CN202085261U - 智能视频诊断监控*** - Google Patents

Abstract

本实用新型涉及一种可应用于视频监控***的控制中心的智能诊断***，该***包括输入模块，视频转换模块，故障诊断模块和输出模块，当所述输入模块接收到视频源后，将所述视频源里面的视频信息传递给视频转换模块，所述视频转换模块将所述视频信息转化为特定的数字信号后传递给故障诊断模块，所述故障诊断模块通过对视频信息进行处理和分析后，通过输出模块输出检测结果。该***可对视频图像出现的各种故障，如信号缺失、雪花、噪声、模糊、偏色、画面冻结等现在做出准确判断，并通过查询、统计、导出等多种方式输出诊断结果。

Description

智能视频诊断监控***

【技术领域】

本实用新型涉及一种智能诊断***，尤其是智能视频诊断监控***。 

【背景技术】

目前，视频监控***的维护工作一般由人工完成的。维护人员在中心监控室，通过模拟矩阵或数字视频流媒体服务器将远端视频调出到监视屏中，人工判断每路视频的质量，并将有问题的视频记录到维护报表中。这项工作十分耗时繁重，因此一般维护工作会以半月或一月为周期定期检查，视频故障只能在检测的时候才能发现。 

由于监视屏数量有限，维护人员往往在一个监视屏同时监看多台摄像机或随机抽取摄像头显示，造成部分监控点被漏看或被忽视；另外，维护人员存在一定的不稳定性、随意性和局限性，加上人的注意力有限、容易疲劳，会被其他事物干扰，使得这样的人工检查结果不具客观性。这种人工维护工作不仅费时费力，而且效果不好，视频信号在出现不同的常见故障后，往往不能及时地被维护人员发现，一旦发生紧急情况，补救也来不及了。 

【发明内容】

针对上述问题，本实用新型提出一种智能视频诊断监控***，该***所述***包括电连接的： 

输入模块，用于接入并读取视频源， 

视频转换模块，用于将视频源转换为所需的数字信号， 

故障诊断模块，用于诊断视频源中的故障， 

输出模块，用于显示和导出检测结果； 

当所述输入模块接收到视频源后，将所述视频源里面的视频信息传递给视频转换模块，所述视频转换模块将所述视频信息转化为特定的数字信号后传递给故障诊断模块，所述故障诊断模块通过对视频信息进行处理和分析后，通过输出模块输出检测结果。 

该***可应用于视频监控***的控制中心，通过输入模块接入和读取各路视频源，并通过视频转换模块转化为数字信号，将数字信号接入故障诊断 模块进行自动诊断，其中的故障诊断模块采用先进的机器学习和计算机视觉技术，对读取的视频图像出现的各种故障，如信号缺失、雪花、噪声、模糊、偏色、画面冻结等现在做出准确判断，并输出诊断结果。 

所述的智能视频诊断监控***还可进一步包括存储模块，用于存储检测过程中的各种参数和诊断结果，在需要的时候可通过存储模块的本机或联网的其它终端查询历史诊断记录。 

为方便用户通过各种方式查看智能视频诊断监控***的监控结果，所述输出模块还可进一步通过以下模块来实现多种输出方式： 

查询模块，检索并输出用户对诊断历史记录的各种查询， 

统计模块，用于统计输出某一时间段的各种故障信息， 

导出模块，用于将查询结果或统计结果导出为特定文件格式， 

显示模块，实时显示当前视频的诊断结果。 

采用本实用新型的智能视频诊断监控***可省去人工监控的成本，传统的诊断方式需要利用人工进行长时间监控，成本高，而且人工监控会因为人的精力有限而带有很大的延时性，甚至漏掉一些故障或出现错误判断，导致很多故障不能被及时的查出，而智能监控可24小时不间断地同时进行多路视频监控，提高了检测效率，也保证了故障可以无遗漏的查出。 

【附图说明】

图1为本实用新型的***连接示意图； 

图2为本实用新型的存储模块连接示意图； 

图3为本实用新型故障诊断模块和输出模块示意图； 

图4为本实用新型各模块连接示意图。 

【具体实施方式】

参见图1-3，本实用新型包括电连接的输入模块1，视频转换模块2，故障诊断模块3和输出模块5，其中输入模块1用于接入并读取视频源，可包括两种接入方式：通过***自带的摄像头接口接入即时视频，也可通过外接接口接入离线或延时的外接视频。所述视频转换模块2用于将接入的视频源转换为故障诊断模块3所能识别和处理的数字信号，所述故障诊断模块3为核心模块，用于诊断视频源中的故障，并通过输出模块5显示和导出诊断结果。 

所述的智能视频诊断监控***还可进一步包括存储模块4，用于存储检 测过程中的各种参数和诊断结果，在需要的时候可通过存储模块4的本机或联网的其它终端调用存储模块4中的数据查询历史诊断记录。 

该***可应用于视频监控***的控制中心，其中的故障诊断模块3采用先进的机器学习和计算机视觉技术，对读取的视频图像出现的各种故障，如模糊、信号缺失、画面冻结、偏色、噪声、雪花等现在做出准确判断，并输出诊断结果。 

该故障诊断模块3进一步包括清晰度诊断模块31，亮度诊断模块32，信号缺失诊断模块33，偏色诊断模块34，画面冻结诊断模块35和噪声诊断模块36，分别用于检测分析不同的视频故障。 

所述清晰度诊断模块31，采用平均梯度法对图像进行处理，平均梯度能够反映出影像细微反差的程度。其计算公式为： 

$\▿\stackrel{\‾}{g}=\frac{\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}\sqrt{{\▿}_i^{2}f(i,j)+{\▿}_j^{2}f(i,j)}}{(M-1)(N-1)}$

式中，f(i，j)、 

分别为像点灰度值及其在行、列方向上的梯度，i和j分别为影像的行、列数。 

平均梯度越大，表明影像越清晰，反差越好，可用于自动检测视频中主体图像模糊的异常状况。当平均梯度超过预设平均梯度值时，通过输出模块5输出清晰度异常信号。 

所述亮度诊断模块32，用于自动检测视频画面过暗、过亮或忽明忽暗的异常。其检测步骤为：(1)将图像从RGB颜色空间转为HSV颜色空间，因为HSV颜色空间中的V通道直接反映了图像的亮度；(2)统计V通道图像中亮度值超过第一预设亮度值hT的点占的比例，并将该比例用highLightRatio表示；(3)检测V通道的平均值，并将该平均值采用avgValue表示；(4)将highLightRatio和avgValue与用户设定值进行比较，若highLightRatio＞T1且avgValue＞T2，则亮度诊断模块32判断视频图像存在亮度异常，输出亮度异常信号，其中T1为用户根据需要设定的预设第一比例，T2为用户根据需要设定的预设第二亮度值。 

信号缺失诊断模块33通过将接收到的数字信号转换为灰度图像后，根据颜色区域占全部像素点的比例判断是否信号缺失。 

一般视频监控采用硬盘录像机(DVR)来存储监控摄像头所录的视频图像，当输入模块1由硬盘录像机(DVR)中读取视频信号时，信号缺失通常有如下两种情况下：<1>由于摄像头故障、线路故障、人为关闭摄像头等原因导 致视频信号丢失，这种视频图像通常是单一色的背景图像，如黑色或绿色等颜色，硬盘录像机也会提示“无视频信号”。<2>由于摄像头与硬盘录像机(DVR)的线路接触不良，导致存储于硬盘录像机(DVR)中的视频信号的受到影响，这种视频图像通常带有严重的噪声干扰、出现花屏、滚屏等现象。 

根据背景颜色的像素值可区分出第一种情况和第二种情况的信号丢失。当摄像头正常摄像时，由于设备的性能稳定性或所涉及的传感器的敏感度等原因，即使在完全不变的场景下，摄像头获取到的图像的像素点的像素值，在前后的帧中也有一定的波动，其波动范围由设备的硬件性能决定，设该波动值为A，一般A的波动范围为0-10；而由于第一种情况造成视频信号丢失时，单一颜色的背景是由硬盘录像机自动加上去的，其像素值是固定的， 

对于第一种信号缺失的状况，由于视频图像中单色背景占图像面积的大部分，所以可统计视频图像中出现最多的颜色在整个图像中所占的比例，当此颜色的比例超过了设定的阈值时，认为是由于摄像头故障、线路故障、人为关闭摄像头等原因导致视频信号丢失。 

其处理步骤为：(1)将视频图像转换为灰度图；(2)将所述灰度图统计为直方图，并且将该直方图量化成若干个区域；(3)计算直方图中值最大的区域在占全部像素点的比例，若该比例超过用户自行设置的阈值，则认为视频信号丢失。该阀值可根据情况选择一个合适的值，比如在公园等背景图像颜色较多的情况下，可将该阀值设置为80％，而在背景图像颜色很单一的情况下，可提高该比例。 

在处理过程中，有可能使同一个点的值在不同帧中有一定的波动，但是，波动范围很小，和处理方法有关，设该波动值为B，根据上述处理方法，B的范围在0-2之间。所以，信号缺失诊断模块33做出信号缺失的诊断结果时，需要满足以下条件：前后帧视频图像中的像素值波动小于等于第一预设像素值B的点在全图中的比例超过用户设定的第三预设比例，且出现最多像素点的像素值在整个视频图像中所占的比例也超过用户设置的第二预设比例，则认为无视频信号。 

当由于第二种情况中出现噪声时，如果这个噪声密度满足上述条件，则认为视频由于严重的噪声干扰导致无视频信号，当没有满足上述条件时，判断为噪声，由噪声诊断模块36处理，其处理过程将在后续的噪声诊断模块36中详细介绍。 

画面冻结诊断模块34，通过对比像素值的变化大小和所占的画面比例判断视频的视频画面是否为冻结故障。画面冻结通常由视频传输调度过程的故 障引起，导致视频一直停留于某个画面，使画面中的像素点没有任何变化。而正常的视频中，即使画面上没有任何环境变化和物体运动，也会因为前述的波动值B而使同一像素点的像素值有所变化，所以画面冻结可根据下列条件来判断：当在视频图像的前后帧中，对应像素点的像素值变化在第二预设像素值B值的范围之内的点，所占全图上的比例超过用户设置的第四预设比例时，则认为画面冻结，通过输出模块5输出画面冻结异常信号。 

偏色诊断模块35根据图像色度的平均值和色度分布特性自动检测视频画面中的单一偏色或多种颜色的带状偏色。 

要衡量图像的偏差程度，需选择合适的色彩空间。RGB空间无法准确地表达人们实际感知颜色之间的差异，而Lab色度空间是是一种均匀颜色空间，在该空间中计算出来的颜色之间的距离与实际的感知差别基本一致，所以本模块采用Lab色度空间进行处理。 

图像的色偏不仅与图像色度的平均值有直接关系，还与图像的色度分布特性有关。如果在a-b色度坐标平面上的二维直方图中，色度分布基本上为单峰值，或者分布较为集中，而色度平均值又较大时，一般都存在色偏。而且色度平均值越大，色偏越严重。然而，如果在a-b色度坐标平面上的二维直方图中色度分布存在明显的多峰值，而且较为分散时，图像色偏程度将大大减轻，甚至没有色偏。因此偏色诊断模块35引入等效圆的概念，采用图像平均色度D和色度中心距M的比值，即偏色因子K来衡量图像的偏色程度。其计算方法如下式： 

$d_a=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}a}{\mathrm{MN}},$ $d_b=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}b}{\mathrm{MN}},$ $D=\sqrt{d_a^2+d_b^2},$

$M_a=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(a-d_a)}^2}{\mathrm{MN}},$ $M_b=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(a-d_b)}^2}{\mathrm{MN}},$ $M=\sqrt{M_a^2+M_b^2},$

$K=\frac{D}{M}$

式中，M、N分别为图像的宽和高，以像素为单位。在a-b色度平面上，等效圆的中心坐标为(d_a，d_b)，半径为M。等效圆的中心到a-b色度平面中性轴原点为(a＝0，b＝0)的距离为D。由等效圆在a-b色度平面上的具***置，来判断图像整体的偏色。d_a＞0，偏红，否则偏绿。d_b＞0，偏黄，否则偏蓝。引入偏色因子K，K值越大，偏色越严重，当偏色因子K超过用户预设的偏 色因子区间时，通过输出模块5输出偏色异常信号。 

噪声诊断模块36通过对比前后帧图像的差分，自动检测视频图像中所示的混有呈带状、波纹、网状等带有周期性的叠加噪声异常。通常视频图像中的噪声在相邻帧中都是随机出现的，所以通过前后帧图像的差分，就能得到图像中变化的部分，这些变化的部分中包含了噪声的信息和运动物体信息，通常有条带噪声和离散噪声点两种情况。 

所述条带噪声的检测步骤为： 

(1)采用差分计算当前帧与上一帧的变化； 

(2)用sobel算子对差分图像进行水平边缘提取，得到一个边缘图像； 

(3)统计所述边缘图像中的边缘强度超过阈值的点在图像中的比例； 

如果上述的比例超过指定的阈值，则认为图像中存在大量条带噪声，所述的阀值用户可根据情况自行设定。 

所述离散噪声点的检测步骤为： 

(1)采用差分计算当前帧与上一帧的变化； 

(2)求出差分图像的方差； 

(3)通过方差求出图像中的初始噪声密度a； 

(4)统计差分图像中离散噪声点的数量； 

(5)将差分图像分为若干个区域，并统计每个区域中的离散噪声点的数量；如果任何一个区域中的离散噪声点的数量少于离散噪声点总数的设定百分比，则认为这些离散噪声点是由图像中的物体运动造成的，不是真的噪声点。否则，则认为图像中存在噪声点，并计算出该噪声密度b。最后对初始噪声密度a和噪声密度b进行加权，得到图像的噪声密度诊断结果，当噪声密度超过用户设置的预设噪声密度时，则通过输出模块5输出噪声异常信号。 

为方便用户通过各种方式查看智能视频诊断监控***的监控结果，所述输出模块5还可进一步包括多种输出方式：比如显示模块54，用于实时显示当前视频的诊断结果；查询模块51，用于帮助用户检索并输出诊断历史记录；以及统计模块52，用于统计某一时间段或某一地点段的视频故障信息，帮助用户了解某一时间段或某一地点段的故障率，以便用户更好预测或地改进故障的发生；还可以包括导出模块53，用于将查询结果或统计结果导出为特定文件格式，便于携带或打印等。 

前述各模块中有涉及用户自行设置处理参数或预设值，所以本***可进一步包括与所述各模块电连接的设置模块7，通过该模块可输入所述各模块 的工作方式和相应地工作阀值，使该***能更灵活地适应不同的背景、光线等工作条件。 

该智能视频诊断监控***还可进一步包括与所述各模块电连接的用户管理模块6，通过对用户的版权进行检测，以便开放各模块的相应功能，使不同的用户能够享受不同的权限，还可更进一步地用于防止盗版。 

Claims (10)

1.一种智能视频诊断监控***，其特征在于：所述***包括电连接的：

故障诊断模块，用于诊断从摄像头中取到的视频源中的故障，当画面存在模糊、过亮、信号缺失、画面冻结、偏色、噪声，影响正常监控记录的现象时，生成诊断结果异常信号；

输入模块，用于接入并读取视频源；

视频转换模块，其输入端与所述输入模块电连接，输出端与故障诊断模块电连接，用于将视频源转换为视频数字信号，并传输至故障诊断模块处理；

输出模块，其与故障诊断模块电连接，根据故障诊断模块的诊断指令，显示和导出检测结果；

当所述输入模块读取视频源后，并将其传输至视频转换模块转化为视频数字信号，再经由故障诊断模块对其进行处理和分析后，生成诊断指令，以控制输出模块输出检测结果。

2.如权利要求1所述的智能视频诊断监控***，其特征在于：所述故障诊断模块进一步包括：

清晰度诊断模块，采用平均梯度法自动检测视频中主体图像模糊的异常，当平均梯度超过预设平均梯度值时，通过输出模块输出清晰度异常信号。

3.如权利要求1所述的智能视频诊断监控***，其特征在于：所述故障诊断模块进一步包括：

亮度诊断模块，将图像从RGB颜色空间转为HSV颜色空间后，通过V颜色通道中的亮度值自动检测视频画面中的亮度异常，当亮度值超过第一预设亮度值的像素点比例超过第一预设比例，且V通道平均亮度值超过第二预设亮度值时，通过输出模块输出亮度异常信号。

4.如权利要求1所述的智能视频诊断监控***，其特征在于：所述故障诊断模块进一步包括：

信号缺失诊断模块，将接收到的数字信号转换为灰度图像后，根据颜色区域占全部像素点的比例判断是否信号缺失，当出现最多的像素值在全图中的比例超过预设的第二预设比例，且像素值波动小于或等于第一预设像素值的点在整个视频图像中所占的比例也超过用户设定的第三预设比例，则通过输出模块输出缺失异常信号。

5.如权利要求1所述的智能视频诊断监控***，其特征在于：所述故障诊断模块进一步包括：

画面冻结诊断模块，通过对比像素值的变化大小和所占的画面比例判断视频画面是否为冻结故障，当像素值变化小于第二预设像素值的点的比例超过第四预设比例，则通过输出模块输出画面冻结异常信号。

6.如权利要求1所述的智能视频诊断监控***，其特征在于：所述故障诊断模块进一步包括：

偏色诊断模块，根据图像色度的平均值和色度分布特性自动检测视频画面中的单一偏色或多种颜色的带状偏色，当偏色因子超过用户预设的偏色因子区间时，通过输出模块输出偏色异常信号。

7.如权利要求1所述的智能视频诊断监控***，其特征在于：所述故障诊断模块进一步包括：

噪声诊断模块，通过对比前后帧图像的差分，自动检测视频图像中混有呈带状、波纹、网状等带有周期性的叠加噪声异常，当噪声密度超过预设噪声密度时，则通过输出模块输出噪声异常信号。

8.如权利要求1所述的智能视频诊断监控***，其特征在于：所述输出模块进一步包括相互连接的：

查询模块，检索并输出用户对诊断历史记录的各种查询，

统计模块，用于统计某一时间段的各种故障信息，

导出模块，用于将查询结果或统计结果导出为特定文件格式，

显示模块，实时显示当前视频的诊断结果。

9.如权利要求1所述的智能视频诊断监控***，其特征在于：所述***进一步包括与所述各模块电连接的设置模块，通过该模块输入所述各模块的工作方式和工作阀值。

10.如权利要求1所述的智能视频诊断监控***，其特征在于：所述***进一步包括与所述各模块电连接的用户管理模块，通过用户的版权检测，

开放各模块的相应功能。

Images