CN113766089B - 检测视频滚动条纹的方法、装置、电子设备和存储介质 - Google Patents
检测视频滚动条纹的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113766089B CN113766089B CN202111101763.1A CN202111101763A CN113766089B CN 113766089 B CN113766089 B CN 113766089B CN 202111101763 A CN202111101763 A CN 202111101763A CN 113766089 B CN113766089 B CN 113766089B
- Authority
- CN
- China
- Prior art keywords
- suspected
- rolling
- video
- stripes
- stripe
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005096 rolling process Methods 0.000 claims abstract description 205
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000015654 memory Effects 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种检测视频滚动条纹的方法、装置、设备和存储介质,涉及云计算领域,进一步涉及媒体云技术领域。具体实现方案为:获取视频中当前帧图像与相邻帧图像的第一帧差图,并对第一帧差图进行处理,获得第一帧差图中的至少一个轮廓;根据第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个疑似滚动条纹的角度;根据每个疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围;根据角度范围下的疑似滚动条纹数量,检测视频是否存在滚动条纹。本申请可检测任意方向的滚动条纹,提高了检测视频滚动条纹的准确性,降低对视频滚动条纹的误判率。
Description
技术领域
本申请涉及云计算领域,进一步涉及媒体云技术领域,尤其涉及一种检测视频滚动条纹的方法、装置、设备和存储介质。
背景技术
在录制视频或者监控场景中,可能由于电压不稳定或其他电磁信号的干扰,导致视频画面出现周期性滚动的条纹,如水平条纹、竖直条纹和斜条纹。这些条纹的出现很可能导致一些关键画面不清晰,影响视频质量,或给监控领域的目标识别和监视带来极大困扰。人工主观的检测方法,需要工作人员长时间持续观察视频或监控,成本高且效率低。
发明内容
本申请提供了一种检测视频滚动条纹的方法、装置、设备和存储介质。
根据本申请的第一方面,提供了一种检测视频滚动条纹的方法,包括:
获取所述视频中当前帧图像与相邻帧图像的第一帧差图,并对所述第一帧差图进行处理,获得所述第一帧差图中的至少一个轮廓;
根据所述第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个所述疑似滚动条纹的角度;
根据每个所述疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围;
根据所述角度范围下的疑似滚动条纹数量,检测所述视频是否存在滚动条纹。
根据本申请的第二方面,提供了一种检测视频滚动条纹的装置,包括:
处理模块,用于获取所述视频中当前帧图像与相邻帧图像的第一帧差图,并对所述第一帧差图进行处理,获得所述第一帧差图中的至少一个轮廓;
第一获取模块,用于根据所述第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个所述疑似滚动条纹的角度;
第二获取模块,用于根据每个所述疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围;
第一确定模块,用于根据所述角度范围下的疑似滚动条纹数量,检测所述视频是否存在滚动条纹。
根据本申请的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面所述的检测视频滚动条纹的方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行前述第一方面所述的检测视频滚动条纹的方法。
根据本申请的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据前述第一方面所述的检测视频滚动条纹的方法。
根据本申请的技术方案,通过获取当前帧图像与相邻帧图像的第一帧差图,并对该第一帧差图进行处理后得到较为清晰、准确的轮廓。从该轮廓中筛选出符合条纹特征的疑似滚动条纹,并统计第一帧差图中各疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围。根据该角度范围下的疑似滚动条纹数量判断当前帧图像中是否存在滚动条纹。因此,本申请的技术方案可检测任意方向的滚动条纹,提高了检测视频滚动条纹的准确性,降低对视频滚动条纹的误判率,并且可以降低人工监控成本,提高检测效率。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例提供的一种检测视频滚动条纹的方法流程图;
图2是根据本申请实施例提供的一种获取至少一个疑似滚动条纹和每个疑似滚动条纹的角度的流程图;
图3是根据本申请实施例提供的一种根据每个最小外接矩形的长度和宽度,从至少一个轮廓中获取至少一个疑似滚动条纹的流程图;
图4是根据本申请实施例提供的一种,根据该角度范围下的疑似滚动条纹数量,检测视频是否存在滚动条纹的流程图;
图5是根据本申请实施例提供的另一种检测视频滚动条纹的方法流程图;
图6是根据本申请实施提供的一种检测视频滚动条纹的装置的结构框图;
图7是根据本申请实施提供的另一种检测视频滚动条纹的装置的结构框图;
图8是根据本申请实施提供的又一种检测视频滚动条纹的装置的结构框图;
图9是用来实现本申请实施例的检测视频滚动条纹的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
现有技术中,主要通过帧差图中边缘图像的直线、轮廓骨架中的线段或疑似滚动条纹线段图像的频谱中奇异点的数量,检测当前帧画面是否有滚动条纹。其中,当相邻两帧变化较大时,会出现许多物体的边缘,经常会有将该物体边缘直线或骨架直线误判为滚动条纹的问题。而当物体的边缘直线数很少时,转换到频域会出现较多奇异点,因此也会导致误判。
为此,本申请提出一种检测视频滚动条纹的方法、装置、设备和存储介质。具体地,下面参考附图描述本申请实施例的检测视频滚动条纹的方法、装置、设备和存储介质。
图1是根据本申请实施例提供的一种检测视频滚动条纹的方法流程图。需要说明的是,本申请实施例的检测视频滚动条纹的方法可应用于本申请实施例的检测视频滚动条纹的装置,该检测视频滚动条纹的装置可被配置于电子设备上。
如图1所示,该检测视频滚动条纹的方法可以包括如下步骤:
步骤101,获取视频中当前帧图像与相邻帧图像的第一帧差图,并对第一帧差图进行处理,获得第一帧差图中的至少一个轮廓。
需要说明的是,在一些实施例中,该当前帧图像和相邻帧图像可以是视频之中关键帧中的帧图像。例如,可以提取视频的关键帧图像,逐个对关键帧图像进行滚动条纹检测,在对当前帧图像进行滚动条纹检测时,可以获取当前帧图像与该当前帧图像相邻的帧图像进行差图计算,以得到当前帧图像与相邻帧图像的帧差图,将该当前帧图像与相邻帧图像的帧差图可称为第一帧差图。
需要说明的是,在本申请一些实施例中,该相邻帧图像为当前帧图像的上一帧图像,如果当前帧图像为视频的首帧图像(即视频的第一帧图像),即认为该首帧图像不存在滚动条纹,从第二帧图像开始检测。
可选地,在本申请一些实施例中,在得到当前帧图像与相邻帧图像的第一帧差图后,可对第一帧差图进行阈值处理,将阈值处理后的第一帧差图可称为第二帧差图,其中,对第一帧差图进行阈值处理的目的是为了增强对弱条纹的检测;对第二帧差图进行均值滤波以及均值处理,将经过均值滤波以及均值处理的第二帧差图称为第三帧差图,其中,对第二帧差图进行均值滤波以及均值处理的目的是为了减小第一帧差图中噪声的干扰;对第三帧差图进行形态学开运算,获得第一帧差图中的至少一个轮廓,其中,对第三帧差图进行形态学开运算的目的是为了减小毛刺和小块的干扰,以获得准确的轮廓。由此,经过对第一帧差图的处理,可以得到第一帧差图中相对清晰、准确的轮廓,为降低滚动条纹的误判率提供了基础。
步骤102,根据第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个疑似滚动条纹的角度。
可选地,在本申请一些实施例中,可利用轮廓的最小外接矩形的形状和大小来筛选出哪些轮廓属于疑似滚动条纹,并利用轮廓的最小外接矩形的角度来确定疑似滚动条纹的角度。具体实现方式可参见后续实施例的描述。
步骤103,根据每个疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围。
可选地,在本申请一些实施例中,可根据每个疑似滚动条纹的角度和疑似滚动条纹的数量,生成疑似滚动条纹的角度直方图;采用预设的滑动窗口,对该角度直方图进行滑动窗口扫描,以找出疑似滚动条纹数最多的角度范围。需要说明的是,该疑似滚动条纹的角度直方图可以是横轴为角度,纵轴为各角度的疑似滚动条纹的数量的直方图。滑动窗口在对疑似条纹的角度直方图进行扫描时,找出疑似滚动条纹数量最多的角度范围,例如找到疑似滚动条纹数量最多的角度范围为18°-22°。需要说明的是,该滑动窗口的角度范围可根据实际情况设置,在此本申请在此不作出限定。
步骤104,根据该角度范围下的疑似滚动条纹数量,检测视频是否存在滚动条纹。
可选地,在本申请一些实施例中,可统计该角度范围下的疑似滚动条纹数量,将该角度范围下的疑似滚动条纹数量与阈值进行比较,并根据比较结果检测该视频是否存在滚动条纹。具体实现方式可参见后续实施例的描述。
根据本申请实施例的检测视频滚动条纹的方法,通过获取当前帧图像与相邻帧图像的第一帧差图,并对该第一帧差图进行处理后得到较为清晰、准确的轮廓。根据该轮廓最小外接矩形的长度和宽度,从形状和大小两方面筛选出符合条纹特征的疑似滚动条纹,并统计第一帧差图中各疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围。统计该角度范围下的疑似滚动条纹数量,将该角度范围下的疑似滚动条纹数量与阈值进行比较,并根据比较结果检测该视频是否存在滚动条纹。本申请实施例的检测视频滚动条纹的方法可检测任意方向的滚动条纹,提高了检测视频滚动条纹的准确性,降低对视频滚动条纹的误判率。
可选地,在本申请一些实施例中,可获得第一帧差图中轮廓的最小外接矩形,通过该最小外接矩形的长度和宽度从第一帧差图的轮廓中筛选出疑似滚动条纹,且记录下疑似滚动条纹的角度。作为一种示例,在上述如图1所示实施例的基础上,如图2所示,本申请实施例提供的根据第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个疑似滚动条纹的角度的实现过程可以包括如下步骤:
步骤201,获取至少一个轮廓的至少一个最小外接矩形。
步骤202,根据每个最小外接矩形的长度和宽度,从至少一个轮廓中获取至少一个疑似滚动条纹。
需要说明的是,在本申请一些实施例中,可从最小外接矩形的形状及长度两方面确定与该最小外接矩形对应的轮廓是否为疑似滚动条纹。作为一种示例,如图3所示,本申请实施例提供的根据每个最小外接矩形的长度和宽度,从至少一个轮廓中获取至少一个疑似滚动条纹的实现过程可以包括如下步骤:
步骤301,根据每个最小外接矩形的长度和宽度,从至少一个最小外接矩形中获取长度和宽度满足预设条件的至少一个目标最小外接矩形;其中,长度和宽度满足预设条件包括长度大于第一阈值且长度与宽度间的比值满足第一条件。
需要说明的是,该预设条件包括长度与宽度间的比值满足第一条件且长度大于第一阈值,是为了在最小外接矩形中筛选出形状及长度都接近视频中条纹特征的最小外接矩形。
其中,轮廓的最小外接矩形的长度与宽度间的比值满足第一条件,是为排除掉最小外接矩形不是长条形的轮廓,如最小外接矩形为正方形的轮廓。作为一种示例,第一条件可以设为长度与宽度间的比值需大于3:1,若最小外接矩形的长度与宽度间的比值大于3:1,即可确定该最小外接矩形的长度和宽度间的比值满足第一条件。
此外,帧差图中可能会出现小毛刺或其他轮廓,为避免将小毛刺等轮廓误判为疑似滚动条纹,故预设条件还需包括轮廓的最小外接矩形的长度大于第一阈值。作为一种示例,第一阈值可以为视频画面长度的30%,若最小外接矩形的长度大于视频画面长度的30%,即可确定该最小外接矩形的长度。需要说明的是,第一阈值还可以是视频宽度的某个比例,具体可根据实际情况设定,对此本申请不作具体限定。
也就是说,若最小外接矩形的长度和宽度满足预设条件,即长度大于第一阈值且长度与宽度间的比值满足第一条件,即可将该最小外接矩形确定为目标最小外接矩形。
步骤302,将每个目标最小外接矩形对应的轮廓确定为疑似滚动条纹。
由此,通过上述步骤301-302,可在第一帧差图中的轮廓中,根据至少一个最小外接矩形的长度和宽度确定出满足条纹特征的疑似滚动条纹,以避免将非条纹状轮廓或小毛刺等轮廓误判为滚动条纹的情况。
步骤203,获取每个疑似滚动条纹的最小外接矩形的角度。
需要说明的是,每个疑似滚动条纹的最小外接矩形的角度可以是每个最小外接矩形相邻两边中较长的一条边与水平正方向的夹角。其中,水平正方向可以理解为视频图像所对应的坐标系中横坐标的正向方向。
步骤204,将每个疑似滚动条纹的最小外接矩形的角度,作为每个疑似滚动条纹的角度。
由此,通过步骤201-步骤204可从第一帧差图的轮廓中,确定出哪个轮廓满足条纹特征,并将该轮廓作为疑似滚动条纹,且获得疑似滚动条纹的角度,以进行后续进一步的检测。
可选地,本申请实施例提供的步骤104中所述,根据该角度范围下的疑似滚动条纹数量,检测视频是否存在滚动条纹的实现过程如图4所示,可以包括如下步骤:
步骤401,统计角度范围下的疑似滚动条纹数量。
步骤402,判断该角度范围下的疑似滚动条纹数量是否大于第二阈值。若疑似滚动条纹数量大于第二阈值,则执行步骤403;若疑似滚动条纹数量是小于或等于第二阈值,则执行步骤404。
步骤403,确定视频存在滚动条纹。
步骤404,确定当前帧图像不存在滚动条纹,并执行步骤405。
步骤405,获取视频的下一帧图像,并将下一帧图像作为新的当前帧图像,返回执行获取视频中当前帧图像与相邻图像的第一帧差图的步骤。
作为一种示例,第二阈值可以设为3。当找出的角度范围下的疑似滚动条纹数量小于或等于3,认为当前帧图像不存在滚动条纹,继续对下一帧图像是否存在滚动条纹进行检测;当找出的角度范围下的疑似滚动条纹数量大于3,认为被检测的帧图像存在滚动条纹,进而可以认为该视频存在滚动条纹。由此,通过步骤401-步骤404可过滤掉第一帧差图中有少量条纹状物体轮廓的特殊情况,提高了滚动条纹检测的准确性。
可选地,如图5所示,本申请实施例提供的检测视频滚动条纹的方法可包括如下步骤:
步骤501,获取视频中当前帧图像与相邻帧图像的第一帧差图。
步骤502,对第一帧差图进行阈值处理,获得第二帧差图。
步骤503,对第二帧差图进行均值滤波以及均值处理,获得第三帧差图。
步骤504,对第三帧差图进行形态学开运算,获得第一帧差图中的至少一个轮廓。
步骤505,获取至少一个轮廓的至少一个最小外接矩形。
步骤506,根据每个最小外接矩形的长度和宽度,从至少一个最小外接矩形中获取长度和宽度满足预设条件的至少一个目标最小外接矩形;其中,长度和宽度满足预设条件包括长度大于第一阈值且长度与宽度间的比值满足第一条件。
步骤507,将每个目标最小外接矩形对应的轮廓确定为疑似滚动条纹。
步骤508,获取每个疑似滚动条纹的最小外接矩形的角度,作为每个疑似滚动条纹的角度。
步骤509,根据每个疑似滚动条纹的角度和疑似条纹的数量,生成疑似滚动条纹的角度直方图。
步骤510,采用预设的滑动窗口,对该角度直方图进行滑动窗口扫描,以找出疑似滚动条纹数最多的角度范围。
步骤511,统计该角度范围下的疑似滚动条纹数量。
步骤512,判断该角度范围下的疑似滚动条纹数量是否大于第一阈值。若疑似滚动条纹数量大于第二阈值,则执行步骤513;若疑似滚动条纹数量是小于或等于第二阈值,则执行步骤514。
步骤513,确定当前帧图像存在滚动条纹,并执行步骤514。
可选地,可将该角度范围内疑似滚动条纹数最多的角度,作为当前帧图像中滚动条纹的角度,不仅可以根据视频相邻帧图像检测出视频当前帧是否存在滚动条纹,还可以确定该滚动条纹的角度。
步骤514,确定当前帧图像不存在滚动条纹,并执行步骤514。
步骤515,获取视频的下一帧图像,并将下一帧图像作为新的当前帧图像,并返回执行步骤501,即返回执行所述获取视频中当前帧图像与相邻帧图像的第一帧差图的步骤。
可选地,在本申请一些实施例中,在对视频单帧图像进行检测后,还可以统计连续检测出存在滚动条纹的视频帧数量,若连续检测出存在滚动条纹的视频帧数量大于第三阈值,则确定该视频存在滚动条纹;若连续检测出存在滚动条纹的视频帧数量小于或等于第三阈值,则确定该视频不存在滚动条纹。作为一种示例,第三阈值可以设为2,若连续检测出存在滚动条纹的视频帧数量大于2,即可进一步确定该视频存在滚动条纹,进一步提高检测视频滚动条纹的准确性。
在本申请实施例中,步骤501-步骤514可以分别采用本申请的各实施例中的任一种方式实现,对此本申请不作具体限定,也不再赘述。
根据本申请实施例的检测视频滚动条纹的方法,通过获取当前帧图像与相邻帧图像的第一帧差图,并对该第一帧差图进行处理后得到较为清晰、准确的轮廓。根据该轮廓最小外接矩形的长度和宽度,从形状和大小两方面筛选出符合条纹特征的疑似滚动条纹,避免将非条纹状轮廓或小毛刺等轮廓误判为滚动条纹的情况。统计第一帧差图中各疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围。对该角度范围下的疑似滚动条纹数量于第二阈值进行对比,若疑似滚动条纹数量大于第二阈值,则可确定当前帧图像中存在滚动条纹;若疑似滚动条纹数量是小于或等于第二阈值,则可确定当前帧图像中不存在滚动条纹。在对视频当前帧图像检测完毕后,获取视频的下一帧图像,并将下一帧图像作为新的当前帧图像继续检测。本申请实施例的检测视频滚动条纹的方法,可以检测任意方向的滚动条纹,进一步提高了检测视频滚动条纹的准确性,从而可以进一步降低对视频滚动条纹的误判率。
图6是根据本申请实施例提供的一种检测视频滚动条纹的装置的结构框图。如图6所示,该检测视频滚动条纹的装置可以包括处理模块601、第一获取模块602、第二获取模块603和第一确定模块604。
具体地,处理模块601,用于获取所述视频中当前帧图像与相邻帧图像的第一帧差图,并对所述第一帧差图进行处理,获得所述第一帧差图中的至少一个轮廓。
第一获取模块602,用于根据所述第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个所述疑似滚动条纹的角度。
第二获取模块603,用于根据每个所述疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围。
第一确定模块604,用于根据所述角度范围下的疑似滚动条纹数量,检测所述视频是否存在滚动条纹。
在本申请一些实施例中,处理模块601,具体用于:对所述第一帧差图进行阈值处理,获得第二帧差图;对所述第二帧差图进行均值滤波且进行均值处理,获得第三帧差图;对所述第三帧差图进行形态学开运算,获得所述第一帧差图中的至少一个轮廓。
在本申请一些实施例中,第一获取模块602,具体用于:获取所述至少一个轮廓的至少一个最小外接矩形;根据每个所述最小外接矩形的长度和宽度,从所述至少一个轮廓中获取至少一个疑似滚动条纹;获取每个所述疑似滚动条纹的最小外接矩形的角度;将每个所述疑似滚动条纹的最小外接矩形的角度,作为每个所述疑似滚动条纹的角度。
在本申请一些实施例中,第一获取模块602,还具体用于:根据每个所述最小外接矩形的长度和宽度,从所述至少一个最小外接矩形中获取所述长度和宽度满足预设条件的至少一个目标最小外接矩形;其中,所述长度和宽度满足预设条件包括长度大于第一阈值且长度与宽度间的比值满足第一条件;将每个所述目标最小外接矩形对应的轮廓确定为疑似滚动条纹。
在本申请一些实施例中,第二获取模块603,具体用于:根据每个所述疑似滚动条纹的角度和疑似滚动条纹的数量,生成角度直方图;采用预设的滑动窗口,对所述角度直方图进行滑动窗口扫描,以找出疑似滚动条纹数最多的角度范围。
在本申请一些实施例中,第一确定模块604,具体用于:统计所述角度范围下的疑似滚动条纹数量;响应于所述角度范围下的疑似滚动条纹数量大于第二阈值,确定所述视频存在滚动条纹。
可选地,在本申请一些实施例中,若确定当前帧图像不存在滚动条纹,则继续对视频下一帧图像进行检测,如图7所示,该检测视频滚动条纹的装置还可以包括:第二确定模块705和循环模块706。
具体地,第二确定模块705,用于响应于所述角度范围下的疑似滚动条纹数量小于或等于所述第二阈值,确定所述当前帧图像不存在滚动条纹;
循环模块706,用于获取所述视频的下一帧图像,并将所述下一帧图像作为新的当前帧图像,返回执行所述获取所述视频中当前帧图像与相邻帧图像的第一帧差图的步骤。
其中,图7中701-704和图6中601-604具有同功能和结构。
可选地,在本申请一些实施例中,在对视频单帧图像进行检测后,还可以统计连续检测出存在滚动条纹的视频帧数量,进一步确定该视频存在滚动条纹,提高检测视频滚动条纹的准确性。如图8所示,该检测视频滚动条纹的装置还可以包括:统计模块807、第三确定模块808和第四确定模块809。
具体地,统计模块807,用于统计连续检测出存在滚动条纹的视频帧数量。
第三确定模块808,用于响应于所述视频帧数量大于第三阈值,确定所述视频存在滚动条纹。
第四确定模块809,用于响应于所述视频之中的单帧图像均不存在滚动条纹,确定所述视频不存在滚动条纹;或者,响应于所述视频帧数量小于或等于所述第三阈值,确定所述视频不存在滚动条纹。
其中,图8中801-806和图7中701-706具有同功能和结构。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
根据本申请实施例的检测视频滚动条纹的装置,通过获取当前帧图像与相邻帧图像的第一帧差图,并对该第一帧差图进行处理后得到较为清晰、准确的轮廓。根据该轮廓最小外接矩形的长度和宽度,从形状和大小两方面筛选出符合条纹特征的疑似滚动条纹,避免将非条纹状轮廓或小毛刺等轮廓误判为滚动条纹的情况。统计第一帧差图中各疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围。对该角度范围下的疑似滚动条纹数量于第二阈值进行对比,若疑似滚动条纹数量大于第二阈值,则可确定当前帧图像中存在滚动条纹;若疑似滚动条纹数量是小于或等于第二阈值,则可确定当前帧图像中不存在滚动条纹。在对视频当前帧图像检测完毕后,获取视频的下一帧图像,并将下一帧图像作为新的当前帧图像继续检测。本申请实施例的检测视频滚动条纹的方法,可以检测任意方向的滚动条纹,提高了检测视频滚动条纹的准确性,降低对视频滚动条纹的误判率。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图9所示,是根据本申请实施例的用以实现检测视频滚动条纹的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的检测视频滚动条纹的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的检测视频滚动条纹的方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的检测视频滚动条纹的方法对应的程序指令/模块(例如,附图8所示的处理模块801、第一获取模块802、第二获取模块803、第一确定模块804、第二确定模块805、循环模块806、统计模块807、第三确定模块808和第四确定模块809)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的检测视频滚动条纹的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储用以实现检测视频滚动条纹的方法的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至用以实现检测视频滚动条纹的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用以实现检测视频滚动条纹的方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与用以实现检测视频滚动条纹的方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,即本申请还提出了一种计算机程序,该计算机程序在被处理器执行时,实现上述实施例所描述的检测视频滚动条纹的方法,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (18)
1.一种检测视频滚动条纹的方法,包括:
获取所述视频中当前帧图像与相邻帧图像的第一帧差图,并对所述第一帧差图进行处理,获得所述第一帧差图中的至少一个轮廓;
根据所述第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个所述疑似滚动条纹的角度;
根据每个所述疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围;
根据所述角度范围下的疑似滚动条纹数量,检测所述视频是否存在滚动条纹;
其中,所述根据所述第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个所述疑似滚动条纹的角度,包括:
获取所述至少一个轮廓的至少一个最小外接矩形;
根据每个所述最小外接矩形的长度和宽度,从所述至少一个轮廓中获取至少一个疑似滚动条纹;
获取每个所述疑似滚动条纹的最小外接矩形的角度;
将每个所述疑似滚动条纹的最小外接矩形的角度,作为每个所述疑似滚动条纹的角度。
2.根据权利要求1所述的方法,其中,所述对所述第一帧差图进行处理,获得所述第一帧差图中的至少一个轮廓,包括:
对所述第一帧差图进行阈值处理,获得第二帧差图;
对所述第二帧差图进行均值滤波且进行均值处理,获得第三帧差图;
对所述第三帧差图进行形态学开运算,获得所述第一帧差图中的至少一个轮廓。
3.根据权利要求1所述的方法,其中,所述根据每个所述最小外接矩形的长度和宽度,从所述至少一个轮廓中获取至少一个疑似滚动条纹,包括:
根据每个所述最小外接矩形的长度和宽度,从所述至少一个最小外接矩形中获取所述长度和宽度满足预设条件的至少一个目标最小外接矩形;其中,所述长度和宽度满足预设条件包括长度大于第一阈值且长度与宽度间的比值满足第一条件;
将每个所述目标最小外接矩形对应的轮廓确定为疑似滚动条纹。
4.根据权利要求1所述的方法,其中,所述根据每个所述疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围,包括:
根据每个所述疑似滚动条纹的角度和疑似滚动条纹的数量,生成角度直方图;
采用预设的滑动窗口,对所述角度直方图进行滑动窗口扫描,以找出疑似滚动条纹数最多的角度范围。
5.根据权利要求1所述的方法,其中,所述根据所述角度范围下的疑似滚动条纹数量,检测所述视频是否存在滚动条纹,包括:
统计所述角度范围下的疑似滚动条纹数量;
响应于所述角度范围下的疑似滚动条纹数量大于第二阈值,确定所述视频存在滚动条纹。
6.根据权利要求5所述的方法,还包括:
响应于所述角度范围下的疑似滚动条纹数量小于或等于所述第二阈值,确定所述当前帧图像不存在滚动条纹;
获取所述视频的下一帧图像,并将所述下一帧图像作为新的当前帧图像,返回执行所述获取所述视频中当前帧图像与相邻帧图像的第一帧差图的步骤。
7.根据权利要求1所述的方法,还包括:
统计连续检测出存在滚动条纹的视频帧数量;
响应于所述视频帧数量大于第三阈值,确定所述视频存在滚动条纹。
8.根据权利要求6或7所述的方法,还包括:
响应于所述视频之中的单帧图像均不存在滚动条纹,确定所述视频不存在滚动条纹;
或者,响应于所述视频帧数量小于或等于所述第三阈值,确定所述视频不存在滚动条纹。
9.一种检测视频滚动条纹的装置,包括:
处理模块,用于获取所述视频中当前帧图像与相邻帧图像的第一帧差图,并对所述第一帧差图进行处理,获得所述第一帧差图中的至少一个轮廓;
第一获取模块,用于根据所述第一帧差图中的至少一个轮廓,获取至少一个疑似滚动条纹和每个所述疑似滚动条纹的角度;
第二获取模块,用于根据每个所述疑似滚动条纹的角度,找出疑似滚动条纹的数量最多的角度范围;
第一确定模块,用于根据所述角度范围下的疑似滚动条纹数量,检测所述视频是否存在滚动条纹;
其中,所述第一获取模块具体用于:
获取所述至少一个轮廓的至少一个最小外接矩形;
根据每个所述最小外接矩形的长度和宽度,从所述至少一个轮廓中获取至少一个疑似滚动条纹;
获取每个所述疑似滚动条纹的最小外接矩形的角度;
将每个所述疑似滚动条纹的最小外接矩形的角度,作为每个所述疑似滚动条纹的角度。
10.根据权利要求9所述的装置,其中,所述处理模块具体用于:
对所述第一帧差图进行阈值处理,获得第二帧差图;
对所述第二帧差图进行均值滤波且进行均值处理,获得第三帧差图;
对所述第三帧差图进行形态学开运算,获得所述第一帧差图中的至少一个轮廓。
11.根据权利要求9所述的装置,其中,所述第一获取模块具体用于:
根据每个所述最小外接矩形的长度和宽度,从所述至少一个最小外接矩形中获取所述长度和宽度满足预设条件的至少一个目标最小外接矩形;其中,所述长度和宽度满足预设条件包括长度大于第一阈值且长度与宽度间的比值满足第一条件;
将每个所述目标最小外接矩形对应的轮廓确定为疑似滚动条纹。
12.根据权利要求9所述的装置,其中,所述第二获取模块具体用于:
根据每个所述疑似滚动条纹的角度和疑似滚动条纹的数量,生成角度直方图;
采用预设的滑动窗口,对所述角度直方图进行滑动窗口扫描,以找出疑似滚动条纹数最多的角度范围。
13.根据权利要求9所述的装置,其中,所述第一确定模块具体用于:
统计所述角度范围下的疑似滚动条纹数量;
响应于所述角度范围下的疑似滚动条纹数量大于第二阈值,确定所述视频存在滚动条纹。
14.根据权利要求13所述的装置,还包括:
第二确定模块,用于响应于所述角度范围下的疑似滚动条纹数量小于或等于所述第二阈值,确定所述当前帧图像不存在滚动条纹;
循环模块,用于获取所述视频的下一帧图像,并将所述下一帧图像作为新的当前帧图像,返回执行所述获取所述视频中当前帧图像与相邻帧图像的第一帧差图的步骤。
15.根据权利要求9所述的装置,还包括:
统计模块,用于统计连续检测出存在滚动条纹的视频帧数量;
第三确定模块,用于响应于所述视频帧数量大于第三阈值,确定所述视频存在滚动条纹。
16.根据权利要求14或15所述的装置,还包括:
第四确定模块,用于响应于所述视频之中的单帧图像均不存在滚动条纹,确定所述视频不存在滚动条纹;
或者,响应于所述视频帧数量小于或等于所述第三阈值,确定所述视频不存在滚动条纹。
17. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101763.1A CN113766089B (zh) | 2021-09-18 | 2021-09-18 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101763.1A CN113766089B (zh) | 2021-09-18 | 2021-09-18 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113766089A CN113766089A (zh) | 2021-12-07 |
CN113766089B true CN113766089B (zh) | 2023-08-18 |
Family
ID=78796506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111101763.1A Active CN113766089B (zh) | 2021-09-18 | 2021-09-18 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766089B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014201896A1 (zh) * | 2013-06-20 | 2014-12-24 | 中兴通讯股份有限公司 | 图像条纹检测方法及装置 |
CN104282011A (zh) * | 2013-07-04 | 2015-01-14 | 浙江大华技术股份有限公司 | 一种检测视频图像中干扰条纹的方法及装置 |
CN104657975A (zh) * | 2014-05-13 | 2015-05-27 | 武汉科技大学 | 一种视频图像横向条纹扰动检测的方法 |
CN104978731A (zh) * | 2014-04-10 | 2015-10-14 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN105791813A (zh) * | 2014-12-26 | 2016-07-20 | 深圳中兴力维技术有限公司 | 视频滚动干扰条纹检测实现方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9147260B2 (en) * | 2010-12-20 | 2015-09-29 | International Business Machines Corporation | Detection and tracking of moving objects |
-
2021
- 2021-09-18 CN CN202111101763.1A patent/CN113766089B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014201896A1 (zh) * | 2013-06-20 | 2014-12-24 | 中兴通讯股份有限公司 | 图像条纹检测方法及装置 |
CN104282011A (zh) * | 2013-07-04 | 2015-01-14 | 浙江大华技术股份有限公司 | 一种检测视频图像中干扰条纹的方法及装置 |
CN104978731A (zh) * | 2014-04-10 | 2015-10-14 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN104657975A (zh) * | 2014-05-13 | 2015-05-27 | 武汉科技大学 | 一种视频图像横向条纹扰动检测的方法 |
CN105791813A (zh) * | 2014-12-26 | 2016-07-20 | 深圳中兴力维技术有限公司 | 视频滚动干扰条纹检测实现方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113766089A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106599783B (zh) | 一种视频遮挡检测方法及装置 | |
EP3819820B1 (en) | Method and apparatus for recognizing key identifier in video, device and storage medium | |
CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
JP2022160646A (ja) | ビデオジッタの検出方法、装置、電子機器および記憶媒体 | |
CN111460073A (zh) | 车道线检测方法、装置、设备和存储介质 | |
CN111861991B (zh) | 计算图像清晰度的方法以及装置 | |
CN112184837A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN111191619B (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN116245865A (zh) | 一种图像质量的检测方法、装置、电子设备及存储介质 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
US9818178B1 (en) | Method and system for detection of ghosting artifact in a video | |
CN113766089B (zh) | 检测视频滚动条纹的方法、装置、电子设备和存储介质 | |
CN111401248B (zh) | 一种天空区域的识别方法、装置、电子设备及存储介质 | |
CN114821596A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN116668843A (zh) | 一种拍摄状态的切换方法、装置、电子设备以及存储介质 | |
JP2019067377A (ja) | 画像処理装置及び方法及び監視システム | |
CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
CN115018730A (zh) | 一种图像条纹噪声的去除方法、装置、设备及介质 | |
CN111832459A (zh) | 目标检测方法、装置、设备以及存储介质 | |
Kundu et al. | A novel technique for automatic abrupt shot transition detection | |
CN111899181A (zh) | 去除图像中的阴影的方法和装置 | |
CN114612492B (zh) | 图像边框的检测方法、装置及电子设备 | |
CN113643266B (zh) | 图像检测方法、装置及电子设备 | |
CN113643257B (zh) | 图像噪点检测方法、装置、设备、存储介质及程序产品 | |
CN115601775A (zh) | 主体检测框的显示方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |