难以维护的问题。

为了达到上述目的本发明提供了一种视频质量智能检测系统，其包括：摄像头、通讯单元、视频质量智能检测系统、统计对比、输出运维报表，摄像头通过通讯单元连接视频质量智能检测系统，视频质量检测系统对视频数据进行全方位智能化分析输出摄像头的工作状态和监控系统的运维报表。

视频质量检测系统包括以下功能：

1、视频质量检测：

（1）清晰度异常

该模块用于检测镜头聚焦不当、镜头老化、含有水汽、雾气等因素导致的视频清晰度异常。

清晰度检测分两个模块：对比度和失焦程度。

对比度的检测步骤如下：

步骤1：获取原始图像                                               数据；

步骤2：计算图像的梯度，这里使用Sobel算子：

、与原始图像做卷积，则原始图像的梯度图表示为，表示像素点的坐标。

步骤3：计算图像梯度的极值点；

步骤4：计算极值点的连通域；

步骤5：用梯度最强的连通域来表示图像的对比度。

 

失焦程度检测的步骤如下：

步骤1：获取原始图像数据；

步骤2：对原始图像做一次模糊处理，记为；

步骤3：使用Sobel算子、计算图像和的梯度图和；

步骤4：的值表示图像的模糊程度，其值越大表示图像的模糊程度越大，越小表示图像的清晰度越大。

步骤5：调整输出结果使其更符合人眼视觉系统。

（2）亮度异常