浅谈视频质量诊断技术及系统

正一、视频质量诊断技术概述视频质量诊断技术是采用先进的视频图像分析算法,通过对前端设备传回的视频流进行质量评估,对视频图像中存在的质量问题进行智能分析、判断和预警的技术。视频质量诊断技术采用视频图像智能分析的方法来检测监控系统中存在的各种视频常见的故障。从概念上来看,视频质量诊断是将采集到的图像进行智能分析,抽取出"对象"、"事件"、"条件",来判断目标形态的变化,并通过设置一定的条件和规则来判断画面是否异常,完成监控系统从目标解     

公共场所人群加速度异常检测系统

针对目前基于速度检测公共场所密集人群异常行为存在的检测准确率低、使用范围局限的问题,从人群的加速度角度对可能导致公共安全事故的人群异常行为进行研究,提出了一种基于加速度检测人群异常行为的算法,并基于该算法实现了针对人群逃散、人群聚集、人群拥挤和人群逆行4种异常行为检测的系统。首先,利用金字塔Lucas-Kanade光流法进行特征点跟踪;然后,在获取到特征点的速度矩阵基础上进一步计算其加速度矩阵,反映速度的整体变化;最后,从加速度大小和方向两方面检测人群异常行为。结果表明,所提算法检测用时较少,相比基于速度检测的对比算法,检测的正确率提高到80%,误报率降低为5%。     

视频质量诊断系统技术解析与应用

视频质量诊断技术是采用先进的视频图像分析算法,对监控设备的视频流进行智能分析,从而间接判断出设备当前运行状态是否正常的技术。当前各大监控厂商陆续推出了多款视频质量诊断产品,如大华股份、海康威视、捷尚、字视科技等,总结起来涉及的功能及产品形态大致相同,以大华股份的视频质量诊断产品为例,该产品可以实现对监控设备常见的异常抖动、画面条纹、画面模糊、偏色、亮度异常、对比度异常、冻结、丢失、噪声等机器故障及恶意遮挡、恶意变化监控场景的行为做出准确判断,还可以对监控设备因为网络异常等原因导致的设备断线、取流异常、码率是否达标等问题进行准确定位,通过配套应用软件的汇总统计,可以将故障设备存在的问题清晰展现给用户,便于进行快速精确定点检修,从而保证视频监控系统的长期正常有效运行,也大大减轻了维护监控设备的工作量。     

视频诊断技术的最新发展与应用

视频质量诊断系统是一套智能化视频故障分析与预警系统,其通过对前端设备传回的码流进行解码以及图像质量评估,对视频图像中存在的质量问题进行智能分析、判断和预警。系统采用轮巡的方式,在短时间内对大量的前端设备进行检测,检测内容包括多种视频故障,如清晰度异常(图像模糊)、亮度异常(过亮、过暗)、对比度异常、偏色、噪声干扰(雪花、条状、滚屏)、画面冻结以及信号丢失等。诊断分析仪采用先进的科学的视频质量诊断技术,应用计算机视觉(Computer Vision)算法,能对视频图像质量等常见摄像机故障进行检测,做出准确判断并发出报警信息。视频诊断分析仪可以有效应用到各个行业平台,比如公安、金融、司法领域等。行业系统平台在得到诊断结果后,可以设置报警联动的功能,比如报警联动短信、报警联动电子邮件,还可以把统计出来的报表和数据发送到相应的管理人员,以便后续处理。     

视频质量诊断技术：视频诊断技术的最新发展与应用

视频质量诊断系统是一套智能化视频故障分析与预警系统,其通过对前端设备传回的码流进行解码以及图像质量评估,对视频图像中存在的质量问题进行智能分析、判断和预警。系统采用轮巡的方式,在短时间内对大量的前端设备进行检测,检测内容包括多种视频故障,如清晰度异常（图像模糊）、亮度异常（过亮、过暗）、对比度异常、偏色、噪声干扰（雪花、条状、滚屏）、画面冻结以及信号丢失等。 诊断分析仪采用先进的科学的视频质量诊断技术,应用计算机视觉（Computer Vision）算法,能对视频图像质量等常见摄像机故障进行检测,做出准确判断并发出报警信息。 视频诊断分析仪可以有效应用到各个行业平台,比如公安、金融、司法领域等。行业系统平台在得到诊断结果后,可以设置报警联动的功能,比如报警联动短信、报警联动电子邮件,还可以把统计出来的报表和数据发送到相应的管理人员,以便后续处理。     

基于GPRS的远程报警视频监控系统

提出了一个基于GPRS的远程报警视频监控系统,该系统利用运动目标检测技术,对待监视现场进行实时监控.通过对监控视频的帧差图像中的噪声进行建模,系统能检测监控区域是否出现运动目标,并一旦判断有可疑移动物体出现时,系统将实时产生报警,并将警报信息通过GPRS无线网络传送至值班人员.     

基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题，避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题，提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先，在颈部网络部分，采用深度可分离卷积(DwConv)替换普通卷积，降低参数量和计算量；然后，引入改进的路径聚合网络(PANet)提升特征提取能力，替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率；最后，选取综采工作面视频中的人员图像进行检测，选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集，并进行训练和验证。结果表明：对比初始YOLOv5s算法模型，YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好，误检漏检等情况有所减少。     

基于传感器信息综合的带电作业安全防护系统

为有效保障带电作业过程中作业人员安全,根据作业人员不安全行为的统计,提出带电作业安全防护系统。在杆塔适当位置安装视频检测设备和超声测距传感器,快速检测作业人员的位置与周围横担、塔身及其他带电体间的距离,判断是否安全越限;通过穿戴设备检测作业人员的脉搏、体温、血氧饱和度和心电信号等参数,快速识别和预警作业过程中的安全隐患,以听觉方式提醒作业人员,实时掌握作业过程中的异常状况;通过4G无线网络将作业现场的音视频信息传送到现场指挥单元和控制指挥中心。结果表明:带电作业安全防护系统能够最大程度地避免带电作业过程中安全事故的发生。     

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。     

基于人工智能视频分析的选煤厂安全管理研究

为提高选煤厂安全监控的智能化水平,降低人力值守消耗,利用深度神经网络构建面向选煤厂安全管理的人工智能(AI)视频分析系统,首先,设计深度神经网络算法,实时检测分析典型场景视频目标,构建监控预警管理系统;然后,建立人、机、环的视频安全预警机制,实现对选煤厂现场作业人员不安全行为的视频分析、物的不安全状态的视频识别和环境危险因素的视频判断。结果表明:该系统通过对人、机、环信息的获取、处理和反馈,能够实现及时预警消除安全隐患,提高作业过程的安全系数。     

视频质量诊断技术在安防中的应用分析

引言 视频质量诊断技术是采用先进的视频图像分析算法,对监控系统中的视频数据进行智能分析。以天地伟业技术为例,该技术实现了对常见的雪花、滚屏、模糊、偏色、冻结、丢失和人为干扰等摄像头故障及恶意遮挡、破坏监控设备的行为做出准确判断,进而配合应用软件发出报警信号,便于监控人员第一时间发现并解决监控摄像机的异常,保证视频监控系统的正常有效运行。     

智能化视频分析技术探讨

本文首先概述国际安防技术应用背景和现状,讨论了当前安防市场的爆发式增长对智能化视频技术的急迫需求;随后,着重阐述了智能化视频监控技术的基本元素,包括动态目标检测、目标跟踪、行为模式分析、人脸识别和全景智能化视频监控等关键技术,最后讨论了国内外视频监控市场发展方向。     

基于静态特征和动态行为的火灾检测模型*

为实时准确地检测视频监控的火灾信号,减少火灾误报,提出1种基于静态特征和动态行为的火灾检测方法。利用改进的Faster RCNN检测模型,根据可疑火灾区域的颜色特征和空间特征对其进行目标检测和特征降维,与传统的Faster RCNN相比平均检测精度提升5%;利用ILSTM对连续帧中的特征进行累加,对短期内是否发生过火灾进行分类。连续的短期决策在1min内以多数票表决最后决策。结果表明:方法将火灾检测的准确率提升到97.92%,并成功解释火焰和烟雾的时间行为。     

基于深度学习的吸烟行为实时检测

为预防在禁烟场所因吸烟引发的火灾事故，提出了一种基于YOLOv5s的改进算法，利用改进算法对摄像头获取的图像进行逐帧检测，实现吸烟行为的实时检测。首先，将转换器(Transformer)引入网络颈部中，增强网络对多尺度目标的检测能力；其次，加入坐标注意力(Coordinate Attention, CA)模块，丰富网络提取的特征图信息，增强特征图信息表达能力；最后，增加一个小目标检测层，提高网络对香烟小目标的检测能力，降低网络对小目标的漏检率。此外，构建了一个多场景下的吸烟行为数据集，并对马赛克(Mosaic)数据增强策略进行改进，改善原有数据增强方式丢失目标的问题。试验结果表明，改进后的算法在精确率、召回率和平均精确率上相比原模型均有所提升，在多目标和小目标场景下的实际检测效果对比原模型有明显改善，同时检测速度满足实时性要求，改进后的模型能够更好地应用于吸烟行为实时检测任务。     

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归(VAR)模型的多参数融合水质异常检测算法。VAR模型是自回归(AR)模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。     

基于ROI检测的视频监控图像增强方法

视频监控技术的主要内容之一就是监视特定场景中是否有新目标出现。为突出图像中的感兴趣区域(Region OfInterest-ROI),提出了一种基于ROI的视频监控图像增强方法,首先检测视频图像中的运动目标区域,然后仅对该感兴趣区域进行图像增强处理,相比于传统针对全图的图像增强算法,既减少了算法运算量,同时还可保证可疑目标的增强效果。     

智能视频分析技术在智能交通领域的应用

引言智能视频分析技术起源于计算机视觉技术,它综合应用图像增强处理等技术,在实现目标与背景分离的基础上,通过将目标特征信息与预先设置的模板或规则进行比对,自动识别感兴趣的目标、行为、事件或数据并产生报警,必要时可自动跟踪异常目标并联动其他安防设施,显着提高了安全防控整体效率和能力。同时利用安防智能视频分析技术可在海量历史视频信息中实现基于时间、地点以及语义特征描述的智能化查询搜索。     

基于二维图像识别油田违章行为监测技术研究

为了在油田施工作业过程中及时准确地发现施工人员的违章行为，保证油田的安全生产，提出一种基于二维图像识别油田违章行为的监测技术。该技术采用一种目标检测与关键点定位的多任务联合学习算法，提高传统算法的准确率；采用目标属性二次分析的方法识别目标精细情况；采用目标追踪与时序人体行为分析方法实时跟踪人的行为动作。并通过不同场景的2 367例样本的应用显示，识别准确率80%以上，召回率75%以上，表明该技术对一般违章行为识别的准确率较高。     

基于全方位视觉传感器的智能安防装置的设计

为了实现安防装置的智能化,本专利结合全方位视觉传感器(ODVS)、动态图像处理、嵌入式系统及网络通信等技术设计了一种智能安防装置,通过ODVS所获得的360°无死角、大面积的全景图像,运用动态图像理解技术对监控场景中运动目标进行检测、提取、跟踪和人体目标的识别.通过定制行为语义规则实现了人体运动目标的行为语义理解,智能的判断出是否发生盗窃事件.很好的解决了误报、漏报,减少了人力物力的开销,为智能安防提供了一种新的解决方案.     

一种新型的嵌入式智能图像传感器设计

提出并设计一种新型的嵌入式智能图像传感器,该传感器具备一定的室外场景(主要为道路和公共场所)状态感知能力,适用于分布式智能视频监控系统.本文采用基于统计学习的方法实现了运动前景图像检测和阴影消除,并在此基础上完成运动目标行为分析,实现了关键区域保护、监控目标移动检测以及镜头遮挡保护等智能视频监控功能.本文所设计的视觉分析算法适用于复杂的室外环境,适合于实时计算.在算法的实现中充分利用了该嵌入式智能图像传感器硬件设计的优点,在实验中取得了良好的效果.