论文部分内容阅读
在现代社会,视频监控系统比比皆是,对于大型视频监控系统,其监控点趋向分散,导致对其视频质量的监管乏力,不少视频监控系统都面临着如何保证视频质量及维护视频质量难度逐渐加大的问题。而首当其冲的问题就是如何发现并判断视频图像发生异常。通常巡查视频质量的任务是由管理人员人工查看,并将结果手动记录。这种方法缺乏对监控系统的自动化处理能力,管理人员也不太可能全天候记录视频质量状态,导致维护系统的周期延长、操作繁琐,不利于降低成本和风险。因此,如果能设计机器化过程对视频是否发生异常自动进行诊断,将是非常有意义的。本文基于图像分析技术,设计并实现了一种系统,能对视频中的几种干扰现象如清晰度异常、亮度异常、视频抖动、画面冻结等作出诊断、自动生成统计结果。本文设计的处理对象是实时视频流,也可以是视频流形成的视频文件。本文研究的重难点是基于图像分析的几种视频异常诊断算法。本文的方法是,在视频中提取图像帧进行分析,通过帧间的运动位移量、运动区域大小和帧内的亮度平均值和聚焦平方梯度值等的计算,参考正常帧的计算量,诊断视频图像清晰度、亮度、画面等的状态。另外,本文也研究了对视频帧的预处理、系统诊断机制的设置、诊断结果的保存与查询、诊断统计与结果分析等内容。本文研究的系统分为两个部分,视频流处理端和本地客户端。视频流处理端从前端设备和网络服务器接收码流,经过解码操作和预处理转换成视频文件。在本地客户端对视频的质量作图像分析,利用上述几种视频图像异常诊断算法判断视频图像的质量状况,然后对结果进行操作,诊断设置和数据库操作也在本地端完成。自动生成统计报表和对结果进行分析,大大提高了系统的自动化过程和智能化水平。虽然环境因素对视频图像异常诊断算法影响较大,但经过实验验证,采用经过多次试验后得出的与环境相适应的参数后,系统具有一定的准确性和实用价值。