[发明专利]异物遮挡的视频质量诊断方法

说明书

本发明涉及一种异物遮挡的视频质量诊断方法。首先将RGB图像进行双边滤波，并将滤波后的图像转换到HSV空间，再在HSV空间计算图像的梯度值和梯度方向，并利用梯度值和梯度方向实现图像直线的提取。然后对提取到的直线进行合并，选取相邻且不相交的两条直线，获取两条直线之间的最大矩形区域。通过计算矩形区域在H、S分量的标准差，及矩形区域的结构相似性值，来确定候选区域。最后通过合并候选区域完成异物检测。本发明不需要使用参考图像，避免因参考图像自身的多态性而必须引入多样化的场景匹配管理机制，也不会因为参考图像的匹配机制中的主观判定标准而造成准确率的损失，检测结果客观、准确。

技术领域

本发明属于计算机视觉领域，可用于监控视频画面被异物(二维成像下的较大带状、面状物体)遮挡的异常检测系统。尤其涉及一种异物遮挡的视频质量诊断方法。

背景技术

随着球型监控摄像机设备在各类监控场所的普及应用，在改善操作体验和提高监控效率的同时，一些不规范的操作行为也给日常的监控业务带来负面影响，比如：球机在进行镜头拉近操作后没有复位到预置点，使得原本在场景中属于较小、次要目标的物体(树干、围栏、广告牌、电线杆、墙面等)此刻的成像占据了摄像机ROI(region of interest)的大部分面积；再比如，当球机被转动角度后，摄像机的ROI中出现了上述物体较大的成像，干扰了正常取景；或者上述物体新出现在某些区域时，恰好处于现存摄像机ROI的近景范围，发生以上几种情况我们都称之为异物遮挡。异物遮挡导致视频信息的严重缺失，对公共安全监控信息管理带来隐患，甚至造成不可挽回的损失。因此，对异物遮挡检测的研究具有重要的学术价值和现实意义。

目前国内外关于视频遮挡的研究主要分为两类：一类是采用参考图像与待检测图像之间的对比方法来完成遮挡检测，另一类采用提取参考图像中一系列局部特征信息与待检测图像进行匹配来进行遮挡检测，然而在监控视频遮挡检测的实际应用中，由于监控场景复杂多变，多数情况下很难界定原始视频的参考图像，因此上述两种方法都不适用于监控视频遮挡检测。

发明内容

本发明所要解决的技术问题是提出一种基于直线检测的异物遮挡的视频质量诊断方法，不需要使用参考图像，直接计算图像的某些特性来对图像进行判断。

本发明的基本技术构思是，首先将RGB图像进行双边滤波，并将滤波后的图像转换到HSV空间，再在HSV空间计算图像的梯度值和梯度方向，并利用梯度值和梯度方向实现图像直线的提取。然后对提取到的直线进行合并，选取相邻且不相交的两条直线，获取两条直线之间的最大矩形区域。通过计算矩形区域在H、S分量的标准差，及矩形区域的结构相似性值，来确定候选区域。最后通过合并候选区域完成异物检测。

为解决上述技术问题，本发明提出的异物遮挡的视频质量诊断方法，包括以下步骤：

步骤i、将RGB原图进行双边滤波后转换到HSV空间，并对HSV图像求梯度；

步骤ii、根据梯度值和梯度方向，提取HSV图像中的直线段；

步骤iii、对提取的线段进行合并操作，使得断裂的短线段连接成一条长线段；

步骤iv、对合并后的线段进行预处理，并根据直线段提取矩形区域；

步骤v、计算矩形区域的H、S分量的标准差，以及矩形区域上下轴对称两部分的结构相似度，并通过标准差和结构相似度确定候选区域；

步骤vi、合并候选区域，得到异物区域；完成异物遮挡检测。

可优选的，所述将RGB原图进行双边滤波后转换到HSV空间，并对HSV图像求梯度的具体步骤，包括：

步骤1，对RGB原图像进行双边滤波操作，分项步骤为：

1-1)计算像素点与邻域的空间距离的高斯权值；

1-2)计算当前点与邻域的像素相似程度高斯权值；