視頻監控中的視頻質量是采用視頻圖像分析的方法來測量系統中可能存在的故障。從現在普遍出現的攝像頭故障類型來看，影響視頻監控系統視頻質量的因素有很多，主要概括來說有以下幾點：
攝像機的設置不當或器件老化失效，包含攝像機的分辨率、攝像機對光照的靈敏度、鏡頭聚焦調整、色彩校正等;
大型監控網絡中視頻信號通過長距離電纜傳輸、多級矩陣切換以及多級網絡轉發，電源、控制器等多種干擾信號可能對視頻信號產生強烈的干擾，線路老化、接頭松動等現場環境的變化可能帶來視頻噪聲;
大量使用PTZ球機，長期的運動變焦有可能讓部分球機發生方向錯誤、不可控等故障。
針對以上提到的種種視頻故障，可將故障類型分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻噪聲、視頻雪花、視頻偏色、畫面凍結、PTZ運動失控8種。這其中，視頻信號缺失、畫面凍結兩種故障可通過人工設計基于視頻圖像比對的方法得出結論;PTZ運動失控則是由故障檢測系統發出運動指令，然后通過對視頻圖像的運動分析來檢測是否有故障;而對于其他的5種故障，很難通過人工設定規則的方法來檢測，這就需要通過機器學習的方法，讓機器來模擬人的視覺反應，檢測視頻是否存在故障。
針對這5種不同類型視頻故障，設計5個不同的基于機器學習的檢測器，每個檢測器負責分析一段視頻是否存在某一種故障，以及這種故障的嚴重性。
而在實際運行的視頻監控系統中提取大量的視頻片斷，包括正常視頻以及存在各種故障的視頻，形成訓練樣本，并模擬人類視覺特性，針對不同故障類型提取了大量視頻圖像特征參數，用以訓練得到診斷不同故障的檢測器。在分析階段，獲取需要分析的一段固定長度的視頻，根據用戶設定的該路視頻的檢測項目，使用不同的故障檢測器，提取相應的視頻圖像特征，然后輸入到已訓練好的故障檢測模型中，即可獲取對該段視頻的故障評價結果。
基于優秀的底層算法，視頻質量診斷系統具備以下技術特點：
高準確度：采用大量的實際視頻監控系統的視頻作為訓練樣本，各種故障檢測器均來源于實際系統，并經過大量實際系統的測試，因此檢測準確率高;
良好的攝像機角度適應性：故障檢測器的訓練樣本來自多種不同場景，涵蓋了治安視頻監控系統中眾多常見的攝像頭監視角度，因此對各種攝像頭角度、焦距以及不同的攝像內容都有良好的適應性;
獨特的抵抗球機運動的能力：在每一中類型的故障檢測器的設計和訓練過程中，都考慮到了攝像頭云臺運動以及鏡頭推近拉遠有可能帶來的視頻圖像特征的變化，在檢測過程中都首先進行攝像頭運動分析，一旦發現攝像頭處于PTZ運動過程中，則首先不再檢測PTZ運動是否異常，以防止檢測時發送運動指令影響當前的球機運動;其次，僅使用對攝像頭運動不敏感的特征來進行其他類型的故障分析，避免因運動原因造成誤報或漏報;
出色的環境適應能力：算法模塊對于場景內由于車流、人流、季節、氣候產生的光線、陰影變化不敏感，因此，可以適用于多種不同的室外環境;
強化學習能力：現有的視頻質量診斷系統與人類的故障識別能力仍有明顯的差距，因此應用場景的差異對于視頻質量診斷系統的性能是有影響的。像人類的視覺系統一樣，視頻質量診斷分析模塊也具備后天強化學習的能力，只要加入當地的新樣本重新訓練檢測器，算法的性能將進一步提高。
京公網安備 11010502049343號