监控视频质量诊断核心技术是哪些？

类别：产品资讯日期：2022-06-18 15:05:34

我要分享

以往，监控往往被定位为“监测”的角色，即只负责发现异常，将报警发出来即尽到监控职责。站在运维业务连续性保障的最终价值看，监控要在“监”的基础上，增加“控”在故障恢复角度的要求，那么监控视频质量诊断核心技术是哪些，有哪些特点？

一、视频质量诊断核心技术

视频质量诊断系统采用了视频图像分析的方法来检测监控系统中存在的各种视频常见故障。从现在普遍出现的摄像头故障类型来看，影响视频监控系统视频质量的因素有很多，主要概括来说有以下几点：

·摄像机的设置不当或器件老化失效，包含摄像机的分辨率、摄像机对光照的灵敏度、镜头聚焦调整、色彩校正等；

·大型监控网络中视频信号通过长距离电缆传输、多级矩阵切换以及多级网络转发，电源、控制器等多种干扰信号可能对视频信号产生强烈的干扰，线路老化、接头松动等现场环境的变化可能带来视频噪声；

·大量使用PTZ球机，长期的运动变焦有可能让部分球机发生方向错误、不可控等故障。

针对以上提到的种种视频故障，可将故障类型分成视频信号缺失、视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、画面冻结、PTZ运动失控８种。这其中，视频信号缺失、画面冻结两种故障可通过人工设计基于视频图像比对的方法得出结论；PTZ运动失控则是由故障检测系统发出运动指令，然后通过对视频图像的运动分析来检测是否有故障；而对于其他的５种故障，很难通过人工设定规则的方法来检测，这就需要通过机器学习的方法，让机器来模拟人的视觉反应，检测视频是否存在故障。

针对这５种不同类型视频故障，设计５个不同的基于机器学习的检测器，每个检测器负责分析一段视频是否存在某一种故障，以及这种故障的严重性。

而在实际运行的视频监控系统中提取大量的视频片断，包括正常视频以及存在各种故障的视频，形成训练样本，并模拟人类视觉特性，针对不同故障类型提取了大量视频图像特征参数，用以训练得到诊断不同故障的检测器。在分析阶段，获取需要分析的一段固定长度的视频，根据用户设定的该路视频的检测项目，使用不同的故障检测器，提取相应的视频图像特征，然后输入到已训练好的故障检测模型中，即可获取对该段视频的故障评价结果。