視頻監(jiān)控圖像異常檢測及質量評價.pdf

1、隨著社會的發(fā)展，人們安全意識的不斷提高，智能視頻監(jiān)控系統(tǒng)已經(jīng)深入人們的生產(chǎn)生活。被廣泛應用于政府、教育、交通、金融等各個領域中重要部位和場所的安全監(jiān)控。面對如此之多和廣泛應用的攝像頭，要確保監(jiān)控畫面的清晰正常，其運維工作必將十分艱難。因此，結合智能圖像處理技術和模式識別技術，研究計算機測試分析系統(tǒng)對攝像頭工況進行自動檢測有著重要的學術價值和現(xiàn)實意義。
　　 本文以智能視頻監(jiān)控系統(tǒng)為基礎，從信號故障、攝像頭干擾檢測和視頻質量評價三

2、個方面進行了分析。對影響監(jiān)控系統(tǒng)正常運行的常見故障和問題進行了深入的研究和探討，重點研究了通過數(shù)字圖像處理技術對監(jiān)控系統(tǒng)的運行情況以及視頻圖像的質量進行檢測。
　　 視頻監(jiān)控中的信號故障，一般表現(xiàn)為視頻信號缺失、監(jiān)控畫面凍結以及視頻圖像色偏?？梢酝ㄟ^計算畫面圖像各像素顏色灰度值的均方差來判定是否存在信號缺失：而對于畫面凍結，將連續(xù)的兩幀圖像進行減法運算后，通過計算灰度均方差來進行判斷。本章重點討論了對視頻圖像色偏的檢測。分別計算

3、圖像在Lab顏色空間下的色度均值和色度均方差，通過對它們的比值取常用對數(shù)后得到一個偏色因子來衡量圖像的色偏程度，實驗驗證了此方法的可行性。
　　 攝像頭處在監(jiān)控系統(tǒng)的最前端，容易受到外界的干擾，最常見的是攝像頭鏡頭遮擋和攝像頭位置移動。研究發(fā)現(xiàn)，遮擋前后監(jiān)控圖像的尺度不變特征轉換(Scale Invariant Feature Transform，SIFT)特征將會發(fā)生明顯變化?；诖?，本文給出了一種基于SIFT的圖像特征函數(shù)，

4、通過特征函數(shù)值的變化來判斷攝像頭是否發(fā)生干擾。實驗證明此算法能夠對攝像頭干擾進行有效檢測，而且能夠自動忽略無害干擾，具有較強的魯棒性。
　　 視頻監(jiān)控畫面還容易出現(xiàn)清晰度異常、亮度異常以及雪花等問題，可以通過對畫面圖像質量的評價來進行檢測。文中在分析了目前常用的圖像客觀質量評價算法后，提出了一種基于支持向量機(Support Vector Machines，SVM)的圖像質量客觀評價算法?？紤]到傳統(tǒng)SVM實時性較差、訓練樣本預標