一種圖像質量巡檢裝置以及方法與流程

2023-06-19 20:56:26 2

本發明涉及監控領域，特別涉及一種圖像質量巡檢裝置以及方法。

背景技術：

隨著計算機、多媒體和數據通信技術的高速發展，數字圖像處理近年來得到了極大的重視和長足的發展，並在安全、工業生產、醫療衛生、教育娛樂、管理和通信方面取得了廣泛的應用。絕大部分領域已經使用了硬碟錄像機(即DVR)、IP攝像頭等數字式監控設備。但是如何保證這些監控設備正常運行以及DVR磁碟能夠有足夠空間保存錄像文件，成為亟待解決的問題。現在的銀行及金庫監控中心使用人力監控的方式，讓監控人員面對定時切換畫面的電視牆，以肉眼的方式進行查看，但是面對日益增加的監控畫面，靠肉眼觀察無法同時應對多路視頻的變化，而且人力也無法做到24小時不停歇的監控。

技術實現要素：

為了解決上述問題，本發明提供一種可以實時監控的圖像質量巡檢裝置以及方法。

本發明中的一種圖像質量巡檢裝置，包括硬碟錄像機、視頻伺服器、控制器、Web伺服器和資料庫，所述硬碟錄像機連接視頻伺服器，所述視頻伺服器連接控制器，所述控制器連接Web伺服器，所述Web伺服器連接資料庫，所述控制器包括調度進程模塊和分析進程模塊，所述分析進程模塊包括偏色模塊、圖像清晰度評價模塊、圖像遮擋模塊和圖像噪聲檢測模塊。

上述方案中，還包括攝像頭，所述攝像頭連接硬碟錄像機。

一種圖像質量巡檢裝置的方法，包括以下步驟：

S1：Web伺服器設置參數；

S2：攝像頭攝製的內容存入硬碟錄像機；

S3：控制器通過調度進程模塊發出指令給視頻伺服器，調取預定時間段的硬碟錄像機的內容；

S4：視頻進入分析進程模塊進行圖像處理與判斷；

S5：判斷圖像是否正常，是轉S6，非轉S7；

S6：視頻進入Web伺服器，轉S8；

S7：發出預警，轉S6；

S8：視頻進入資料庫存儲。

上述方案中，所述S5進行偏色處理，判斷圖像色偏程度。

上述方案中，所述S5進行圖像清晰度處理，判斷圖像是否清晰。

上述方案中，所述S5進行圖像遮擋處理，判斷圖像是否被遮擋。

上述方案中，所述S5進行圖像噪聲檢測，判斷圖像是否有噪聲。

上述方案中，所述圖像噪聲檢測包括以下步驟：

S10：目標圖像的預處理；

S11：連續輪廓的過濾；

S12：計算局部標準差；

S13：基於直方圖的噪聲方差估計。

本發明的優點和有益效果在於：本發明提供一種可以實時監控的圖像質量巡檢裝置以及方法。圖像質量巡檢裝置以及方法可以按需求設置網絡中的不同設備，並選擇設備中的通道進行監控。對於監控任務可以做到設置每天檢測的不同次數或者對關鍵場景進行7x24小時不間斷檢測。系統按照設定預案可對視頻圖像出現的畫面凍結、亮度異常、信號缺失、視頻移位、雪花點、視頻遮擋、帶狀波紋、抖動、滾屏、模糊、偏色、場景變換等多種異常狀態進行自動診斷；對視頻設備的網絡狀況、磁碟狀態等幾種工作狀態進行檢測分析。減少了人為來判斷設備狀態及圖像質量的人力成本和時間。適用於任何含有多個視頻存儲設備的網絡，市場前景廣闊。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明的系統框圖；

圖2為本發明的流程圖。

圖中：1、硬碟錄像機 2、視頻伺服器 3、控制器 31、調度進程模塊 32、分析進程模塊 321、偏色模塊 322、圖像清晰度評價模塊 323、圖像遮擋模塊 324、圖像噪聲檢測模塊 4、Web伺服器 5、資料庫 6、攝像頭

具體實施方式

下面結合附圖和實施例，對本發明的具體實施方式作進一步描述。以下實施例僅用於更加清楚地說明本發明的技術方案，而不能以此來限制本發明的保護範圍。

如圖1所示，本發明是一種圖像質量巡檢裝置，包括硬碟錄像機1、視頻伺服器2、控制器3、Web伺服器4和資料庫5，硬碟錄像機1連接視頻伺服器2，視頻伺服器2連接控制器3，控制器3連接Web伺服器4，Web伺服器4連接資料庫5，控制器3包括調度進程模塊31和分析進程模塊32，分析進程模塊32包括偏色模塊321、圖像清晰度評價模塊322、圖像遮擋模塊323和圖像噪聲檢測模塊324。還包括攝像頭6，攝像頭6連接硬碟錄像機。

如圖2所示，一種圖像質量巡檢裝置的方法，包括以下步驟：

S1：Web伺服器設置參數；

S2：攝像頭攝製的內容存入硬碟錄像機；

S3：控制器通過調度進程模塊發出指令給視頻伺服器，調取預定時間段的硬碟錄像機的內容；

S4：視頻進入分析進程模塊進行圖像處理與判斷；

S5：判斷圖像是否正常，是轉S6，非轉S7；

S6：視頻進入Web伺服器，轉S8；

S7：發出預警，轉S6；

S8：視頻進入資料庫存儲。

其中，S5可以進行如下判斷：1、進行偏色處理，判斷圖像色偏程度；該算法採用CIE LAB顏色空間代替RGB顏色空間來對圖像色度進行統計，圖像的RGB顏色空間是一種較為簡單的顏色空間，其最大的局限性在於當用歐氏距離來刻畫兩種顏色之間的差異時，所計算出的兩種顏色之間的距無法正確表徵人們實際所感知到的這兩種顏色之間的真實差異。採用CIE Lab顏色空間，此空間所計算出來的顏色之間的距離與人眼實際感知上的差別基本一致。通過直方圖的統計可以客觀直接的反映圖像色偏程度，在CIE Lab下進行偏色圖像的自動檢測更為合理。

2、進行圖像清晰度處理，判斷圖像是否清晰；在無參考圖像的質量評價中，圖像的清晰度是衡量圖像質量優劣的重要指標，它能夠較好的與人的主觀感受相對應，圖像的清晰度不高表現出圖像的模糊。

算法採用4種清晰度評價函數對圖像是否模糊進行判別：Tenengrad評價函數、Laplacian評價函數、SMD2(灰度方差乘積)評價函數、EAV點銳度評價函數，通過從圖像的梯度，灰度變化率，以及能量3方面綜合的方式，來對圖像是否模糊給出相應的檢測結果。

3、進行圖像遮擋處理，判斷圖像是否被遮擋；遮擋是實際生活中的普遍現象，當一個物體被部分遮擋時，被遮擋物體很難被檢測出來。為解決改狀況，算法採用了圖像分塊算法，在此方法中，目標被表示為特徵與對應位置(稱為拓撲)的集合。該算法將局部與整體結合，能夠更有效的解決局部遮擋無法檢測的情況。

4、進行圖像噪聲檢測，判斷圖像是否有噪聲。雪花噪聲是一種常見的圖像噪聲之一。一般說來，從一個有降析函數和噪聲函數的圖像中分離出單個的降析函數和噪聲函數是不太可能的，因此算法通過以下四個步驟來對圖像噪聲進行估計：

S10：目標圖像的預處理，分別在x,y方向採用簡單的梯度算子除去圖像中的基本信息而留下輪廓信息和噪聲信息；

S11：連續輪廓的過濾，為了去掉殘差信息中的連續部分，採用連通圖法對連續的邊信息進行跟蹤，採樣適當的輪廓跟蹤算法成功地將圖像中的輪廓信息和邊緣信息進行了過濾；

S12：計算局部標準差，經過上述處理後，剩下的主要是噪聲信息和少量非連續的「殘差」信息，為此可以求出原圖像的局部方差，具體方法是通過一個模板與圖像進行一次卷積處理此外，由於不同區域平均灰度差不同，即使目標圖像的全局平均灰度值為零也會對圖像的噪聲估計產生較大誤差，因此在估計噪聲方差時，要針對圖像中的局部像素進行單獨考慮；

S13：基於直方圖的噪聲方差估計，直方圖處理在圖像處理中佔有重要的地位。經過上述步驟後得到一個關於圖像噪聲估計值的分布，它包括了噪聲值從到最大噪聲值及其出現的頻數。由此可以較為準確的估計出圖像中噪聲的佔比。S5也可以根據需要對上面4種判斷進行隨意組合進而判定。

系統硬體基於X86架構，對於現有的基於DSP分析的方案來說，硬體性能優勢明顯，可同時支持的並發數量較多，並且能夠及時對算法進行升級從而得到性能的提升。而且對於目前主流的DVR、IPC等設備，X86方案能夠基於主流廠商提供的SDK進行開發，開發的效率和硬體的兼容性較DSP方案要高。

系統按照設定預案可對視頻圖像出現的畫面凍結、亮度異常、信號缺失、視頻移位、雪花點、視頻遮擋、帶狀波紋、抖動、滾屏、模糊、偏色、場景變換等多種異常狀態進行自動診斷；對視頻設備的網絡狀況、磁碟狀態等幾種工作狀態進行檢測分析。減少了人為來判斷設備狀態及圖像質量的人力成本和時間。適用於任何含有多個視頻存儲設備的網絡，市場前景廣闊。

以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。