王維虎， 劉延申

(1.華中師范大學(xué) 國(guó)家數(shù)字化學(xué)習(xí)工程技術(shù)研究中心， 武漢 430079;2.華中師范大學(xué) 教育信息化研究中心， 武漢 430079)

?

視頻監(jiān)控中圖像異常的分析與檢測(cè)算法

王維虎1*， 劉延申2

(1.華中師范大學(xué) 國(guó)家數(shù)字化學(xué)習(xí)工程技術(shù)研究中心， 武漢 430079;2.華中師范大學(xué) 教育信息化研究中心， 武漢 430079)

針對(duì)湖泊環(huán)保應(yīng)用中視頻監(jiān)控的特殊性，運(yùn)用數(shù)字圖像處理技術(shù)，對(duì)監(jiān)控視頻中信號(hào)缺失和清晰度兩種類型異常故障進(jìn)行研究.文中分別描述了這兩種異常類型產(chǎn)生的原因和解決問(wèn)題的算法思想，最后通過(guò)模擬實(shí)驗(yàn)加以驗(yàn)證.從實(shí)驗(yàn)結(jié)果上分析，能夠較好地對(duì)視頻監(jiān)控中圖像的異常進(jìn)行診斷和及時(shí)地預(yù)警，并能夠?qū)σ曨l圖像的質(zhì)量進(jìn)行檢測(cè).

視頻監(jiān)控； 圖像異常； 檢測(cè)

隨著國(guó)家城市朝著智能化建設(shè)方向的發(fā)展，視頻監(jiān)控在政府、交通、金融和環(huán)保等領(lǐng)域中都有著廣泛的使用.目前，國(guó)家正在大力發(fā)展智慧城市，其中在智能環(huán)保領(lǐng)域，視頻監(jiān)控占有一定比重，首要問(wèn)題是如何發(fā)現(xiàn)并判斷視頻圖像產(chǎn)生異常.通常，巡查視頻質(zhì)量的任務(wù)是由管理人員人工查看，并將結(jié)果手動(dòng)記錄，但是缺乏對(duì)監(jiān)控系統(tǒng)的自動(dòng)化處理能力，也不太可能全天候記錄視頻質(zhì)量狀態(tài)，導(dǎo)致維護(hù)系統(tǒng)的周期延長(zhǎng)和操作繁瑣.因此，利用視頻圖像對(duì)監(jiān)控畫面進(jìn)行分析，具有重要的學(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義.

本文運(yùn)用數(shù)字圖像處理技術(shù)，對(duì)監(jiān)控視頻中的異常故障進(jìn)行診斷.針對(duì)湖泊環(huán)保應(yīng)用的特殊性，現(xiàn)階段主要研究?jī)煞N類型異常：信號(hào)缺失和清晰度.文中分別對(duì)這兩種類型的視頻監(jiān)控中的圖像異常進(jìn)行診斷和及時(shí)的預(yù)警，并對(duì)監(jiān)控系統(tǒng)的運(yùn)行情況以及視頻圖像的質(zhì)量進(jìn)行檢測(cè).

1 視頻監(jiān)控中信號(hào)缺失異常及其檢測(cè)算法

針對(duì)湖泊環(huán)保應(yīng)用的特殊性，現(xiàn)階段主要研究?jī)煞N類型圖像異常，分別是信號(hào)缺失和清晰度.

1.1 信號(hào)缺失

視頻信號(hào)缺失VSL(Video Signal Loss)，是指前端攝像頭設(shè)備出現(xiàn)故障導(dǎo)致攝像頭無(wú)法使用.不管是前端的攝像頭還是視頻傳輸線路，在發(fā)生故障時(shí)都可能導(dǎo)致接收端無(wú)法接收到視頻信號(hào).如圖1所示.

圖1 典型信號(hào)缺失圖像Fig.1 Typical examples of video signal loss

從圖1中可知，當(dāng)出現(xiàn)信號(hào)缺失的情況下，一般視頻畫面中大部分為單一色調(diào)，即黑色或者藍(lán)色，中間會(huì)有一些提示字段.

1.2 信號(hào)缺失檢測(cè)算法原理

通過(guò)觀察，視頻丟失的情況，一般表現(xiàn)為全黑、全藍(lán)或者帶字符的黑屏、藍(lán)屏，因此只要把這些情況和正常的監(jiān)控畫面區(qū)分開(kāi)來(lái)，就可以判斷是否有信號(hào).

1.2.1 圖像的連通域 連通域，是二值圖像分析中一種重要的工具，它是指圖像中由同一像素組成的一塊封閉的區(qū)域，其數(shù)學(xué)定義如下：

已知兩個(gè)像素p(m，n)和q(s，t)在位置上相鄰，即(m，n)∈N4，8(q)或(s，t)∈N4，8(p)，稱為4相鄰、8相鄰.

如果S是圖像的一個(gè)子集，p，q∈S，且存在一條由S像素組成的從p到q的通路，則稱p在圖像集S中與q連通，也分為4連通、8連通.

進(jìn)一步，對(duì)于S中的任意一個(gè)像素點(diǎn)p，S中所有的與p連通的點(diǎn)的集合，稱為S的連通分量，即連通域.

4連通則一定8連通.還通過(guò)對(duì)二值圖像中白色像素(目標(biāo))的標(biāo)記，讓每個(gè)單獨(dú)的連通區(qū)域形成一個(gè)被標(biāo)識(shí)的塊，進(jìn)一步就可以獲取這些塊的輪廓、外接矩形和質(zhì)心等幾何參數(shù).

因此，全黑、全藍(lán)或者帶字符的黑屏、藍(lán)屏這些圖像相對(duì)于正常的圖像，其連通域個(gè)數(shù)減少了很多.通過(guò)連通域個(gè)數(shù)與像素的比例，可以來(lái)確定這個(gè)圖像是否是視頻缺失傳過(guò)來(lái)的視頻圖像.

1.2.2 信號(hào)缺失檢測(cè)算法

1)信號(hào)缺失檢測(cè)算法的基本思想

要獲得圖像的連通域，就得先要把圖像進(jìn)行二值化處理(圖像僅有黑白兩種像素)，通過(guò)Canny算子對(duì)圖像進(jìn)行邊緣提取；然后再計(jì)算提取邊緣后圖像中連通域的個(gè)數(shù)；最后再求得連通域個(gè)數(shù)與像素點(diǎn)個(gè)數(shù)的比值，并依此比值來(lái)判斷是否為信號(hào)缺失圖像.信號(hào)缺失算法，如公式1所示：

(1)

2)信號(hào)缺失檢測(cè)算法的流程

首先，載入圖片，通過(guò)高斯平滑濾波處理，其平滑矩陣為3x3；然后對(duì)圖像運(yùn)用Canny邊緣提取成為二值圖，其控制邊緣連接和強(qiáng)邊緣分割的閾值threshold1和threshold2都設(shè)置為0，使其取得的邊緣最多；接著，查找連通域的個(gè)數(shù)num，求得比值x；最后，通過(guò)公式(1)求得比值y.此時(shí)，求得的y的范圍在(0～1)之間，這里利用一個(gè)閾值來(lái)進(jìn)行結(jié)果判斷.如果y比閾值(0.95～0.99)大，則說(shuō)明圖像為信號(hào)缺失所傳輸過(guò)來(lái)的圖像，如圖2所示.

1.3 信號(hào)缺失實(shí)驗(yàn)仿真

正常圖像和無(wú)信號(hào)Canny提取邊緣后的圖像如圖3所示．

統(tǒng)計(jì)結(jié)果為有信號(hào)的圖像Y值為0，無(wú)信號(hào)的圖像值為0，999 966.經(jīng)過(guò)大量測(cè)試結(jié)果，可以確定，無(wú)信號(hào)圖片閥值可以設(shè)在0.9以上，一般為0.99.正常的視頻圖像，一般所檢測(cè)出來(lái)的值都接近于0，而無(wú)信號(hào)圖像所檢測(cè)出來(lái)的值非常接近于1，依此可以判斷此算法的可靠性.

圖2 信號(hào)缺失檢測(cè)流程圖Fig.2 Detection processing of video signal loss algorithm

圖3 信號(hào)缺失檢測(cè)例圖Fig.3 Use cases about video signal loss algorithm

1.4 信號(hào)缺失檢測(cè)算法的對(duì)比分析

目前，在視頻信號(hào)缺失檢測(cè)算法中主要采用計(jì)算灰度均方差來(lái)進(jìn)行判斷，下面給出本算法與灰度均方差計(jì)算法之間的比較，如表1所示.

表1 視頻信號(hào)缺失檢測(cè)算法對(duì)比表

2 視頻監(jiān)控中清晰度及其檢測(cè)算法

2.1 清晰度

前端攝像機(jī)在使用過(guò)程中，由于聚焦不當(dāng)、鏡頭老化、異物遮擋或人為蒙蔽等原因都有可能導(dǎo)致視頻畫面模糊DOE(Definition of Exception).這種模糊現(xiàn)象嚴(yán)重影響了監(jiān)控視頻的事后檢索和其它檢測(cè)的正常運(yùn)作.故本文中僅僅只是把比較模糊的圖像挑出來(lái)，而不是對(duì)圖像的清晰度做評(píng)價(jià).

2.2 清晰度檢測(cè)算法的原理

常見(jiàn)的圖像清晰度評(píng)價(jià)與檢測(cè)的主要方法包括圖像直方圖法、能量方差法、平方梯度能量法和熵函數(shù)等.經(jīng)過(guò)觀察發(fā)現(xiàn)，畫面比較清晰的圖像，其畫面中各像素的差異會(huì)比模糊的圖像要大.因此，清晰度異常的檢測(cè)可以利用這個(gè)特點(diǎn)來(lái)進(jìn)行判斷.

2.2.1 清晰度判斷算法的基本思想 利用上面所提到的高清晰度圖像的各像素點(diǎn)會(huì)比模糊圖像的各像素點(diǎn)周圍的像素點(diǎn)的差異大.可以先將原圖進(jìn)行灰度化，再將灰度化后的圖像進(jìn)行二次模糊，使之變成一個(gè)相對(duì)模糊的圖像，然后再去統(tǒng)計(jì)各像素點(diǎn)的橫軸差和縱軸差，再將原圖的差異與模糊圖的差異相減，再做除法求得模糊度.清晰度檢測(cè)算法，如公式所示：

其中,H為模糊前后橫軸像素?fù)p失差的比值，V為模糊前后縱軸像素?fù)p失差的比值，n、m分別為圖像的長(zhǎng)和寬，X為原圖，Y為高斯濾波后的圖像.

2.3.2 清晰度判斷算法的流程 求得H和V之后，再將H和V比較大小，取小值作為清晰度.用此方法判斷出來(lái)的清晰度值理論上在[0-1]之間，實(shí)際應(yīng)該是在[0.05-0.5]之間,如圖4所示.

2.3 清晰度檢測(cè)試驗(yàn)仿真

對(duì)2張清晰度不同的圖片進(jìn)行檢測(cè)的結(jié)果如圖5所示.

圖5(a1)和(b1)分別為兩種清晰度不同的圖片，圖5(a2)和(b2)為相對(duì)應(yīng)的清晰度檢測(cè)結(jié)果.從圖片中可以看出，從a到b圖，圖像的清晰度是逐漸遞減的，所檢測(cè)的實(shí)驗(yàn)結(jié)果也與人的主觀認(rèn)識(shí)相同，清晰度在逐漸減小.通過(guò)對(duì)實(shí)驗(yàn)的觀察，二次模糊算法在檢測(cè)圖像清晰度時(shí)是可行的，能夠滿足日常的檢測(cè)需求.

圖4 清晰度檢測(cè)流程圖Fig.4 Detection processing of definition of exception algorithm

圖5 清晰度檢測(cè)結(jié)果Fig.5 Use cases about definition of exception algorithm

2.4 清晰度檢測(cè)算法的對(duì)比分析

目前，在視頻清晰度檢測(cè)算法中常見(jiàn)的清晰度評(píng)價(jià)函數(shù)分為兩大類：①以圖像直方圖法和能量方差法為代表的函數(shù)；②以拉普拉斯能量法和平方梯度能量法為代表的函數(shù).本文選取能量方差法和平方梯度能量法，與本算法在所需時(shí)間上進(jìn)行性能比較，如表2所示.

表2 清晰度檢測(cè)算法的性能比較

3 總結(jié)

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，在智慧城市的建設(shè)過(guò)程中，視頻監(jiān)控具有廣闊的前景，監(jiān)控異常診斷也顯得非常重要.本文運(yùn)用數(shù)字圖像處理技術(shù)，對(duì)監(jiān)控視頻中的異常故障進(jìn)行診斷.針對(duì)湖泊環(huán)保應(yīng)用的特殊性，主要研究?jī)煞N類型異常：信號(hào)缺失和清晰度.文中分別對(duì)這兩種類型的視頻監(jiān)控中的圖像異常進(jìn)行診斷和及時(shí)地預(yù)警，并對(duì)監(jiān)控系統(tǒng)的運(yùn)行情況以及視頻圖像的質(zhì)量進(jìn)行檢測(cè)，對(duì)湖泊環(huán)境保護(hù)具有一定的效果.

[1] 王 珩， 陳淑榮.一種視頻監(jiān)控圖像條紋噪聲的快速檢測(cè)方法[J].微型機(jī)與應(yīng)用， 2011(17):36-39．

[2] 羅顯科. 視頻監(jiān)控圖像異常檢測(cè)及質(zhì)量評(píng)價(jià)[D].重慶: 重慶大學(xué)，2012．

[3] 黃亞博， 焦建彬， 葉齊祥， 等. 一種魯棒性的抖動(dòng)視頻穩(wěn)像算法[J].光電子·激光， 2008(03):394-399.

[4] 楊 碗， 吳樂(lè)華， 范 嘩. 數(shù)字圖像客觀質(zhì)量評(píng)價(jià)方法研究[J].通信技術(shù)， 2008 (07):244-246.

[5] 蔣 馨. 淺析國(guó)外智能視頻監(jiān)控技術(shù)的發(fā)展及應(yīng)用[J].國(guó)際博覽， 2011(10): 105-108.

[6] Frederique C， Thierry D， Patricia L. The blur effect: perception and estimation with a new no-reference perceptual blur metric[J]. Proceeding of Spie Human Vision and Electronic Imaging XII， 2007， 6492: 649-201．

[7] 胡 欣， 唐 碩. 基于灰度級(jí)連通性的FLIR圖像的目標(biāo)檢測(cè)方法[J].西北工業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版， 2007， 25(3) :406-410．

[8] 余燕飛， 鄭 烇， 王 嵩， 等. 基于空間域的圖像噪聲檢測(cè)技術(shù)[J].計(jì)算機(jī)應(yīng)用， 2012， 32(6):1552-1556．

[9] 耿 征. 世界各國(guó)對(duì)智能化視頻監(jiān)控技術(shù)的典型應(yīng)用[J].中國(guó)安防，2008(03):17-22

[10] 龐韶寧， 李介谷. 圖像方向性的條紋分析方法[J].紅外與激光工程， 1999(04):25-29．

[11] 李 峰， 陳志剛， 儲(chǔ)金宇. 圖像清晰度檢測(cè)方法[J]. 計(jì)算機(jī)工程與設(shè)計(jì)， 2006(05):1545-1546．

The algorithm of detection and analysis of image exception in video monitoring

WANG Weihu1， LIU Yanshen2

(1.National Engineering Research Center for E-Learning， Central China Normal University， Wuhan 430079;2.Center of Education Information Research， Central China Normal University， Wuhan 430079)

According to the particularity of video monitoring in lake environmental protection, two image exceptions are investigated in the present study including signal loss and definition in video monitoring, utilizing digital image processing. Causes of these exceptions are described as well as the detection algorithm, followed by verification through simulation experiments. Results suggest that digital image processing is beneficial for video monitoring not only in early diagnosis and warning of image abnormalities but also in improvement of image quality.

video monitoring; image exception; detection

2015-04-10.

國(guó)家支撐計(jì)劃項(xiàng)目(2012BAK02B06/00)；湖北省教育廳科研項(xiàng)目(B2014120)．

1000-1190(2015)05-0692-04

X524

A

*E-mail: wangweihu80@163.com．