[发明专利]基于图像灰度分布特征的视频抖动检测方法

说明书

技术领域

本发明涉及一种监控视频抖动的检测方法，特别涉及一种基于图像灰度分布特征的视频抖动检测方法。

背景技术

视频监控系统作为视觉物联网的重要组成部分，广泛应用于城市安全、智能交通、智慧环保、边界安保等各领域应用中，其日常维护巡检的矛盾日趋激烈。据统计，目前国内运行的监控系统中，能正常使用的摄像机的比例不到60％，并且数量庞大的视频监控系统的运行和维护工作多数靠人工检测和处理。如何提高视频监控系统运行维护工作的效率，及时了解前端视频设备的运行情况，建设智能化的视频监控质量诊断系统成为视频监控领域迫切需要解决的实际问题。

视频图像抖动是视频监控设备经常发生的图像质量异常现象。正常情况下，运动图像序列的连续多帧之间过渡是平滑的，画面相关性比较连续，但是如果它们之间的相关性出现大波动，视频就会出现抖动的情况。在视频监控中，摄像头一般都是固定在某个位置，因此造成视频画面抖动现象的原因主要有：1)摄像头受到环境的干扰(比如强风)发生有规律的摆动从而造成图像的上下或左右抖动；2)摄像头正在被人移动，造成画面抖动。任何一种情况，都会导致画面出现周期性振颤或不规则扭曲，都意味着摄像头工作出现了异常，严重影响到视频监控系统的工作效用，因此，需要对视频监控系统的视频图像进行智能分析检测，及时发现视频抖动故障问题，实现即时报警和修复。

与视频抖动相关的研究中，牛瑶瑶、洪丹枫在论文《一种基于HGPC的交通监控视频抖动异常检测方法》提出了一种基于分级的灰度投影相关系数法(Hierarchical Gray Project Correlation，HGPC)。该算法主要是通过前后两帧图像的行灰度投影曲线的吻合度判定在垂直方向有无发生抖动，再通过前后两帧图像的列灰度投影曲线的吻合度判定在水平方向有无发生抖动，从而判定整个视频有无发生抖动。

我们通过实验发现抖动的视频图像和正常的视频图像的行列灰度值分布特征差异明显，基于此，我们提出一种基于灰度分布特征的视频抖动检测方法。该方法检测准确率高，算法实时性好。

发明内容

本发明的目的是提供一种基于图像灰度分布特征的视频抖动检测方法。该发明依据正常视频图像行列灰度值符合正态分布，而抖动视频图像的行列灰度值不符合正态分布，利用这一分布特征差异，通过前后视频帧的行列灰度值，构造近似分布为正态分布的统计量，计算行列灰度检验因子，来衡量前后两帧图像的连续性和相关性，进而判断该视频是否发生了抖动。

本发明的技术步骤如下：

基于图像灰度分布特征的视频抖动检测方法，步骤如下：

步骤1：截取视频里前后相邻的两帧图像。

步骤2：将截取的两帧图像转换到灰度空间。

步骤3：统计前一帧图像的每行灰度值和每列灰度值,计算出行灰度均值和行灰度方差值以及列灰度均值和列灰度方差值。

步骤4：统计后一帧图像的每行灰度值和每列灰度值,计算出行灰度均值和行灰度方差值以及列灰度均值和列灰度方差值。

步骤5：对步骤3和步骤4计算得到的前后两帧图像的行灰度均值和行灰度方差做一个行假设检验，获得一个行检验因子。

步骤6：对步骤3和步骤4计算得到的前后两帧的列灰度均值和列灰度方差做一个列假设检验，获得一个列检验因子。

步骤7：将步骤5和步骤6计算得到的行检验因子和列检验因子分别与给定的阈值做比较，如果其中一个超出阈值，则判定前一帧图像为抖动帧。

步骤8：统计整个视频中，抖动帧所占的比例，如果超过设定抖动阈值，则判定该视频是抖动的。

进一步，在步骤3中，行灰度值、行灰度均值和行灰度方差计算方法如下：

行灰度值

行灰度均值

行灰度方差

其中f(i,j)是灰度图像中每个像素点的灰度值，A是图像行数，B是图像列数。

列灰度值、列灰度均值和列灰度方差计算方法如下：

列灰度值

列灰度均值

列灰度方差

进一步在步骤5中，行检验因子的计算方法如下：

行检验因子

其中，s_x²₁分别是前一帧图像的行灰度均值和行灰度方差，s_x²₂分别是后一帧图像的行灰度均值和行灰度方差。

进一步,在步骤6中，列检验因子的计算方法如下：

列检验因子