视频诊断方案

视频图像质量诊断系统综合方案✓图像模糊检测✓图像亮度异常诊断✓图像偏色检测✓图像雪花滚屏等噪声检测✓球机或云台操控失灵检测✓画面冻结与信号缺失检测✓基于网络浏览器的远程查询与管理✓诊断结果统计分析✓报表自动生成与导出✓适用于模拟和数字系统北京世纪东方国铁科技股份有限公司目录一、系统综述监控摄像机数量的不断增加，监控的时间不断延长，推动了平安城市建设的发展，也给监控系统的维护工作带来了新的挑战。

如何及时了解前端视频设备的运行情况，发现故障并检测恶意遮挡与破坏的不法行为已成为视频监控系统运行的首要迫切问题。

1.1、现状描述前端摄像头的故障分析与日常维护因监控系统的不断扩大而日益受到人们重视，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： 首先是摄像机的设置不当或器件老化失效造成，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、色彩校正无不涉及其中。

其次，大型监控网络中视频信号必须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。

另外，很多治安监控系统的特点是大量使用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。

为了确保所有的视频输入设备正常工作，视频图像录而可用，就需要随时检查和分析视频质量和球机运行状态。

1.2、需求分析目前来说，视频监控系统的维护工作一般是由人工完成的。

维护人员在中心监控室，通过模拟矩阵或数字视频流媒体服务器将远端视频调出到监视屏中，人工判断每路视频的质量，并将有问题的视频记录到维护报表中。

这项工作十分耗时繁重，因此一般维护工作会以半月或一月为周期定期检查，视频故障只能在检测的时候才能发现。

由于监视屏数量有限，维护人员往往在一个监视屏同时监看多台摄像机或随机抽取摄像头显示，造成部分监控点被漏看或被忽视；另外，维护人员存在一定的不稳定性、随意性和局限性，加上人的注意力有限、容易疲劳，会被其他事物干扰，使得这样的人工检查结果也不具客观性。

这种人工维护工作不仅费时费力，而且效果不好，视频信号在出现不同的常见故障后，往往不能及时地被维护人员发现，一旦发生紧急情况，再想补救已经来不及。

1.3、系统目标自主研发的视频质量诊断系统主要应用在视频监控系统的控制中心，通过轮询的方式对各路模拟或数字视频信号进行自动检测，利用先进的机器学习和计算机视觉技术，仿真人类的视觉系统，对视频图像出现的信号缺失、雪花、噪声、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障以及故障严重程度做出准确判断，自动记录所有的检测结果，用户可通过互联网查询终端统计查询历史信息，并可根据摄像头所在分局或派出所、品牌、故障类型、故障严重程度等不同属性进行故障数和故障率的统计分析。

在视频监控设备日益增多的今天，视频质量诊断系统在监控系统中的应用，必然更加有利于帮助用户快速掌控前端设备运行情况，轻松维护大型的安防系统。

二、系统总体方案设计2.1、设计原则在系统设计中，我们遵循以下设计原则：●先进性：在系统设计和设备选型方面，在考虑系统的实用性前提下，采用国际上先进的视频图像算法与数字通讯技术，确保系统在国内的领先地位，使系统具有完备的功能，并且易于升级换代，在保证其先进性的前提下具有较长的使用周期。

●可行性：系统与用户及上级管理部门的需求和管理制度相适应；与用户在建设规模方面的实际情况相吻合。

●可靠性：系统采用与平台分离的设计方案，确保视频监控平台软件与智能分析系统能够长期稳定、可靠安全地运行。

●标准性：系统设计时，所采用的技术手段遵循业界标准，特别是提供了标准接口，使系统具有较高的灵活性，与其它系统方便互联，同时可适应今后的升级或引进新技术。

●可扩展性：系统功能充分满足实际需求，如果用户需要接入更多处理单元，或者更多功能，可以方便地实现。

2.2、系统结构智能视频质量诊断系统运行于视频监控系统的控制中心，通过控制监控中心矩阵主机的视频切换输出或连接数字视频流媒体管理服务器来获取前端所有摄像机的视频信号，通过轮询的方式对各路视频信号进行检测；将每路的检测结果储存到历史记录数据库，并提供WEB查询网站进行历史记录查询和故障统计分析。

整体系统在模拟视频系统和数字视频系统中的应用结构图如下（当然根据视频类型的不同也可以构造应用于模数混合监控系统的视频诊断系统）本系统由视频诊断服务器和一台视频诊断综合管理服务器组成。

其中，视频诊断服务器负责进行视频质量分析，它可以设置诊断计划，按诊断计划中的摄像头列表和检测项目逐路切换视频，对视频进行质量的分析诊断，最终向综合管理服务器输出一条对该摄像头的质量诊断结果以及一张视频截图。

视频诊断综合管理服务器负责提供摄像头管理、摄像头区域管理、品牌管理、用户管理、日志管理等各种系统配置和管理功能，负责接收视频诊断服务器的分析结果并存入数据库，同时负责提供基于WEB的历史记录查询和统计分析功能。

2.3、模块设计系统采用高度模块化的设计，将视频质量故障分析过程的各个环节各自作为一个独立的模块，包括摄像头管理模块、轮询检测任务设置模块、视频切换和输入模块、视频故障分析模块、结果存储模块以及历史记录查询和统计分析模块。

摄像头管理模块：管理所有需要故障检测的摄像头的信息，包括添加、删除和编辑摄像头、摄像头区域、摄像头品牌等功能。

轮询检测任务设置模块：一个检测任务可以描述为执行检测的时间段、待检测的一组摄像头以及在时间段内循环检测的次数。

系统可对摄像头进行灵活的分组管理，根据不同的检测目的，每个分组还可设置单独的非检测项目，以跳过不关心的检测项目。

系统支持设置多个检测任务（不同任务时间段须无重叠），对不同分组配置各自执行检测的时间段以及循环检测的次数。

设置好检测任务后，系统将按照设定的时间开启和关闭任务，按分组内摄像头的顺序一路一路切换视频、分析其视频质量、故障报警、结果存储。

视频切换和输入模块：系统的视频输入部分可同时支持模拟视频和数字视频。

该模块读入检测任务设置模块所设置的任务，并按照其分组中摄像头列表的顺序，按照摄像头视频源的属性（模拟或数字）依次向模拟矩阵主机或数字视频管理平台发出视频切换的指令；并通过视频采集卡或者网络视频软件解码模块将输入视频统一转换输出为故障分析模块需要的非压缩的数字视频流。

视频故障分析模块：该模块使用如上所述的基于机器学习和计算机视觉算法进行视频图像故障分析的方法，按用户设定的检测项目对输入的数字视频流进行多种常见故障的检测，最终输出一条对摄像头的检测结果以及一张视频截图。

结果存储模块：用于存储所有的摄像头检测结果。

检测结果保存于数据库中，一次检测对应一条记录，包括：检测时间、摄像头ID、切换是否成功、视频分析得到的各项检测结果以及一张检测视频的截图。

历史记录查询和统计分析模块：该模块是独立于故障分析检测和报警系统的，以网站的形式提供给用户查询历史记录和统计分析、数据导出的功能，方便用户的维护管理工作。

该模块需要调用的信息包括摄像头管理模块和结果存储模块在数据库中保存的设备信息和检测记录信息，包括以下三个方面的功能： 检测记录查询：可按多种条件对检测历史记录进行综合性的记录查询，条件包括：诊断日期、摄像头所属区域、品牌、故障类型、故障严重程度等。

某个摄像头的查询结果是将当天该摄像头所有时段的检测结果进行综合打分，并最终将结果以图表方式显示，点击详细信息可查看某个摄像头一天中所有的检测结果和截图。

统计分析：可统计某个时间段内某种属性的摄像头故障数、故障率等的趋势图、对比图，可设置所属区域、品牌、故障类型以及故障严重程度等统计条件，统计报表以柱状图或折线图方式显示。

报表导出和打印：记录查询或统计分析结果生成的报表均可导出为Excel文件或打印，方便用户进行维护记录跟踪。

2.4、功能定义2.5、核心技术我们将视频故障分成视频信号缺失、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运动失控八种类型。

这其中，视频信号缺失、画面冻结两种故障可通过人工设计的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；而对于其他的五种故障，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。

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。

针对这五种不同类型视频故障，我们设计了五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。

我们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。

这五种检测器可以检测到的视频故障典型案例如下：●●●●●2.6、系统特点基于优秀的底层算法，视频质量诊断系统具备以下技术特点：高准确度采用大量的实际视频监控系统的视频作为训练样本，各种故障检测器均来源于实际系统，并经过大量实际系统的测试，因此检测准确率高。

良好的摄像机角度适应性故障检测器的训练样本来自多种不同场景，涵盖了治安视频监控系统中众多常见的摄像头监视角度，因此对各种摄像头角度、焦距以及不同的摄像内容都有良好的适应性。

独特的抵抗球机运动的能力在每一中类型的故障检测器的设计和训练过程中，都考虑到了摄像头云台运动以及镜头推近拉远有可能带来的视频图像特征的变化，在检测过程中都首先进行摄像头运动分析，一旦发现摄像头处于PTZ 运动过程中，则首先不再检测PTZ 运动是否异常，以防止检测时发送运动指令影响当前的球机运动；其次，仅使用对摄像头运动不敏感的特征来进行其他类型的故障分析，避免因运动原因造成误报或漏报。

出色的环境适应能力算法模块对于场景内由于车流、人流、季节、气候产生的光线、阴影变化不敏感，因此，可以适用于多种不同的室外环境。

强化学习能力现有的视频质量诊断系统与人类的故障识别能力仍有明显的差距，因此应用场景的差异对于视频质量诊断系统的性能是有影响的。

像人类的视觉系统一样，视频质量诊断分析模块也具备后天强化学习的能力，只要加入当地的新样本重新训练检测器，算法的性能将进一步提高。

2.7、前端软件系统2.7.1、总体介绍图3视频质量诊断系统主界面视频质量诊断系统的主界面如图3所示。