[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN103281559A - 视频质量检测的方法及系统 - Google Patents

视频质量检测的方法及系统 Download PDF

Info

Publication number
CN103281559A
CN103281559A CN2013102145405A CN201310214540A CN103281559A CN 103281559 A CN103281559 A CN 103281559A CN 2013102145405 A CN2013102145405 A CN 2013102145405A CN 201310214540 A CN201310214540 A CN 201310214540A CN 103281559 A CN103281559 A CN 103281559A
Authority
CN
China
Prior art keywords
video image
video
frame
pixel
brightness
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.)
Pending
Application number
CN2013102145405A
Other languages
English (en)
Inventor
于京
周国烛
胡亦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN2013102145405A priority Critical patent/CN103281559A/zh
Publication of CN103281559A publication Critical patent/CN103281559A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种视频质量检测的方法及系统。其中方法包括读取待检测视频的视频图像,并提取所述视频图像的亮度数据;根据所述视频图像的亮度数据检测视频的质量,并得到检测结果。根据视频图像中的亮度数据对视频中的黑场、静帧、跳帧、马赛克以及模糊进行检测,对视频质量的评价与判断客观,不受人为因素的干扰,并能得到对应视频缺陷的数量或数据结果,提高了视频质量检测的效率与准确性,保证视频资料收集与保存的有效性。

Description

视频质量检测的方法及系统
技术领域
本发明涉及图像处理技术领域,尤其涉及一种视频质量检测的方法及系统。
背景技术
视频资料日益成为主流的媒体资料类型,并被大量用于档案的收集和保存。视频质量的好坏直接关系到视频资料收集与保存的必要性,但由于视频资料大多有较长的时长,传统的基本基于人对视觉图像的主观判断检测方法,已远远不能满足视频质量判断的快速准确的需求。而且传统的视频质量检测的方法耗费大量的时间、人力、物力,并且存在效率低,对跳帧、缺帧、失真等质量缺陷不能有效的检测,对视频质量的判断没有客观标准等缺点。
综上所述,研究一种快速、高效,并且性能稳定的视频检测方法是非常有必要的。
发明内容
为解决上述问题,本发明提供了一种视频质量检测的方法及系统,通过提取待测视频的视频图像亮度,对视频图像亮度进行分析处理,检测出视频图像中的黑场、静帧、跳帧、马赛克及模糊的视频缺陷。本发明的一种视频质量检测的方法包括:
读取待检测视频的视频图像,并提取所述视频图像的亮度数据;
根据所述视频图像的亮度数据检测视频的质量,并得到检测结果。
较佳地,作为一种可实施方式,所述检测视频的质量,包括:黑场检测,静帧检测,跳帧检测,马赛克检测及模糊检测。
较佳地,作为一种可实施方式,所述黑场检测,包括以下步骤:
根据所提取的视频图像的亮度数据,判断所述视频图像中每个像素点的亮度值是否小于预设黑像素阈值,并得到所述视频图像中亮度值小于等于所述预设黑像素阈值的黑像素点总数;
判断所述黑像素点总数是否大于预设黑场阈值,判定所述黑像素点总数大于等于预设黑场阈值的视频图像为黑场,所述黑像素点总数小于预设黑场阈值的视频图像为非黑场,并累计视频中黑场的数量。
较佳地,作为一种可实施方式,所述预设黑像素阈值设定为0.0784;所述预设黑场阈值设定为W×H-1000,其中,W为视频图像以像素为单位的宽度值,H为视频图像以像素为单位的高度值。
较佳地,作为一种可实施方式,所述静帧检测,包括以下步骤:
根据所提取的视频图像的亮度数据,求取当前帧视频图像与其前一帧视频图像对应像素点亮度值的绝对差值,将所有像素点的绝对差值的总和除以每帧视频图像像素点总数,得到相邻两帧视频图像像素点亮度值变化的平均值;
判断所述像素点亮度值变化的平均值是否小于预设静帧阈值,判定所述像素点亮度值变化的平均值小于等于预设静帧阈值时,当前帧视频图像为静帧,所述像素点亮度值变化的平均值大于预设静帧阈值时,当前帧为非静帧,并累计视频中静帧的数量。
较佳地,作为一种可实施方式,所述预设静帧阈值设定为0.0048。
较佳地,作为一种可实施方式,所述跳帧检测,包括以下步骤:
根据所提取的视频图像的亮度数据,求取当前帧视频图像的亮度值与其前一帧及后一帧视频图像亮度值的和差关系值Y'(N),根据以下公式进行计算:
Y'(N)=Y(N+1)+Y(N-1)-2Y(N),
其中,N表示当前帧视频图像为所检测视频中第N帧图像,Y'(N)为所述和差关系值;Y(N+1)为当前帧视频图像的后一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N-1)为当前帧视频图像的前一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N)为当前帧视频图像中任一像素点的亮度值;
判断所述Y'(N)的值是否大于预设跳帧阈值,判定所述Y'(N)大于等于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间存在跳帧,所述Y'(N)小于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间不存在跳帧,并累计视频中跳帧的数量。
较佳地,作为一种可实施方式,所述跳帧检测,还包括以下步骤:
求取当前帧视频图像中5至10个随机像素点的Y'(N),当所述5至10个像素点中有60%以上的随机像素点的Y'(N)大于等于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间存在跳帧;
所述预设跳帧阈值为0.5。
较佳地,作为一种可实施方式,所述马赛克检测,包括以下步骤:
根据所提取的视频图像的亮度数据,对当前帧视频图像进行边缘提取;
采用Canny算子进行边缘检测,具体为:对当前帧视频图像f(x,y)进行高斯低通滤波后得到f(x,y)+Gα(x,y),其中x,y为视频图像的横纵坐标,α为相应的尺度因子,Gα(x,y)为梯度函数;计算其梯度矢量的模Mα和方向Aα为:
M α = | | f ( x , y ) + ▿ G α ( x , y ) | | ,
A α = f ( x , y ) + ▿ G α ( x , y ) | f ( x , y ) + ▿ G α ( x , y ) | ,
所述当前帧视频图像的边缘点为在Aα方向上使Mα取得局部极大值的点,
Figure BDA00003283714100033
为矢量运算符;
判断进行边缘提取后的视频图像中是否存在矩形框,当所述进行边缘提取后的视频图像中存在矩形框时,则当前帧视频图像中有马赛克,当进行边缘提取后的视频图像中不存在矩形框时,则当前帧视频图像中没有马赛克,并累计视频中存在马赛克的视频图像帧数量。
较佳地,作为一种可实施方式,所述模糊检测,包括以下步骤:
根据所提取的视频图像的亮度数据,计算当前帧视频图像中16×16宏块区域的复杂度,当所述宏块区域的复杂度在[2,30]之间时,对所述宏块区域进行模糊度计算,否则计算下一宏块区域的复杂度,直至计算完所述当前帧视频图像的所有宏块区域;
对所述16×16宏块区域边缘像素的中间像素,找出其垂直方向上的32个像素范围内亮度极大值和极小值的像素点,然后计算两个像素点之间的距离,为该点的垂直模糊度;
计算所述当前帧视频图像中所有满足条件的宏块区域的边缘像素点的中间像素点的垂直模糊度,然后对当前帧视频图像中所计算出的所有垂直模糊度求平均值,得到所述当前视频帧图像的垂直模糊度;
将当前帧视频图像亮度数据矩阵转置后,根据转置后的亮度数据矩阵求取图像垂直模糊度,得到当前帧视频图像的水平模糊度,对当前帧视频图像的水平模糊度与垂直模糊度进行求和,得到当前帧视频图像的模糊度并记录。
基于同一发明构思的一种视频质量检测的系统,包括视频提取模块以及视频质量检测模块,其中:
所述视频提取模块,用于读取待检测视频的视频图像,并提取所述视频图像的亮度数据;
所述视频质量检测模块,用于根据所述视频提取模块提取的视频图像的亮度数据检测视频的质量,并得到检测结果。
较佳地,作为一种可实施方式,所述视频提取模块,包括视频图像读取子模块以及亮度数据提取子模块,所述视频质量检测模块,包括黑场检测子模块,静帧检测子模块,跳帧检测子模块,马赛克检测子模块以及模糊检测子模块,其中:
所述视频图像读取子模块用于读取待测视频中的视频图像,比便后续对所述视频图像做进一步处理;
所述亮度数据提取子模块,用于提取视频图像读取子模块所读取的视频图像中亮度数据;
所述黑场检测子模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否为黑场,并累计视频中黑场的数量;
所述静帧检测子模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否为静帧,并累计视频中静帧的数量;
所述跳帧检测子模块,用于根据视频提取模块提取出的视频图像亮度,检测视频中是否出现跳帧,并累计视频中跳帧的数量;
所述马赛克检测模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像中是否有马赛克,并累计出现马赛克的视频图像的帧数;
所述模糊检测模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像的模糊度并记录。
本发明的有益效果包括:
本发明提供的一种视频质量检测的方法及系统,通过对待测视频的视频图像的亮度数据进行分析与处理,采用统一的标准对视频质量进行判断,检测出视频中的黑场、静帧、跳帧、马赛克及模糊缺陷,有效避免了人工检测视频质量的不确定因素,提高了视频质量检测的效率与准确性。对视频资料做出客观的评价,提高有效视频资料的收集与保存。
附图说明
图1为本发明一种视频质量检测的方法的一具体实施例的流程示意图;
图2为本发明一种视频质量检测的系统的一具体实施例的系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明实施例的晶圆图处理方法及系统的具体实施方式进行说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的视频质量检测的方法,如图1所示,包括以下步骤:
S100,读取待检测视频的视频图像,并提取所述视频图像的亮度数据;
此处需要说明的是,对视频质量检测是对视频中每帧图像质量的检测,因此,首先读取待检测的视频的视频图像,以便后续对所读取的视频图像进行处理,当对所提取的视频图像检测完成时,则对待测视频中后续视频图像进行提取。
本发明实施例中,对视频质量的检测是将视频图像的亮度参数作为主要检测参数进行检测的,所以,对读取的视频帧图像提取其像素亮度值Y,以便后续根据视频图像的像素亮度值Y进行视频质量的检测。
S200,根据所述视频图像的亮度数据检测视频的质量,并得到检测结果。
根据步骤S100中提取的视频图像的亮度对视频质量进行检测,所述检测视频的质量,包括:黑场检测,静帧检测,跳帧检测,马赛克检测及模糊检测。
下面对上述几种视频质量的检测作详细的说明:
所述黑场检测,包括以下步骤:
S211,根据所提取的视频图像的亮度数据,判断所述视频图像中每个像素点的亮度值是否小于预设黑像素阈值,并得到所述视频图像中亮度值小于等于所述预设黑像素阈值的黑像素点总数;
本实施例中首先对视频图像中像素亮度值Y值进行判断,当视频图像中的像素亮度值Y小于预设黑像素阈值时,则此像素点为黑像素点;对所读取的视频图像中的每个像素点的亮度值Y都进行此判断,从而得到所读取的视频图像中黑像素点的总数,后续再根据判断出的视频图像中黑像素点总数判断此帧视频图像是否为黑场。
此处需要说明的是,所述黑场是指,视频中出现全黑的画面,一帧图像中像素亮度值Y的存储范围为0至1,其中0代表最黑,1为最白,但考虑到人眼感觉到的黑色,其亮度值有可能不是刚好等于0,而是比0稍微大些,经证实当图像亮度值在0-0.1964的范围内,人眼都会感觉是黑色。
因此,可根据上述经验设定黑像素阈值。
较佳地,作为一种可实施方式,本实施例中预设黑像素阈值为0.078,这是因为,选用0.1964作为预设黑像素阈值时,会把图像中的蓝屏也误判定为黑场。
较佳地,作为一种可实施方式,为了便于计算,本实施例中使用double数据类型,因此数据为0.078,在另外的实施例中也可采用其他的数据类型进行计算。
S212,判断所述黑像素点总数是否大于预设黑场阈值,判定所述黑像素点总数大于等于预设黑场阈值的视频图像为黑场,所述黑像素点总数小于预设黑场阈值的视频图像为非黑场,并累计视频中黑场的数量。
将所读取的视频图像中的每个像素点都进行黑像素点判断之后,得到所读取的视频图像中黑像素点总数,只有视频图像中黑像素点总数达到一定值,即大于等于所述预设黑场阈值时,才可以判定所述视频图像为黑场;当视频图像中的黑像素点总数小于所述预设黑场阈值时,则证明此视频图像中存在较多的的亮度比较大的像素点,因此即可得出此视频图像在人眼观察中可能不为全黑的画面,即不是黑场,并且当检测出当前帧视频图像为黑场时,累加视频中黑场的数量,即每检测出一个黑场,黑场数量加1,从而可得到所检测视频中黑场的总数。
较佳地,作为一种可实施方式,本实施例中预设黑场阈值的是根据视频图像的尺寸进行设定的,本实施例中设定预设黑场阈值为:W×H-1000,其中,W为视频图像以像素为单位的宽度值,H为视频图像以像素为单位的高度值。
此处需要说明的是,人眼感觉到图像为黑色,但可能并不是所有像素都是黑,因此需要排除图像中存在少许亮度值高于0.0784的可能,因此本实施例中允许在判定为黑场的图像中有小于1000个的亮度值高于0.0784像素点。在其他实施例中,可根据视频图像的大小调整判定为黑场的视频图像中所允许的非黑像素点的数目。
所述静帧检测,包括以下步骤:
S221,根据所提取的视频图像的亮度数据,求取当前帧视频图像与其前一帧视频图像对应像素点亮度值的绝对差值,将所有像素点的绝对差值的总和除以每帧视频图像像素点总数,得到相邻两帧视频图像像素点亮度值变化的平均值;
此处需要说明的,所述静帧是指,视频中出现画面完全静止的情况。因此,当出现静帧时,则两个相邻帧的视频图像完全一样,则所提取出的视频图像的亮度值Y也是完全一样的,由此来判定视频中是否出现了静帧。
本实施例中首先求取当前帧视频图像与前一帧视频图像对应像素点亮度值的绝对差值,由此可以得到当前帧视频图像相对于其前一帧视频图像的变化。然后将每一像素点的前后两帧亮度值的绝度差值求和,得到前后两帧视频图像对应像素点亮度变化的总量,将所述像素点亮度变化的总量除以视频图像的总像素点数,则得到视频图像每一像素点亮度变化的平均值。再根据这一平均值判定当前帧视频图像是否为静帧。
根据像素点亮度变化平均值判定当前帧视频图像是否为静帧,视频质量判定标准化,可将此判定标准应用在对任一视频进行质量检测过程中。
S222,判断所述像素点亮度值变化的平均值是否小于预设静帧阈值,判定所述像素点亮度值变化的平均值小于等于预设静帧阈值时,当前帧视频图像为静帧,所述像素点亮度值变化的平均值大于预设静帧阈值时,当前帧为非静帧,并累计视频中静帧的数量。
将所述像素点亮度值变化的平均值与预设的预设静帧阈值进行比较,当其小于等于所述预设静帧阈值时,则判定当前帧视频图像为静帧,即当前帧视频图像与前一帧视频图像是完全相同的,没有发生变化,并且当检测出当前帧视频图像为静帧时,累加视频中静帧的数量,即每检测出一个静帧,静帧数量加1,从而可得到所检测视频中静帧的总数。
较佳地,作为一种可实施方式,本实施例中,所述预设静帧阈值设定为0.0048。
此处需要说明的是,在视频中,因为两幅图像具有一定的相关性,即使是正常的播放画面,相邻两帧图像对应像素点之间差别也不大,所以所述预设静帧阈值的设定不宜太大。
所述跳帧检测,包括以下步骤:
S231,根据所提取的视频图像的亮度数据,求取当前帧视频图像的亮度值与其前一帧及后一帧视频图像亮度值的和差关系值Y'(N),根据以下公式进行计算:
Y'(N)=Y(N+1)+Y(N-1)-2Y(N),
其中,N表示当前帧视频图像为所检测视频中第N帧图像,Y'(N)为所述和差关系值;Y(N+1)为当前帧视频图像的后一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N-1)为当前帧视频图像的前一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N)为当前帧视频图像中任一像素点的亮度值;
S232,判断所述Y'(N)的值是否大于预设跳帧阈值,判定所述Y'(N)大于等于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间存在跳帧,所述Y'(N)小于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间不存在跳帧,并累计视频中跳帧的数量。
此处需要说明的是,如前面所述,图像亮度函数的二阶微分值为0时,则说明当前帧视频图像到后一帧视频图像的像素点亮度值没有阶跃变化,但是实际中不能考虑相邻的帧的相同位置像素的亮度没有任何阶越变化,所以只要考虑将视频图像像素亮度变化控制在一定范围内,即所述预设跳帧阈值。
较佳地,作为一种可实施方式,本实施例中预设跳帧阈值设定为0.5,即所述Y'(N)大于等于0.5时,即亮度函数二阶微分值大于等于0.5,则当前帧视频图像与其后一帧视频图像间存在跳帧,当所述Y'(N)小于0.5,即亮度函数二阶微分值小于0.5时,则当前帧视频图像与其后一帧视频图像间不存在跳帧,并且当检测出当前帧与其后一帧视频图像间存在跳帧时,累加视频中跳帧的数量,即每检测出一个跳帧,跳帧数量加1,从而可得到所检测视频中跳帧的总数。
较佳地,作为一种可实施方式,为了提高检测效率与准确性,本实施例中分别考察视频图像中5至10个随机点。
设W,H为视频图像的边界,对于像素点分别考察其中5至10个满足条件
Figure BDA00003283714100092
的随机点
Figure BDA00003283714100093
若其中60%以上的随机点的Y'(N)≥0.5,则认为当前帧与其后一帧视频图像之间存在跳帧。
所述马赛克检测,包括以下步骤:
S241,根据所提取的视频图像的亮度数据,对当前帧视频图像进行边缘提取;
此处需要说明的是,所述马赛克是一种常见的视频损伤它的特征表现为块状出现,大小不一,形状相对规整,块内色彩相对均匀,块间色彩会有突变,本发明实施例根据马赛克的这些特征对视频图像中的马赛克进行判断。
因此,本实施例中首先对视频图像的亮度数据Y进行边缘提取,本实施例采用Canny算子进行边缘检测,具体为:对当前帧视频图像f(x,y)进行高斯低通滤波后得到f(x,y)+Gα(x,y),其中x,y为视频图像的横纵坐标,α为相应的尺度因子,Gα(x,y)为梯度函数;计算其梯度矢量的模Mα和方向Aα为:
M α = | | f ( x , y ) + ▿ G α ( x , y ) | | ,
A α = f ( x , y ) + ▿ G α ( x , y ) | f ( x , y ) + ▿ G α ( x , y ) | ,
所述当前帧视频图像的边缘点为在Aα方向上使Mα取得局部极大值的点,
Figure BDA00003283714100103
为矢量运算符;
此处需要说明的是,Canny算子的基本思想是先使用高斯函数对图像进行平滑,再由一阶导数的极大值或二阶导数的过零点确定边缘点。由于视频图像中灰度变化剧烈的点与变化缓慢的点都对应着二阶导数零交叉点,因此利用二阶导数判断可能会引入伪边缘点,所以本发明实施例利用一阶导数的极大值可以提高检测的准确率。
在本发明的其他实施例中,可采用其他类似的边缘提取算法对视频图像的亮度数据Y进行边缘提取。
S242,判断进行边缘提取后的视频图像中是否存在矩形框,当所述进行边缘提取后的视频图像中存在矩形框时,则当前帧视频图像中有马赛克,当进行边缘提取后的视频图像中不存在矩形框时,则当前帧视频图像中没有马赛克,并累计视频中存在马赛克的视频图像帧数量。
所述判断进行边缘提取后的视频图像中是否存在矩形框是通过对所述视频图像中的像素点查找其是否存在正交边缘实现的,此为成熟技术,此处不再一一详细说明。
此处需要说明的是,当检测出当前帧视频图像中存在马赛克时,累加视频中存在马赛克的视频图像帧的数量,即每检测一帧存在马赛克的视频图像,视频中存在马赛克的视频图像数量加1,从而可得到所检测视频中存在马赛克的视频图像帧的总数。
所述模糊检测,包括以下步骤:
S251,根据所提取的视频图像的亮度数据,计算当前帧视频图像中16×16宏块区域的复杂度,当所述宏块区域的复杂度在[2,30]之间时,对所述宏块区域进行模糊度计算,否则计算下一宏块区域的复杂度,直至计算完所述当前帧视频图像的所有宏块区域;
较佳地,作为一种可实施方式,所述S251中,还包括:
S25101,将当前帧视频图像划分为多个16×16的宏块区域;
将当前帧视频划分为多个16×16的宏块区域时,舍弃图像边缘处不足以构成一个完整的宏块区域的部分,以便后续对构成所述当前帧视频图像的多个宏块区域进行复杂度的计算。
此处需要说明的是,当所述宏块区域的复杂度在[2,30]范围之外时,则此宏块区域对图像的复杂度没有贡献,则忽略此宏块区域,不计算其模糊度;只计算复杂度在[2,30]范围内的宏块区域的模糊度,此处所述模糊度的计算为成熟技术,在此不再赘述。
当根据视频图像的亮度数据计算出的16×16的宏块区域的复杂度在[2,30]之间时,则
S252,对所述16×16宏块区域边缘像素的中间像素,找出其垂直法线方向上的32个像素范围内亮度极大值和极小值的像素点,然后计算两个像素点之间的距离,为该点的垂直模糊度;
此处需要说明的是,由于图像中的边缘变化直接反映了图像的模糊度,因此通过计算图像边缘的模糊程度,即沿着边缘的法线方向的两边分别找极大值和极小值,然后计算极值所在像素点的位置间的距离,用于代表该边缘的模糊程度。一般来说,清晰图像中都会有阶跃型的边缘,当由于编码或其他因素导致图像模糊后,这些阶跃型的边缘就变为模糊的边缘,这些边缘的模糊程度直接反映了图像的模糊程度,因此,可通过检验图像边缘的模糊度来表征视频图像的模糊度。
较佳地,作为一种可实施方式,本实施例中选取基于块边缘模糊度算法。块边缘模糊度算法主要是将边缘模糊的计算位置从图像边缘改变到了块的边缘上。在基于宏块的模糊度计算方法中,计算16×16宏块区域的边缘像素的中间像素点,找出其垂直方向上的32个像素范围内亮度极大值和极小值的像素点,然后计算两个像素点之间的距离,为该点的垂直模糊度。
S253,计算所述当前帧视频图像中所有满足条件的宏块区域的边缘像素点的中间像素点的垂直模糊度,然后对当前帧视频图像中所计算出的所有垂直模糊度求平均值,得到所述当前视频帧图像的垂直模糊度。
此处需要说明的是,所述满足条件的宏块区域是指,宏块区域的复杂度在[2,30]之间的宏块区域,对所述满足条件的宏块区域计算其垂直模糊度,对视频图像中所有满足条件的宏块区域的垂直模糊度计算完毕之后,求取所得到的所有垂直模糊度的平均值,将所述平均值作为当前帧视频图像的垂直模糊度。
S254,将当前帧视频图像亮度数据矩阵转置后,根据转置后的亮度数据矩阵求取图像垂直模糊度,得到当前帧视频图像的水平模糊度,对当前帧视频图像的水平模糊度与垂直模糊度进行求和,得到当前帧视频图像的模糊度并记录。
所述得到当前帧视频图像的模糊度并记录是指,按照对所检测视频的每帧图像的检测顺序记录下每帧视频的模糊度,作为最终检测结果。
此处需要说明的是,至此,完成了对所提取的视频图像质量的检测,则返回步骤S100提取后续视频图像进行质量检测,直至完成对视频中所有帧图像的质量检测,则可得到所检测视频的质量,包括视频中包含的黑场的数量,静帧的数量,跳帧的数量,存在马赛克的视频图像的数量以及视频中各帧图像的模糊度。此视频质量的检测结果为视频资料质量的判断提供最直接的依据。
本领域技术人员可以理解,上述黑场检测、静帧检测、跳帧检测、马赛克检测以及模糊检测几种视频缺陷检测的检测顺序可进行随意调整或采用并行的方式进行检测,不影响视频质量检测的结果。
基于同一发明构思,本发明实施例还提供了视频质量检测的系统,由于此系统解决问题的原理与前述的一种视频质量检测的方法相似,因此,此系统具体功能可通过前述方法实现,重复之处不再赘述。
一种视频质量检测的系统,如图2所示,其包括视频提取模块100以及视频质量检测模块200,其中:
所述视频提取模块100,用于读取待检测视频的视频图像,并提取所述视频图像的亮度数据;
本发明实施例中,对视频质量的检测是将视频图像的亮度参数作为主要检测参数进行检测的,所以,对读取的视频帧图像提取其像素亮度值Y,以便后续根据视频图像的像素亮度值Y进行视频质量的检测。
所述视频质量检测模块200,用于根据所述视频提取模块提取的视频图像的亮度数据检测视频的质量,并得到检测结果。
较佳地,作为一种可实施方式,所述视频提取模块100,包括视频图像读取子模块110以及亮度数据提取子模块120,其中:
所述视频图像读取子模块110,用于读取待测视频中的视频图像,比便后续对所述视频图像做进一步处理;
所述亮度数据提取子模块120,用于提取视频图像读取子模块110所读取的视频图像中亮度数据;
所述亮度数据提取子模块120提取所述视频图像读取子模块110读取的视频图像中的亮度数据Y,并将亮度数据Y交给视频质量检测模块200作进一步处理。
较佳地,作为一种可实施方式,所述视频质量检测模块200,包括黑场检测子模块210,静帧检测子模块220,跳帧检测子模块230,马赛克检测子模块240以及模糊检测子模块250,
所述黑场检测子模块210,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否为黑场,并累计视频中黑场的数量;
较佳地,作为一种可实施方式,所述黑场检测模块210,包括黑像素点检测单元211,黑场判定单元212以及黑场数量累计单元213,其中:
所述黑像素点检测单元211,用于检测视频图像中的黑像素点,并计算所述视频图像中黑像素点总数;
本实施例中黑像素点检测单元211,对视频图像中像素亮度值Y值进行判断,当视频图像中的像素亮度值Y小于预设黑像素阈值时,则此像素点为黑像素点;对所读取的视频图像中的每个像素点的亮度值Y都进行此判断,从而得到所读取的视频图像中黑像素点的总数。
所述黑场判定单元212,用于判定当前帧视频图像是否为黑场;
所述黑场判定单元212在黑像素点检测单元211将所读取的视频图像中的每个像素点都进行黑像素点判断之后,得到所读取的视频图像中黑像素点总数,只有视频图像中黑像素点总数达到一定值,即大于等于所述预设黑场阈值时,才可以判定所述视频图像为黑场;当视频图像中的黑像素点总数小于所述预设黑场阈值时,则证明此视频图像中存在较多的的亮度比较大的像素点,因此即可得出此视频图像在人眼观察中可能不为全黑的画面,即不是黑场。
较佳地,作为一种可实施方式,本实施例中设定黑像素阈值为0.078;设定预设黑场阈值为:W×H-1000,其中,W为视频图像以像素为单位的宽度值,H为视频图像以像素为单位的高度值。
所述黑场数量累计单元213,用于计算所检测视频中黑场的总数。
所述黑场数量累计单元213在所述黑场判定单元212判定当前阵视频图像为黑场时,黑场数量加1,从而累加得到所检测视频中黑场的总数。
所述静帧检测子模块220,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否为静帧,并累计视频中静帧的数量;
较佳地,作为一种可实施方式,所述静帧检测子模块220,包括亮度值变化求取单元221,静帧判定单元222以及静帧数量累计单元223,其中:
所述亮度值变化求取单元221,用于求取当前帧视频图像与其前一帧视频图像对应像素点亮度值变化的平均值;
所述亮度值变化求取单元221根据所提取的视频图像的亮度数据,求取当前帧视频图像与其前一帧视频图像对应像素点亮度值的绝对差值,将所有像素点的绝对差值的总和除以每帧视频图像像素点总数,得到相邻两帧视频图像像素点亮度值变化的平均值;
所述静帧判定单元222,用于判定当前帧视频图像是否为静帧;
所述静帧判定单元222判断所述对应像素点亮度值变化的平均值是否小于预设静帧阈值,判定所述像素点亮度值变化的平均值小于等于预设静帧阈值时,当前帧视频图像为静帧,所述像素点亮度值变化的平均值大于预设静帧阈值时,当前帧为非静帧。本实施例中,所述预设静帧阈值设定为0.0048。
所述静帧数量累计单元223,用于计算所检测视频中静帧的总数。
所述静帧数量累计单元223在所述静帧判定单元222判定当前帧视频图像为静帧时,静帧数量加1,从而累加得到所检测视频中静帧的总数。
所述跳帧检测子模块230,用于根据视频提取模块提取出的视频图像亮度,检测视频中是否出现跳帧,并累计视频中跳帧的数量;
较佳地,作为一种可实施方式,所述跳帧检测子模块230,包括亮度数值求取单元231,跳帧判定单元232以及跳帧数量累计单元233,其中:
所述亮度数值求取单元231,用于求取当前帧视频图像的亮度值与其前一帧及后一帧视频图像亮度值的和差关系值Y'(N)。
所述亮度数值求取单元231根据所提取的视频图像的亮度数据,求取当前帧视频图像的亮度值与其前一帧及后一帧视频图像亮度值的和差关系值Y'(N),根据以下公式进行计算:
Y'(N)=Y(N+1)+Y(N-1)-2Y(N),
其中,N表示当前帧视频图像为所检测视频中第N帧图像,Y'(N)为所述和差关系值;Y(N+1)为当前帧视频图像的后一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N-1)为当前帧视频图像的前一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N)为当前帧视频图像中任一像素点的亮度值;
所述跳帧判定单元232,用于根据所述亮度数值求取单元231的检测结果,判定当前帧与其后一帧视频图像之间是否发生跳帧;
所述跳帧判定单元232判断所述Y'(N)的值是否大于预设跳帧阈值,判定所述Y'(N)大于等于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间存在跳帧,所述Y'(N)小于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间不存在跳帧。
较佳地,作为一种可实施方式,本实施例中,所述预设跳帧阈值设定为0.5。
所述跳帧数量累计单元233,用于计算所检测视频中跳帧的总数。
所述跳帧数量累计单元233在所述静帧判定单元232判定当前帧与其后一帧视频图像之间存在跳帧时,跳帧数量加1,从而累加得到所检测视频中跳帧的总数。
所述马赛克检测模块240,用于根据视频提取模块提取出的视频图像亮度,检测视频图像中是否有马赛克,并累计出现马赛克的视频图像的帧数;
较佳地,作为一种可实施方式,所述马赛克检测模块240,包括边缘提取单元241、马赛克判定单元242以及马赛克图像数量累计单元243,其中:
所述边缘提取单元241,用于对视频图像进行边缘提取;
所述边缘提取单元241根据所提取的视频图像的亮度数据,对当前帧视频图像进行边缘提取;
本实施例采用Canny算子进行边缘检测,具体为:对当前帧视频图像f(x,y)进行高斯低通滤波后得到f(x,y)+Gα(x,y),其中x,y为视频图像的横纵坐标,α为相应的尺度因子,Gα(x,y)为梯度函数;计算其梯度矢量的模Mα和方向Aα为:
M α = | | f ( x , y ) + ▿ G α ( x , y ) | | ,
A α = f ( x , y ) + ▿ G α ( x , y ) | f ( x , y ) + ▿ G α ( x , y ) | ,
所述当前帧视频图像的边缘点为在Aα方向上使Mα取得局部极大值的点,
Figure BDA00003283714100163
为矢量运算符。
所述马赛克判定单元242,用于判定当前视频图像中是否存在马赛克;
所述马赛克判定单元242对进行边缘提取后的视频图像进行判断,判定所述视频图像边缘中存在矩形框时,当前帧视频图像中有马赛克,所述视频图像边缘中没有矩形框时,当前帧视频图像中没有马赛克。
所述马赛克图像数量累计单元243,用于计算所检测视频中存在马赛克的视频图像帧的总数。
所述马赛克图像数量累计单元243在所述马赛克判定单元242判定当前帧视频图像中存在马赛克时,马赛克数量加1,从而累加得到所检测视频中存在马赛克的视频图像帧的总数。
所述模糊检测模块250,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否模糊,并累计视频中模糊的视频图像的数量。
较佳地,作为一种可实施方式,所述模糊检测模块250,包括复杂度计算单元251,像素点模糊度计算单元252,图像垂直模糊度计算单元253以及图像模糊度计算单元254,其中:
所述复杂度计算单元251,用于计算当前帧视频图像中16×16宏块区域的复杂度,并判断是否需要进行模糊度计算;
所述复杂度计算单元251根据所提取的视频图像的亮度数据,计算当前帧视频图像中16×16宏块区域的复杂度,当所述宏块区域的复杂度在[2,30]之间时,对所述宏块区域进行模糊度计算,否则计算下一宏块区域的复杂度,直至计算完所述当前帧视频图像的所有宏块区域;
所述像素点模糊度计算单元252,用于计算当前视频帧图像中像素点的模糊度;
所述像素点模糊度计算单元252对所述16×16宏块区域边缘像素的中间像素,找出其垂直方向上的32个像素范围内亮度极大值和极小值的像素点,然后计算两个像素点之间的距离,为该点的垂直模糊度;
所述图像垂直模糊度计算单元253,用于计算当前帧视频图像的垂直模糊度;
所述图像垂直模糊度计算单元253计算所述当前帧视频图像中所有满足条件的宏块区域的边缘像素点的中间像素点的垂直模糊度,然后对当前帧视频图像中所计算出的所有垂直模糊度求平均值,得到所述当前视频帧图像的垂直模糊度。
此处需要说明的是,所述满足条件的宏块区域是指,宏块区域的复杂度在[2,30]之间的宏块区域,对所述满足条件的宏块区域计算其垂直模糊度,对视频图像中所有满足条件的宏块区域的垂直模糊度计算完毕之后,求取所得到的所有垂直模糊度的平均值,将所述平均值作为当前帧视频图像的垂直模糊度。
所述图像模糊度计算单元254,用于计算当前帧图像的模糊度。
所述图像模糊度计算单元254将当前帧视频图像亮度数据矩阵转置后,根据转置后的亮度数据矩阵求取图像垂直模糊度,得到当前帧视频图像的水平模糊度,对当前帧视频图像的水平模糊度与垂直模糊度进行求和,得到当前帧视频图像的模糊度并记录。
本发明是2012年北京市教委科研面上项目(视频质量检测项目)研究成果之一。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种视频质量检测的方法,其特征在于,包括以下步骤:
读取待检测视频的视频图像,并提取所述视频图像的亮度数据;
根据所述视频图像的亮度数据检测视频的质量,并得到检测结果。
2.根据权利要求1所述的视频质量检测的方法,其特征在于,所述检测视频的质量,包括:黑场检测,静帧检测,跳帧检测,马赛克检测及模糊检测。
3.根据权利要求2所述的视频质量检测的方法,其特征在于,所述黑场检测,包括以下步骤:
根据所提取的视频图像的亮度数据,判断所述视频图像中每个像素点的亮度值是否小于预设黑像素阈值,并得到所述视频图像中亮度值小于等于所述预设黑像素阈值的黑像素点总数;
判断所述黑像素点总数是否大于预设黑场阈值,判定所述黑像素点总数大于等于预设黑场阈值的视频图像为黑场,所述黑像素点总数小于预设黑场阈值的视频图像为非黑场,并累计视频中黑场的数量。
4.根据权利要求3所述的视频质量检测的方法,其特征在于:所述预设黑像素阈值设定为0.0784;所述预设黑场阈值设定为W×H-1000,其中,W为视频图像以像素为单位的宽度值,H为视频图像以像素为单位的高度值。
5.根据权利要求2所述的视频质量检测的方法,其特征在于,所述静帧检测,包括以下步骤:
根据所提取的视频图像的亮度数据,求取当前帧视频图像与其前一帧视频图像对应像素点亮度值的绝对差值,将所有像素点的绝对差值的总和除以每帧视频图像像素点总数,得到相邻两帧视频图像像素点亮度值变化的平均值;
判断所述像素点亮度值变化的平均值是否小于预设静帧阈值,判定所述像素点亮度值变化的平均值小于等于预设静帧阈值时,当前帧视频图像为静帧,所述像素点亮度值变化的平均值大于预设静帧阈值时,当前帧为非静帧,并累计视频中静帧的数量。
6.根据权利要求5所述的视频质量检测的方法,其特征在于:所述预设静帧阈值设定为0.0048。
7.根据权利要求2所述的视频质量检测的方法,其特征在于,所述跳帧检测,包括以下步骤:
根据所提取的视频图像的亮度数据,求取当前帧视频图像的亮度值与其前一帧及后一帧视频图像亮度值的和差关系值Y'(N),根据以下公式进行计算:
Y'(N)=Y(N+1)+Y(N-1)-2Y(N),
其中,N表示当前帧视频图像为所检测视频中第N帧图像,Y'(N)为所述和差关系值;Y(N+1)为当前帧视频图像的后一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N-1)为当前帧视频图像的前一帧视频图像对应当前帧视频图像像素点的亮度值;Y(N)为当前帧视频图像中任一像素点的亮度值;
判断所述Y'(N)的值是否大于预设跳帧阈值,判定所述Y'(N)大于等于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间存在跳帧,所述Y'(N)小于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间不存在跳帧,并累计视频中跳帧的数量。
8.根据权利要求7所述的视频质量检测的方法,其特征在于,所述跳帧检测,还包括以下步骤:
求取当前帧视频图像中5至10个随机像素点的Y'(N),当所述5至10个像素点中有60%以上的随机像素点的Y'(N)大于等于所述预设跳帧阈值时,当前帧视频图像与其后一帧视频图像间存在跳帧;
所述预设跳帧阈值为0.5。
9.根据权利要求2所述的视频质量检测的方法,其特征在于,所述马赛克检测,包括以下步骤:
根据所提取的视频图像的亮度数据,对当前帧视频图像进行边缘提取;
采用Canny算子进行边缘检测,具体为:对当前帧视频图像f(x,y)进行高斯低通滤波后得到f(x,y)+Gα(x,y),其中x,y为视频图像的横纵坐标,α为相应的尺度因子,Gα(x,y)为梯度函数;计算其梯度矢量的模Mα和方向Aα为:
M α = | | f ( x , y ) + ▿ G α ( x , y ) | | ,
A α = f ( x , y ) + ▿ G α ( x , y ) | f ( x , y ) + ▿ G α ( x , y ) | ,
所述当前帧视频图像的边缘点为在Aα方向上使Mα取得局部极大值的点,
Figure FDA00003283714000033
为矢量运算符;
判断进行边缘提取后的视频图像中是否存在矩形框,当所述进行边缘提取后的视频图像中存在矩形框时,则当前帧视频图像中有马赛克,当进行边缘提取后的视频图像中不存在矩形框时,则当前帧视频图像中没有马赛克,并累计视频中存在马赛克的视频图像帧数量。
10.根据权利要求1至9中任意一项所述的视频质量检测的方法,其特征在于,所述模糊检测,包括以下步骤:
根据所提取的视频图像的亮度数据,计算当前帧视频图像中16×16宏块区域的复杂度,当所述宏块区域的复杂度在[2,30]之间时,对所述宏块区域进行模糊度计算,否则计算下一宏块区域的复杂度,直至计算完所述当前帧视频图像的所有宏块区域;
对所述16×16宏块区域边缘像素的中间像素,找出其垂直方向上的32个像素范围内亮度极大值和极小值的像素点,然后计算两个像素点之间的距离,为该点的垂直模糊度;
计算所述当前帧视频图像中所有满足条件的宏块区域的边缘像素点的中间像素点的垂直模糊度,然后对当前帧视频图像中所计算出的所有垂直模糊度求平均值,得到所述当前视频帧图像的垂直模糊度;
将当前帧视频图像亮度数据矩阵转置后,根据转置后的亮度数据矩阵求取图像垂直模糊度,得到当前帧视频图像的水平模糊度,对当前帧视频图像的水平模糊度与垂直模糊度进行求和,得到当前帧视频图像的模糊度并记录。
11.一种视频质量检测的系统,其特征在于,包括视频提取模块以及视频质量检测模块,其中:
所述视频提取模块,用于读取待检测视频的视频图像,并提取所述视频图像的亮度数据;
所述视频质量检测模块,用于根据所述视频提取模块提取的视频图像的亮度数据检测视频的质量,并得到检测结果。
12.根据权利要求11所述的视频质量检测的系统,其特征在于,所述视频提取模块,包括视频图像读取子模块以及亮度数据提取子模块,所述视频质量检测模块,包括黑场检测子模块,静帧检测子模块,跳帧检测子模块,马赛克检测子模块以及模糊检测子模块,其中:
所述视频图像读取子模块用于读取待测视频中的视频图像,比便后续对所述视频图像做进一步处理;
所述亮度数据提取子模块,用于提取视频图像读取子模块所读取的视频图像中亮度数据;
所述黑场检测子模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否为黑场,并累计视频中黑场的数量;
所述静帧检测子模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像是否为静帧,并累计视频中静帧的数量;
所述跳帧检测子模块,用于根据视频提取模块提取出的视频图像亮度,检测视频中是否出现跳帧,并累计视频中跳帧的数量;
所述马赛克检测模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像中是否有马赛克,并累计出现马赛克的视频图像的帧数;
所述模糊检测模块,用于根据视频提取模块提取出的视频图像亮度,检测视频图像的模糊度并记录。
CN2013102145405A 2013-05-31 2013-05-31 视频质量检测的方法及系统 Pending CN103281559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013102145405A CN103281559A (zh) 2013-05-31 2013-05-31 视频质量检测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013102145405A CN103281559A (zh) 2013-05-31 2013-05-31 视频质量检测的方法及系统

Publications (1)

Publication Number Publication Date
CN103281559A true CN103281559A (zh) 2013-09-04

Family

ID=49063983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013102145405A Pending CN103281559A (zh) 2013-05-31 2013-05-31 视频质量检测的方法及系统

Country Status (1)

Country Link
CN (1) CN103281559A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103747244A (zh) * 2014-01-08 2014-04-23 上海风格信息技术股份有限公司 一种计算数字视频黑场或静帧量化评估值的方法
CN104469345A (zh) * 2014-12-10 2015-03-25 北京理工大学 一种基于图像处理的视频故障诊断方法
CN104469174A (zh) * 2013-09-24 2015-03-25 纬创资通股份有限公司 手持式通讯装置与手持式通讯装置的闪光模块的调整方法
CN104778456A (zh) * 2015-04-16 2015-07-15 广东欧珀移动通信有限公司 垃圾视频的识别方法及装置
CN106447660A (zh) * 2016-09-27 2017-02-22 百度在线网络技术(北京)有限公司 图片检测方法和装置
CN106791812A (zh) * 2016-12-16 2017-05-31 上海高顿教育培训有限公司 一种视频的帧率检测方法
CN107483916A (zh) * 2016-06-08 2017-12-15 北京市第中级人民法院 音视频档案质量检测系统的控制方法
WO2018076614A1 (zh) * 2016-10-31 2018-05-03 武汉斗鱼网络科技有限公司 一种直播视频的处理方法、装置及设备、计算机可读介质
CN108600781A (zh) * 2018-05-21 2018-09-28 腾讯科技(深圳)有限公司 一种视频封面生成的方法以及服务器
CN108737816A (zh) * 2018-04-25 2018-11-02 上海电力学院 一种iptv的黑场检测方法
CN108769672A (zh) * 2018-06-22 2018-11-06 四川九州电子科技股份有限公司 一种代替人工感知的音视频自动测试系统及方法
CN109102536A (zh) * 2018-03-29 2018-12-28 王辉 镜片反射图像大数据分析方法
CN109167997A (zh) * 2017-03-30 2019-01-08 安徽四创电子股份有限公司 一种视频质量诊断系统及方法
CN110312163A (zh) * 2019-07-10 2019-10-08 湖南快乐阳光互动娱乐传媒有限公司 一种视频静帧检测方法及系统
CN110324665A (zh) * 2019-07-25 2019-10-11 深圳创维-Rgb电子有限公司 一种自动审片的方法、终端及存储介质
CN111225276A (zh) * 2020-01-21 2020-06-02 北京奇艺世纪科技有限公司 视频黑屏图像的分类方法、装置、电子设备及存储介质
CN112565894A (zh) * 2020-11-27 2021-03-26 珠海迈科智能科技股份有限公司 一种检测直播节目播放质量的方法和系统
CN112788329A (zh) * 2020-12-24 2021-05-11 深圳创维-Rgb电子有限公司 视频静帧检测方法、装置、电视及存储介质
CN113365103A (zh) * 2021-06-02 2021-09-07 深圳市帧彩影视科技有限公司 坏帧自动检测方法、装置、设备、存储介质、程序产品
CN113535993A (zh) * 2021-07-30 2021-10-22 北京字跳网络技术有限公司 作品封面显示方法、装置、介质和电子设备
CN114820482A (zh) * 2022-04-13 2022-07-29 咪咕视讯科技有限公司 图像检测方法、系统、终端设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102006499A (zh) * 2010-12-10 2011-04-06 北京中科大洋科技发展股份有限公司 一种检测数字电视节目文件视音频质量的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102006499A (zh) * 2010-12-10 2011-04-06 北京中科大洋科技发展股份有限公司 一种检测数字电视节目文件视音频质量的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡亦,丁江: "一种视频质量检测系统的实现", 《制造业自动化》 *

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104469174B (zh) * 2013-09-24 2018-11-23 纬创资通股份有限公司 手持式通讯装置与手持式通讯装置的闪光模块的调整方法
CN104469174A (zh) * 2013-09-24 2015-03-25 纬创资通股份有限公司 手持式通讯装置与手持式通讯装置的闪光模块的调整方法
CN103747244B (zh) * 2014-01-08 2015-11-18 上海风格信息技术股份有限公司 一种计算数字视频黑场或静帧量化评估值的方法
CN103747244A (zh) * 2014-01-08 2014-04-23 上海风格信息技术股份有限公司 一种计算数字视频黑场或静帧量化评估值的方法
CN104469345A (zh) * 2014-12-10 2015-03-25 北京理工大学 一种基于图像处理的视频故障诊断方法
CN104778456A (zh) * 2015-04-16 2015-07-15 广东欧珀移动通信有限公司 垃圾视频的识别方法及装置
CN107483916A (zh) * 2016-06-08 2017-12-15 北京市第中级人民法院 音视频档案质量检测系统的控制方法
CN106447660A (zh) * 2016-09-27 2017-02-22 百度在线网络技术(北京)有限公司 图片检测方法和装置
CN106447660B (zh) * 2016-09-27 2019-01-25 百度在线网络技术(北京)有限公司 图片检测方法和装置
WO2018076614A1 (zh) * 2016-10-31 2018-05-03 武汉斗鱼网络科技有限公司 一种直播视频的处理方法、装置及设备、计算机可读介质
CN106791812A (zh) * 2016-12-16 2017-05-31 上海高顿教育培训有限公司 一种视频的帧率检测方法
CN109167997A (zh) * 2017-03-30 2019-01-08 安徽四创电子股份有限公司 一种视频质量诊断系统及方法
CN109167997B (zh) * 2017-03-30 2020-04-28 安徽四创电子股份有限公司 一种视频质量诊断系统及方法
CN109102536A (zh) * 2018-03-29 2018-12-28 王辉 镜片反射图像大数据分析方法
CN108737816A (zh) * 2018-04-25 2018-11-02 上海电力学院 一种iptv的黑场检测方法
CN108600781A (zh) * 2018-05-21 2018-09-28 腾讯科技(深圳)有限公司 一种视频封面生成的方法以及服务器
CN108769672A (zh) * 2018-06-22 2018-11-06 四川九州电子科技股份有限公司 一种代替人工感知的音视频自动测试系统及方法
CN110312163B (zh) * 2019-07-10 2021-04-13 湖南快乐阳光互动娱乐传媒有限公司 一种视频静帧检测方法及系统
CN110312163A (zh) * 2019-07-10 2019-10-08 湖南快乐阳光互动娱乐传媒有限公司 一种视频静帧检测方法及系统
CN110324665A (zh) * 2019-07-25 2019-10-11 深圳创维-Rgb电子有限公司 一种自动审片的方法、终端及存储介质
CN111225276A (zh) * 2020-01-21 2020-06-02 北京奇艺世纪科技有限公司 视频黑屏图像的分类方法、装置、电子设备及存储介质
CN111225276B (zh) * 2020-01-21 2022-09-02 北京奇艺世纪科技有限公司 视频黑屏图像的分类方法、装置、电子设备及存储介质
CN112565894A (zh) * 2020-11-27 2021-03-26 珠海迈科智能科技股份有限公司 一种检测直播节目播放质量的方法和系统
CN112788329A (zh) * 2020-12-24 2021-05-11 深圳创维-Rgb电子有限公司 视频静帧检测方法、装置、电视及存储介质
CN113365103A (zh) * 2021-06-02 2021-09-07 深圳市帧彩影视科技有限公司 坏帧自动检测方法、装置、设备、存储介质、程序产品
CN113535993A (zh) * 2021-07-30 2021-10-22 北京字跳网络技术有限公司 作品封面显示方法、装置、介质和电子设备
CN114820482A (zh) * 2022-04-13 2022-07-29 咪咕视讯科技有限公司 图像检测方法、系统、终端设备及存储介质

Similar Documents

Publication Publication Date Title
CN103281559A (zh) 视频质量检测的方法及系统
CN105678700B (zh) 基于预测梯度的图像插值方法及系统
CN103763515B (zh) 一种基于机器学习的视频异常检测方法
Tang et al. Learning a blind measure of perceptual image quality
CN101976444B (zh) 一种基于像素类型的结构类似性图像质量客观评价方法
CN107240096A (zh) 一种红外与可见光图像融合质量评价方法
CN102222323A (zh) 基于直方图统计拉伸和梯度滤波的红外图像细节增强方法
CN105046677B (zh) 一种用于交通视频图像的增强处理方法和装置
CN104182983B (zh) 基于角点特征的高速公路监控视频清晰度的检测方法
CN101996406A (zh) 无参考结构清晰度图像质量评价方法
CN102404602A (zh) 一种基于清晰度测试卡的摄像机清晰度检测方法
CN106372584B (zh) 一种视频图像马赛克检测方法
CN108109147A (zh) 一种模糊图像的无参考质量评价方法
CN104574296B (zh) 一种用于偏振去雾霾的多小波融合处理图片的方法
CN109064418A (zh) 一种基于非局部均值的非均匀噪声图像去噪方法
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN102509151A (zh) 一种基于视频处理的人群密度与分布的估计方法
KR20110014067A (ko) 스테레오 컨텐트의 변환 방법 및 시스템
CN109035196A (zh) 基于显著性的图像局部模糊检测方法
CN103049904B (zh) 一种图像提取方法及其系统、电子证书制作方法及其系统
CN110351453A (zh) 一种计算机视频数据处理方法
CN101615241A (zh) 一种证件照片的筛选方法
CN104700405A (zh) 一种前景检测方法和系统
CN101976440B (zh) 一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法
CN111445435B (zh) 一种基于多区块小波变换的无参考图像质量评价方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20130904