專利名稱：應用于視頻監控網絡的視頻質量診斷控制系統及方法
技術領域：
本發明涉及網絡視頻技術領域，特別涉及網絡視頻質量檢測技術領域，具體是指一種應用于視頻監控網絡的視頻質量診斷控制系統及方法。
背景技術：
傳統的利用監控相機進行視頻故障檢查的技術幾乎全部依賴于人力完成。比如規模I萬的網絡監控平臺，平均每人調入、檢測、判斷一個攝像頭花費I分鐘，一個人幾乎需要整整一周167個小時(大致21個工作日)才可以檢測完，充分暴露了人工方式問題1)人工方式效率低；2)診斷速度慢，增加公共安全風險；因為故障攝像機不能有效記錄該場景的事件信息。因此，面對迅猛發展的公共監控設施，傳統人工監測方式已無法滿足公眾對服務質量要求。
目前CXD傳感器的平均壽命為3年，如果工作在惡劣環境下將更低。I萬容量的監控平臺，平均每日將有10路攝像頭出現故障，每個月將有300路出現故障。及時發現和排查故障攝像機，成為亟需解決的問題。但無論是數字監控網絡還是模擬監控網，現有的平臺除了提供信號中斷情況以外乎不能提供任何關于前端攝像機的信息，比如相機是否模糊，是否被遮擋，是否設備已經老化導致圖像對比度太低等故障信息。隨著公眾安全意識越來越高，各地電信全球眼系統、公安安防系統都在嘗試或正在應用視頻質量診斷系統，來解決公共安防設施的服務質量問題。對于每個城市和地區都有數萬個攝像頭，其維護成本非常高，視頻質量診斷技術可以大大降低運維成本，及時迅速的檢測排查故障攝像機，提高公共安全服務質量。但目前，不同廠家對視頻質量診斷的定義和檢測內容各不相同，最主要是目前的診斷效果還有諸多不盡人意之處，比如準確率低，誤報率偏高，診斷類型有限，或者僅對已訓練的樣本有效，不能診斷不同環境下的或同一環境下新出現的視頻故障，導致可用性大大降低。同時，已有視頻質量診斷方法往往只是按照固定的某一固定順序模式，診斷視頻質量，往往忽略了各診斷算法之間的內在關聯性，比如信息含量太少的視頻是無需計算下面的檢測指標的，即如果無信號事件發生，下面算法檢測結果有效的概率很低，幾乎不反映有效價值。而且，已有視頻質量診斷方法過多關注各個子算法的相互獨立性，往往會導致太多的重復計算，其實我們可用的計算資源是有限的。如灰度直方圖，可以計算信息含量，可以計算整體對比度，梯度圖亦可以反映視頻的信息含量，還可以反映局部區域的對比度，計算邊緣，計算清晰度等等。
發明內容
本發明的目的是克服了上述現有技術中的缺點，提供一種運用圖像處理和模式識別技術，自動處理分析視頻監控網絡中前端視頻的內容，檢測診斷視頻故障，從而解決人工檢測的效率低，反應慢的問題，同時可以克服現有診斷系統準確率低，誤報率偏高，診斷類型有限，應用范圍較小的問題，實現一種診斷準確率高，反應快，誤報率低，且實現成本低廉，實現方式簡便，應用范圍較為廣泛的應用于視頻監控網絡的視頻質量診斷控制系統及方法。為了實現上述的目的，本發明的應用于視頻監控網絡的視頻質量診斷控制系統具有如下構成該系統包括任務管理服務器、視頻接入及輪詢服務器、診斷方法服務器和診斷結果管理服務器。其中，任務管理服務器用以根據用戶操作生成診斷任務和診斷方法參數；視頻接入及輪詢服務器分別連接所述的任務管理服務器和視頻監控網絡，用以從所述的任務管理服務器獲得所述的診斷任務，并根據所述的診斷任務生成需診斷的視頻源列表，根據所述的視頻源列表從所述的視頻監控網絡獲取各視頻源圖像信息；
診斷方法服務器分別連接所述的任務管理服務器和視頻接入及輪詢服務器，用以根據從所述的任務管理服務器獲得的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法，并利用該診斷方法對從所述的視頻接入及輪詢服務器獲得的各視頻源圖像信息進行診斷，產生診斷結果；診斷結果管理服務器連接所述的診斷方法服務器，用以從所述的診斷方法服務器獲得所述的診斷結果，并對所述的診斷結果進行存儲、統計和分析，產生分析結果，并根據用戶操作提供診斷結果和分析結果的輸出和展示。該應用于視頻監控網絡的視頻質量診斷控制系統中，所述的視頻接入及輪詢服務器包括相互連接的視頻接入模塊和視頻輪詢模塊，所述的視頻接入模塊連接所述的視頻監控網絡，所述的視頻輪詢模塊分別連接所述的視頻接入及輪詢服務器和診斷方法服務器。該應用于視頻監控網絡的視頻質量診斷控制系統中，所述的視頻接入及輪詢服務器還包括緩存模塊，所述的視頻接入模塊的輸出端連接所述的緩存模塊的輸入端，所述的緩存模塊的輸出端連接所述的視頻輪詢模塊的輸入端。該應用于視頻監控網絡的視頻質量診斷控制系統中，所述的診斷方法服務器包括順序連接的信號丟失檢測單元、亮度異常檢測單元、信號凍結檢測單元、偏色檢測單元、馬賽克檢測單元、噪聲干擾檢測單元、清晰度檢測單元、相機干擾檢測單元和PTZ運動檢測單元，所述的各檢測單元的輸入端均連接所述的任務管理服務器的輸出端，所述的各檢測單元的輸出端均連接所述的診斷結果管理服務器的輸入端，所述的信號丟失檢測單元的輸入端還連接所述的視頻接入及輪詢服務器的輸出端。該應用于視頻監控網絡的視頻質量診斷控制系統中，所述的噪聲干擾檢測單元包括順序連接的高斯及椒鹽噪聲檢測子單元、條紋噪聲檢測子單元和強電磁干擾噪聲檢測子單元；所述的清晰度檢測單元包括順序連接的低對比度檢測子單元和聚焦不準檢測子單
J Li o本發明還提供一種利用所述的系統實現視頻監控網絡視頻質量診斷控制的方法，該方法包括以下步驟(I)所述的任務管理服務器接收用戶通過所述的任務管理服務器設定診斷任務的操作，并根據所述的診斷任務生成診斷方法參數；(2)所述的任務管理服務器將所述的診斷任務發送至所述的視頻接入及輪詢服務器和診斷方法服務器，并將所述的診斷方法參數發送至所述的診斷方法服務器；(3)所述的視頻接入及輪詢服務器根據所述的診斷任務生成需診斷的視頻源列表;(4)所述的視頻接入及輪詢服務器根據所述的需診斷的視頻源列表從所述的視頻監控網絡獲取各視頻源圖像信息；(5)所述的視頻接入及輪詢服務器將所述的各視頻源圖像信息發送至所述的診斷方法服務器；(6)所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法；(7)所述的診斷方法服務器利用所述的診斷方法對所述的各視頻源圖像信息進行診斷，產生診斷結果；(8)所述的診斷方法服務器將所述的診斷結果發送至所述的診斷結果管理服務器；(9)所述的診斷結果管理服務器對所述的診斷結果進行存儲、統計和分析，產生分析結果，并根據用戶操作提供診斷結果和分析結果的輸出和展示。該實現視頻監控網絡視頻質量診斷控制的方法中，所述的視頻接入及輪詢服務器包括視頻接入模塊、視頻輪詢模塊以及緩存模塊，所述的視頻接入模塊的輸入端連接所述的視頻監控網絡，所述的視頻接入模塊的輸出端連接所述的緩存模塊的輸入端，所述的緩存模塊的輸出端連接所述的視頻輪詢模塊的輸入端，所述的視頻輪詢模塊分別連接所述的視頻接入及輪詢服務器和診斷方法服務器，所述的步驟(4)具體包括以下步驟(41)所述的視頻接入模塊根據所述的需診斷的視頻源列表從所述的視頻監控網絡獲取多個視頻源圖像信息；(42)所述的視頻接入模塊將所述的多個視頻源圖像信息存入所述的緩存模塊；(43)所述的視頻輪詢模塊從所述的緩存模塊中依次讀取所述的各個視頻源圖像信息。該實現視頻監控網絡視頻質量診斷控制的方法中，所述的診斷方法服務器包括順序連接的信號丟失檢測單元、亮度異常檢測單元、信號凍結檢測單元、偏色檢測單元、馬賽克檢測單元、噪聲干擾檢測單元、清晰度檢測單元、相機干擾檢測單元和PTZ運動檢測單元，所述的各檢測單元的輸入端均連接所述的任務管理服務器的輸出端，所述的各檢測單元的輸出端均連接所述的診斷結果管理服務器的輸入端，所述的信號丟失檢測單元的輸入端還連接所述的視頻接入及輪詢服務器的輸出端，所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法，具體為所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的檢測單元。該實現視頻監控網絡視頻質量診斷控制的方法中，，所述的步驟(7)具體包括以下步驟(7-1)所述的診斷方法服務器根據所述的視頻源圖像信息的源彩色圖計算灰度圖和直方圖；(7-2)所述的診斷方法服務器根據所述的灰度圖和直方圖，并基于似隱馬爾可夫模型，順序通過所述的信號丟失檢測單元計算信號丟失狀態，通過所述的亮度異常檢測單、元計算亮度異常狀態，并通過所述的信號凍結檢測單元計算信號凍結狀態；(7-3)所述的診斷方法服務器判斷所述的信號丟失狀態、亮度異常狀態或信號凍結狀態是否超出閾值，若是，則生成診斷結果并進入步驟(8)，若否，則進入步驟(7-4);(7-4)所述的診斷方法服務器根據所述的視頻源圖像信息的源彩色圖計算Lab色彩空間圖和HSV色彩空間圖；(7-5)所述的診斷方法服務器根據所述的Lab色彩空間圖和HSV色彩空間圖，并基于似隱馬爾可夫模型，順序通過所述的偏色檢測單元計算偏色狀態，并通過所述的馬賽克檢測單元計算馬賽克狀態；(7-6)所述的診斷方法服務器釋放所述的Lab色彩空間圖和HSV色彩空間圖，并屏蔽所述的馬賽克狀態獲得的馬賽克區域；(7-7)所述的診斷方法服務器判斷所述的偏色狀態或馬賽克狀態是否超出閾值， 若是，則生成診斷結果并進入步驟(8)，若否，則進入步驟(7-8);(7-8)所述的診斷方法服務器根據所述的灰度圖計算差分圖和頻譜圖；(7-9)所述的診斷方法服務器根據所述的差分圖和頻譜圖，并基于似隱馬爾可夫模型，通過所述的噪聲干擾檢測單元計算包括高斯椒鹽噪聲、條紋噪聲和強電磁干擾噪聲的噪聲干擾狀態；(7-10)所述的診斷方法服務器根據所述的頻譜圖，并基于似隱馬爾可夫模型，通過所述的清晰度檢測單元初步估算清晰度狀態；(7-11)所述的診斷方法服務器根據所述的灰度圖計算水平及垂直梯度圖和邊緣圖；(7-12)所述的診斷方法服務器根據所述的水平及垂直梯度圖和邊緣圖，并基于似隱馬爾可夫模型，通過所述的清晰度檢測單元計算清晰度狀態，并釋放所述的頻譜圖；(7-13)所述的診斷方法服務器根據所述的灰度圖計算特征點圖，并根據所述的差分圖計算運動圖；(7-14)所述的診斷方法服務器根據所述的特征點圖、運動圖、灰度直方圖和邊緣圖，并基于似隱馬爾可夫模型，通過所述的相機干擾檢測單元計算包括遮擋、晃動與轉動狀態的相機干擾狀態，并釋放所述的運動圖、水平及垂直梯度圖和邊緣圖；(7-15)所述的診斷方法服務器根據所述的特征點圖，并基于似隱馬爾可夫模型，通過所述的PTZ運動檢測單元計算PTZ運動狀態，并釋放特征點圖；(7-16)所述的診斷方法服務器根據所述噪聲干擾狀態、清晰度狀態、相機干擾狀態和PTZ運動狀態生成診斷結果并進入步驟(8)。采用了該發明的應用于視頻監控網絡視頻質量診斷控制系統，其包括任務管理服務器、視頻接入及輪詢服務器、診斷方法服務器和診斷結果管理服務器。利用任務管理服務器將診斷任務發送至視頻接入及輪詢服務器和診斷方法服務器，并將診斷方法參數發送至診斷方法服務器；視頻接入及輪詢服務器根據診斷任務從視頻監控網絡獲取各視頻源圖像信息，并發送至所述的診斷方法服務器；診斷方法服務器根據診斷任務和診斷方法參數確定診斷方法；并對各視頻源圖像信息進行診斷，產生診斷結果后，再將診斷結果發送診斷結果管理服務器。本發明的系統及方法運用圖像處理和模式識別技術，自動處理分析視頻監控網絡中前端視頻的內容，檢測診斷視頻故障，從而解決人工檢測的效率低，反應慢的問題，同時可以克服現有診斷系統準確率低，誤報率偏高，診斷類型有限，應用范圍較小的問題，進而大幅提高診斷準確率和反應速度，降低誤報率。且本發明的應用于視頻監控網絡的視頻質量診斷控制系統及方法，其實現成本低廉，實現方式簡便，應用范圍也較為廣泛。
圖I為本發明的應用于視頻監控網絡的視頻質量診斷控制系統的結構示意圖。圖2為本發明的實現視頻監控網絡視頻質量診斷控制的方法的步驟流程圖。圖3為本發明的系統中的視頻接入及輪詢服務器的結構示意圖。圖4為本發明的系統中的診斷方法服務器所具有的各檢測單元的示意圖。圖5為本發明的視頻質量診斷控制方法中待估計似隱馬爾可夫模型隱含狀態示意圖。圖6為本發明的視頻質量診斷控制方法中待估計似隱馬爾可夫模型已知觀察狀態示意圖。
具體實施例方式為了能夠更清楚地理解本發明的技術頁面，特舉以下實施例詳細說明。請參閱圖I所示，為本發明的應用于視頻監控網絡的視頻質量診斷控制系統的結構示意圖。在一種實施方式中，該系統包括任務管理服務器、視頻接入及輪詢服務器、診斷方法服務器和診斷結果管理服務器。其中任務管理服務器用以根據用戶操作生成診斷任務和診斷方法參數；視頻接入及輪詢服務器分別連接所述的任務管理服務器和視頻監控網絡，用以從所述的任務管理服務器獲得所述的診斷任務，并根據所述的診斷任務生成需診斷的視頻源列表，根據所述的視頻源列表從所述的視頻監控網絡獲取各視頻源圖像信息；診斷方法服務器分別連接所述的任務管理服務器和視頻接入及輪詢服務器，用以根據從所述的任務管理服務器獲得的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法，并利用該診斷方法對從所述的視頻接入及輪詢服務器獲得的各視頻源圖像信息進行診斷，產生診斷結果；診斷結果管理服務器連接所述的診斷方法服務器，用以從所述的診斷方法服務器獲得所述的診斷結果，并對所述的診斷結果進行存儲、統計和分析，產生分析結果，并根據用戶操作提供診斷結果和分析結果的輸出和展示。本發明還提供一種利用該實施方式所述的系統實現視頻監控網絡視頻質量診斷控制的方法，如圖2所示，包括以下步驟(I)所述的任務管理服務器接收用戶通過所述的任務管理服務器設定診斷任務的操作，并根據所述的診斷任務生成診斷方法參數；(2)所述的任務管理服務器將所述的診斷任務發送至所述的視頻接入及輪詢服務器和診斷方法服務器，并將所述的診斷方法參數發送至所述的診斷方法服務器；(3)所述的視頻接入及輪詢服務器根據所述的診斷任務生成需診斷的視頻源列表;
(4)所述的視頻接入及輪詢服務器根據所述的需診斷的視頻源列表從所述的視頻監控網絡獲取各視頻源圖像信息；(5)所述的視頻接入及輪詢服務器將所述的各視頻源圖像信息發送至所述的診斷方法服務器；(6)所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法；(7)所述的診斷方法服務器利用所述的診斷方法對所述的各視頻源圖像信息進行診斷，產生診斷結果；
(8)所述的診斷方法服務器將所述的診斷結果發送至所述的診斷結果管理服務器；(9)所述的診斷結果管理服務器對所述的診斷結果進行存儲、統計和分析，產生分析結果，并根據用戶操作提供診斷結果和分析結果的輸出和展示。在一種較優選的實施方式中，如圖3所示，所述的視頻接入及輪詢服務器包括相互連接的視頻接入模塊和視頻輪詢模塊，所述的視頻接入模塊連接所述的視頻監控網絡，所述的視頻輪詢模塊分別連接所述的視頻接入及輪詢服務器和診斷方法服務器。在一種進一步優選的實施方式中，所述的視頻接入及輪詢服務器還包括緩存模塊，所述的視頻接入模塊的輸出端連接所述的緩存模塊的輸入端，所述的緩存模塊的輸出端連接所述的視頻輪詢模塊的輸入端。在利用該進一步優選的實施方式所述的系統實現視頻監控網絡視頻質量診斷控制的方法中，所述的步驟(4)具體包括以下步驟(41)所述的視頻接入模塊根據所述的需診斷的視頻源列表從所述的視頻監控網絡獲取多個視頻源圖像信息；(42)所述的視頻接入模塊將所述的多個視頻源圖像信息存入所述的緩存模塊；(43)所述的視頻輪詢模塊從所述的緩存模塊中依次讀取所述的各個視頻源圖像信息。在另一種較優選的實施方式中，如圖4所示，所述的診斷方法服務器包括順序連接的信號丟失檢測單元、亮度異常檢測單元、信號凍結檢測單元、偏色檢測單元、馬賽克檢測單元、噪聲干擾檢測單元、清晰度檢測單元、相機干擾檢測單元和PTZ運動檢測單元，所述的各檢測單元的輸入端均連接所述的任務管理服務器的輸出端，所述的各檢測單元的輸出端均連接所述的診斷結果管理服務器的輸入端，所述的信號丟失檢測單元的輸入端還連接所述的視頻接入及輪詢服務器的輸出端。在另一種進一步優選的實施方式中，所述的噪聲干擾檢測單元包括順序連接的高斯及椒鹽噪聲檢測子單元、條紋噪聲檢測子單元和強電磁干擾噪聲檢測子單元；所述的清晰度檢測單元包括順序連接的低對比度檢測子單元和聚焦不準檢測子單元。在利用該另一種進一步優選的實施方式所述的系統實現視頻監控網絡視頻質量診斷控制的方法中，所述的步驟(6)中診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法，具體為所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的檢測單元。在一種更優選的實施方式中，所述的步驟(7)具體包括以下步驟
(7-1)所述的診斷方法服務器根據所述的視頻源圖像信息的源彩色圖計算灰度圖和直方圖；(7-2)所述的診斷方法服務器根據所述的灰度圖和直方圖，并基于似隱馬爾可夫模型，順序通過所述的信號丟失檢測單元計算信號丟失狀態，通過所述的亮度異常檢測單元計算亮度異常狀態，并通過所述的信號凍結檢測單元計算信號凍結狀態；(7-3)所述的診斷方法服務器判斷所述的信號丟失狀態、亮度異常狀態或信號凍結狀態是否超出閾值，若是，則生成診斷結果并進入步驟(8)，若否，則進入步驟(7-4);(7-4)所述的診斷方法服務器根據所述的視頻源圖像信息的源彩色圖計算Lab色彩空間圖和HSV色彩空間圖；(7-5)所述的診斷方法服務器根據所述的Lab色彩空間圖和HSV色彩空間圖，并基于似隱馬爾可夫模型，順序通過所述的偏色檢測單元計算偏色狀態，并通過所述的馬賽克檢測單元計算馬賽克狀態； (7-6)所述的診斷方法服務器釋放所述的Lab色彩空間圖和HSV色彩空間圖，并屏蔽所述的馬賽克狀態獲得的馬賽克區域；(7-7)所述的診斷方法服務器判斷所述的偏色狀態或馬賽克狀態是否超出閾值，若是，則生成診斷結果并進入步驟(8)，若否，則進入步驟(7-8);(7-8)所述的診斷方法服務器根據所述的灰度圖計算差分圖和頻譜圖；(7-9)所述的診斷方法服務器根據所述的差分圖和頻譜圖，并基于似隱馬爾可夫模型，通過所述的噪聲干擾檢測單元計算包括高斯椒鹽噪聲、條紋噪聲和強電磁干擾噪聲的噪聲干擾狀態；(7-10)所述的診斷方法服務器根據所述的頻譜圖，并基于似隱馬爾可夫模型，通過所述的清晰度檢測單元初步估算清晰度狀態；(7-11)所述的診斷方法服務器根據所述的灰度圖計算水平及垂直梯度圖和邊緣圖；(7-12)所述的診斷方法服務器根據所述的水平及垂直梯度圖和邊緣圖，并基于似隱馬爾可夫模型，通過所述的清晰度檢測單元計算清晰度狀態，并釋放所述的頻譜圖；(7-13)所述的診斷方法服務器根據所述的灰度圖計算特征點圖，并根據所述的差分圖計算運動圖；(7-14)所述的診斷方法服務器根據所述的特征點圖、運動圖、灰度直方圖和邊緣圖，并基于似隱馬爾可夫模型，通過所述的相機干擾檢測單元計算包括遮擋、晃動與轉動狀態的相機干擾狀態，并釋放所述的運動圖、水平及垂直梯度圖和邊緣圖；(7-15)所述的診斷方法服務器根據所述的特征點圖，并基于似隱馬爾可夫模型，通過所述的PTZ運動檢測單元計算PTZ運動狀態，并釋放特征點圖；(7-16)所述的診斷方法服務器根據所述噪聲干擾狀態、清晰度狀態、相機干擾狀態和PTZ運動狀態生成診斷結果并進入步驟(8)。在實際應用中，本發明的診斷控制系統，如圖I所示，包括任務管理服務器、視頻接入和輪詢服務器、視頻質量診斷算法服務器和診斷結果管理服務器。該系統既可以部署在單臺機器上也可以分布式部署不同的多臺機器上。同時支持任務的并發執行。任務管理服務器分發視頻診斷任務和算法調整參數，視頻接入與輪詢服務器接收視頻診斷任務，視頻質量診斷算法服務器接收診斷任務和算法參數；視頻接入與輪詢服務器從視頻監控平臺或視頻源接入診斷任務列表中的視頻源，調用視頻質量診斷算法服務器，完成一個視頻源的質量診斷。診斷結束后，視頻質量診斷算法服務器返回調用，同時把診斷結果發送給診斷結果管理服務器；視頻接入與輪詢服務器收到一次診斷完成消息后，順序接入下一個視頻源，重復執行診斷任務，直至整個診斷任務完成。視頻接入與輪詢服務器由視頻接入子模塊和輪詢子模塊組成；視頻質量診斷算法服務器主要有算法模塊構成，其包括信號丟失檢測單元、信號凍結檢測單元、亮度異常檢測單元、偏色檢測單元、馬賽克檢測單元、清晰度檢測單元、噪聲干擾檢測單元、相機干擾檢測單元及PTZ控制檢測單元。任務管理服務器主要負責任務的制定和算法參數的設置，并分發給視頻接入與輪詢服務器和視頻質量診斷算法服務器；支持多任務并發執行，即可以同時發出多個任務和相應的多組算法參數。支持診斷任務的自動執行。 視頻接入與輪詢服務器獲得診斷任務后，主動接入診斷視頻源，調用視頻質量診斷算方法服務器執行視頻分析任務，一次分析完成后，依次輪詢下一個視頻源。視頻接入子模塊主要負責網絡視頻數據的獲取考慮到網絡延時問題，設置最大網絡延時時間為60s，超過最大延時時間，將放到診斷任務列表尾部；考慮到網絡延時和算法診斷時間，視頻接入任務將并發執行，起到視頻源緩沖的作用。例如，每次并發接入10-100視頻源，成功接入的視頻依次放入視頻緩存區，為視頻輪詢診斷做準備。視頻輪詢模塊從視頻接入的視頻緩沖區依次接入各視頻源，調用算法服務器，執行診斷任務。視頻質量診斷算法服務器完成視頻質量分析，返回分析結果。診斷結果管理服務器根據分析結果，給出診斷評價；并負責診斷結果數據的統計與分析，查詢與展不。視頻質量診斷算法模塊是該系統的核心模塊，負責視頻質量的算法分析。本發明同時提出基于似隱馬爾可夫模型(HMM-Like Model)的視頻質量診斷方法，如圖5所示。每個子算法診斷類型作為一個待估計的視頻質量診斷的隱含狀態，且個隱含狀態之間存在某種依賴關系；已知觀察狀態如圖6所示，包括源彩色圖，灰度圖，灰度直方圖，由源彩色圖構建的Lab色彩圖和HSV色彩圖，水平、垂直梯度圖，梯度強度圖，梯度直方圖，邊緣圖，差分圖，運動區域圖。通過已知觀察狀態，估計各視頻質量的隱含狀態，避免各算法之間的孤立性診斷，增加算法間的依賴關聯性，減少計算量，降低內存需求，提高檢測準確性和算法執行速度。已知狀態觀測圖與視頻質量隱含狀態之間的推演過程如下I)通過源彩色圖計算灰度圖與直方圖，順序估計信號丟失狀態，信號凍結狀態和亮度異常狀態。第一次出現待估計狀態超過診斷閾值，則算法執行完畢，直接返回。2)通過源彩色圖計算與之對應的Lab色彩空間圖和HSV色彩空間圖，順序估計偏色狀態和馬賽克狀態。釋放Lab和HSV色彩空間圖，屏蔽馬賽克區域用于以后計算。3)通過灰度圖計算差分圖和頻譜圖，順序估計高斯椒鹽噪聲、條紋噪聲和強電磁干擾噪聲噪聲干擾隱含狀態。對噪聲區域或點設置清晰度狀態估計置信值，置信值0-1之間，越大可信性越大。4)根據頻譜圖初步估計清晰度隱含狀態，通過灰度圖計算水平、垂直梯度圖(XY梯度圖)、邊緣圖，精確估計清晰度隱含狀態。釋放頻譜圖。5)通過灰度圖計算特征點圖，通過差分圖計算運動圖，結合灰度直方圖和邊緣圖，順序估計遮擋，晃動與轉動隱含狀態。釋放運動圖、梯度圖、邊緣圖。6)根據特征點圖，估計PTZ運動狀態。釋放特征點圖。采用了該發明的應用于視頻監控網絡視頻質量診斷控制系統，其包括任務管理服務器、視頻接入及輪詢服務器、診斷方法服務器和診斷結果管理服務器。利用任務管理服務器將診斷任務發送至視頻接入及輪詢服務器和診斷方法服務器，并將診斷方法參數發送至診斷方法服務器；視頻接入及輪詢服務器根據診斷任務從視頻監控網絡獲取各視頻源圖像信息，并發送至所述的診斷方法服務器；診斷方法服務器根據診斷任務和診斷方法參數確定診斷方法；并對各視頻源圖像信息進行診斷，產生診斷結果后，再將診斷結果發送診斷結果管理服務器。本發明的系統及方法運用圖像處理和模式識別技術，自動處理分析視頻監控網絡中前端視頻的內容，檢測診斷視頻故障，從而解決人工檢測的效率低，反應慢的問題，同時可以克服現有診斷系統準確率低，誤報率偏高，診斷類型有限，應用范圍較小的問 題，進而大幅提高診斷準確率和反應速度，降低誤報率。且本發明的應用于視頻監控網絡的視頻質量診斷控制系統及方法，其實現成本低廉，實現方式簡便，應用范圍也較為廣泛。在此說明書中，本發明已參照其特定的實施例作了描述。但是，很顯然仍可以作出各種修改和變換而不背離本發明的精神和范圍。因此，說明書和附圖應被認為是說明性的而非限制性的。
權利要求
1.一種應用于視頻監控網絡的視頻質量診斷控制系統，其特征在于，所述的系統包括 任務管理服務器，用以根據用戶操作生成診斷任務和診斷方法參數； 視頻接入及輪詢服務器，分別連接所述的任務管理服務器和視頻監控網絡，用以從所述的任務管理服務器獲得所述的診斷任務，并根據所述的診斷任務生成需診斷的視頻源列表，根據所述的視頻源列表從所述的視頻監控網絡獲取各視頻源圖像信息； 診斷方法服務器，分別連接所述的任務管理服務器和視頻接入及輪詢服務器，用以根據從所述的任務管理服務器獲得的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法，并利用該診斷方法對從所述的視頻接入及輪詢服務器獲得的各視頻源圖像信息進行診斷，產生診斷結果； 診斷結果管理服務器，連接所述的診斷方法服務器，用以從所述的診斷方法服務器獲得所述的診斷結果，并對所述的診斷結果進行存儲、統計和分析，產生分析結果，并根據用戶操作提供診斷結果和分析結果的輸出和展示。
2.根據權利要求I所述的應用于視頻監控網絡的視頻質量診斷控制系統，其特征在于，所述的視頻接入及輪詢服務器包括相互連接的視頻接入模塊和視頻輪詢模塊，所述的視頻接入模塊連接所述的視頻監控網絡，所述的視頻輪詢模塊分別連接所述的視頻接入及輪詢服務器和診斷方法服務器。
3.根據權利要求2所述的應用于視頻監控網絡的視頻質量診斷控制系統，其特征在于，所述的視頻接入及輪詢服務器還包括緩存模塊，所述的視頻接入模塊的輸出端連接所述的緩存模塊的輸入端，所述的緩存模塊的輸出端連接所述的視頻輪詢模塊的輸入端。
4.根據權利要求I所述的應用于視頻監控網絡的視頻質量診斷控制系統，其特征在于，所述的診斷方法服務器包括順序連接的信號丟失檢測單元、亮度異常檢測單元、信號凍結檢測單元、偏色檢測單元、馬賽克檢測單元、噪聲干擾檢測單元、清晰度檢測單元、相機干擾檢測單元和PTZ運動檢測單元，所述的各檢測單元的輸入端均連接所述的任務管理服務器的輸出端，所述的各檢測單元的輸出端均連接所述的診斷結果管理服務器的輸入端，所述的信號丟失檢測單元的輸入端還連接所述的視頻接入及輪詢服務器的輸出端。
5.根據權利要求I所述的應用于視頻監控網絡的視頻質量診斷控制系統，其特征在于，所述的噪聲干擾檢測單元包括順序連接的高斯及椒鹽噪聲檢測子單元、條紋噪聲檢測子單元和強電磁干擾噪聲檢測子單元；所述的清晰度檢測單元包括順序連接的低對比度檢測子單元和聚焦不準檢測子單元。
6.一種利用權利要求I所述的系統實現視頻監控網絡視頻質量診斷控制的方法，其特征在于，所述的方法包括以下步驟 (1)所述的任務管理服務器接收用戶通過所述的任務管理服務器設定診斷任務的操作，并根據所述的診斷任務生成診斷方法參數； (2)所述的任務管理服務器將所述的診斷任務發送至所述的視頻接入及輪詢服務器和診斷方法服務器，并將所述的診斷方法參數發送至所述的診斷方法服務器； (3)所述的視頻接入及輪詢服務器根據所述的診斷任務生成需診斷的視頻源列表； (4)所述的視頻接入及輪詢服務器根據所述的需診斷的視頻源列表從所述的視頻監控網絡獲取各視頻源圖像信息；(5)所述的視頻接入及輪詢服務器將所述的各視頻源圖像信息發送至所述的診斷方法服務器； (6)所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法； (7)所述的診斷方法服務器利用所述的診斷方法對所述的各視頻源圖像信息進行診斷，產生診斷結果； (8)所述的診斷方法服務器將所述的診斷結果發送至所述的診斷結果管理服務器； (9)所述的診斷結果管理服務器對所述的診斷結果進行存儲、統計和分析，產生分析結果，并根據用戶操作提供診斷結果和分析結果的輸出和展示。
7.根據權利要求6所述的實現視頻監控網絡視頻質量診斷控制的方法，其特征在于，所述的視頻接入及輪詢服務器包括視頻接入模塊、視頻輪詢模塊以及緩存模塊，所述的視頻接入模塊的輸入端連接所述的視頻監控網絡，所述的視頻接入模塊的輸出端連接所述的緩存模塊的輸入端，所述的緩存模塊的輸出端連接所述的視頻輪詢模塊的輸入端，所述的視頻輪詢模塊分別連接所述的視頻接入及輪詢服務器和診斷方法服務器，所述的步驟(4)具體包括以下步驟 (41)所述的視頻接入模塊根據所述的需診斷的視頻源列表從所述的視頻監控網絡獲取多個視頻源圖像信息； (42)所述的視頻接入模塊將所述的多個視頻源圖像信息存入所述的緩存模塊； (43)所述的視頻輪詢模塊從所述的緩存模塊中依次讀取所述的各個視頻源圖像信息。
8.根據權利要求6所述的實現視頻監控網絡視頻質量診斷控制的方法，其特征在于，所述的診斷方法服務器包括順序連接的信號丟失檢測單元、亮度異常檢測單元、信號凍結檢測單元、偏色檢測單元、馬賽克檢測單元、噪聲干擾檢測單元、清晰度檢測單元、相機干擾檢測單元和PTZ運動檢測單元，所述的各檢測單元的輸入端均連接所述的任務管理服務器的輸出端，所述的各檢測單元的輸出端均連接所述的診斷結果管理服務器的輸入端，所述的信號丟失檢測單元的輸入端還連接所述的視頻接入及輪詢服務器的輸出端，所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的診斷方法，具體為 所述的診斷方法服務器根據所述的診斷任務和診斷方法參數選擇與診斷任務對應的檢測單元。
9.根據權利要求8所述的實現視頻監控網絡視頻質量診斷控制的方法，其特征在于，所述的步驟(7)具體包括以下步驟 (7-1)所述的診斷方法服務器根據所述的視頻源圖像信息的源彩色圖計算灰度圖和直方圖； (7-2)所述的診斷方法服務器根據所述的灰度圖和直方圖，并基于似隱馬爾可夫模型，順序通過所述的信號丟失檢測單元計算信號丟失狀態，通過所述的亮度異常檢測單元計算亮度異常狀態，并通過所述的信號凍結檢測單元計算信號凍結狀態； (7-3)所述的診斷方法服務器判斷所述的信號丟失狀態、亮度異常狀態或信號凍結狀態是否超出閾值，若是，則生成診斷結果并進入步驟(8)，若否，則進入步驟(7-4); (7-4)所述的診斷方法服務器根據所述的視頻源圖像信息的源彩色圖計算Lab色彩空間圖和HSV色彩空間圖； (7-5)所述的診斷方法服務器根據所述的Lab色彩空間圖和HSV色彩空間圖，并基于似隱馬爾可夫模型，順序通過所述的偏色檢測單元計算偏色狀態，并通過所述的馬賽克檢測單元計算馬賽克狀態； (7-6)所述的診斷方法服務器釋放所述的Lab色彩空間圖和HSV色彩空間圖，并屏蔽所述的馬賽克狀態獲得的馬賽克區域； (7-7)所述的診斷方法服務器判斷所述的偏色狀態或馬賽克狀態是否超出閾值，若是，則生成診斷結果并進入步驟(8)，若否，則進入步驟(7-8)； (7-8)所述的診斷方法服務器根據所述的灰度圖計算差分圖和頻譜圖； (7-9)所述的診斷方法服務器根據所述的差分圖和頻譜圖，并基于似隱馬爾可夫模型， 通過所述的噪聲干擾檢測單元計算包括高斯椒鹽噪聲、條紋噪聲和強電磁干擾噪聲的噪聲干擾狀態； (7-10)所述的診斷方法服務器根據所述的頻譜圖，并基于似隱馬爾可夫模型，通過所述的清晰度檢測單元初步估算清晰度狀態； (7-11)所述的診斷方法服務器根據所述的灰度圖計算水平及垂直梯度圖和邊緣圖；(7-12)所述的診斷方法服務器根據所述的水平及垂直梯度圖和邊緣圖，并基于似隱馬爾可夫模型，通過所述的清晰度檢測單元計算清晰度狀態，并釋放所述的頻譜圖； (7-13)所述的診斷方法服務器根據所述的灰度圖計算特征點圖，并根據所述的差分圖計算運動圖； (7-14)所述的診斷方法服務器根據所述的特征點圖、運動圖、灰度直方圖和邊緣圖，并基于似隱馬爾可夫模型，通過所述的相機干擾檢測單元計算包括遮擋、晃動與轉動狀態的相機干擾狀態，并釋放所述的運動圖、水平及垂直梯度圖和邊緣圖； (7-15)所述的診斷方法服務器根據所述的特征點圖，并基于似隱馬爾可夫模型，通過所述的PTZ運動檢測單元計算PTZ運動狀態，并釋放特征點圖； (7-16)所述的診斷方法服務器根據所述噪聲干擾狀態、清晰度狀態、相機干擾狀態和PTZ運動狀態生成診斷結果并進入步驟(8)。
全文摘要
本發明涉及一種應用于視頻監控網絡視頻質量診斷控制系統及方法，屬于網絡視頻技術領域。該系統包括任務管理服務器、視頻接入及輪詢服務器、診斷方法服務器和診斷結果管理服務器。該方法中，任務管理服務器將診斷任務發送至視頻接入及輪詢服務器和診斷方法服務器，并將診斷方法參數發送至診斷方法服務器；視頻接入及輪詢服務器從視頻監控網絡獲取各視頻源圖像信息并發送至診斷方法服務器；診斷方法服務器根據診斷任務和診斷方法參數確定診斷方法，并對各視頻源圖像信息進行診斷，產生診斷結果并發送診斷結果管理服務器。本發明的系統及方法能自動分析視頻監控網絡前端視頻內容，診斷視頻故障，從而大幅提高診斷準確率和反應速度，降低誤報率。
文檔編號H04N17/02GK102740121SQ20121023932
公開日2012年10月17日 申請日期2012年7月11日 優先權日2012年7月11日
發明者董建磊, 逯利軍, 錢培專 申請人:賽特斯網絡科技(南京)有限責任公司