沈志忠，安国成，张涛

（通号通信信息集团有限公司 安防分公司，北京 100070）

视频丢失快速检测算法研究

沈志忠，安国成，张涛

（通号通信信息集团有限公司 安防分公司，北京 100070）

随着视频监控规模的不断增大，对视频监控终端进行自动诊断成为迫切需求。针对视频监控中经常发生的视频丢失故障，提出一种诊断算法，并进行系统设计和实现。该算法基于监控图像和差分图像的直方图分布特征，对视频丢失进行快速、准确的检测。通过对视频质量诊断系统实际运行结果进行分析，该算法能够满足视频监控故障自动诊断的需求。

视频监控；视频丢失；算法；直方图分布；快速检测；自动诊断

0 引言

近年来，随着社会经济快速发展以及科技的不断进步，视频监控已深入日常生活的各个领域，视频监控对构建和谐社会具有重要意义，在有效控制犯罪案件、群体性事件、骚乱、恐怖袭击等各种突发事件中发挥着重要作用[1-2]。

与其他行业类似，铁路行业也安装了大量监控摄像机，这些摄像机极大地满足了铁路监控的需要。但目前存在的问题是，各铁路局的视频终端动辄达到几千路，以至于在中国铁路总公司层面，摄像机的数量将增长到几万路。随着视频监控点的增多，摄像机的故障也成倍增加，如果仅靠工作人员手工对摄像机逐个排查，工作量巨大。在现阶段只能依靠抽查的方式来确认摄像机的工作状况，效率低下，而且极易出现遗漏。在这种情况下，迫切需要一个智能的诊断系统对这些监控点进行分析和处理。

视频质量诊断系统直接依据视频的图像特征来分析系统的工作状态，无需添加新的设备，也不会变更现有的视频系统，即可实现海量视频的智能化监控管理，对视频进行监控、统计和管理，对出现的异常视频进行分析，并按照事先设定的阈值进行报警，在相对较少的人力成本下，能够大大减少无效视频的数量，减少存储资源的浪费，提高安防监控的效率[3]。

1 视频质量诊断系统架构

视频质量诊断系统由Web服务层、后台服务层和数据层3部分组成（见图1）。Web服务层处理与用户的交互操作，具有诊断策略的配置、诊断结果展示、统计等功能；后台服务层是算法处理层，根据配置的策略对摄像头图像进行质量诊断；数据层负责存储数据，Web服务和后台服务在数据层进行数据的交互[4]。

图1 视频质量诊断系统架构

视频质量诊断系统能够进行以下类型的检测：视频丢失检测、清晰度检测、视频偏色检测、对比度异常检测、亮度异常检测等。在这些视频故障类型中影响最大的就是视频丢失，因为一旦发生事故，需要查看录像视频，若发生视频丢失且没有报警，就有可能造成无法挽回的后果。

在此，针对大规模视频监控中经常发生的视频丢失提出一种检测算法，能够对视频丢失故障进行快速检测，该算法简单易行，准确率较高。

2 视频丢失算法原理

根据视频监控系统中采用的编码器不同，视频丢失故障的典型图像见图2，画面中文字为编码器的叠加结果。

图2 视频丢失故障典型图像

观察出现视频丢失故障的图像可以发现，这些图像的灰度值比较单一，且其中黑色占绝大部分，因此可以采用图像的直方图特征来对故障图像进行检测。

图像直方图是反映一个图像像素分布的统计表，其横坐标代表了图像像素的种类，可以是灰色，也可以是彩色；纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比。

几种不同情况下监控图像的直方图差异见图3。从图3（a）可以看出，正常监控图像的直方图分布没有规则，在各个灰度上都有像素分布；而视频丢失图像的直方图分布比较集中，且主要分布在灰度值比较小的区域。

图3 不同情况下监控图像的直方图分布

视频丢失算法具体步骤如下：

（1）首先将图像从彩色空间转换到灰度空间；

（2）计算灰度图像的直方图分布；

（3）统计直方图中最大直方块的数量及其位置，分别表示为Nummax和Posmax；

（4）根据以下规则判断发生视频丢失：

式中：W和H分别为图像的宽和高；Percentthres和Posthres分别为设定的最大直方块的比例阈值和位置阈值。

上述视频丢失检测算法基于图像的灰度值主要集中在低灰度值这样一个假设，如果监控图像整体比较暗，按照上述检测方法会出现误报的情况。如图4所示，视频图像整体偏暗，如果按照上面的方法判断，会出现误报。

图4 比较暗的监控图像及其直方图

因此需要对上述算法进行改进，假设原监控图像位置（x，y）处的灰度值表示为P（x，y），（x＋step，y）处的灰度值为P（x＋step，y），利用（x，y）和（x＋step，y）的灰度值做差，可以得到一个差分图像Q，差分图像在（x，y）处的灰度值用式（2）表示：

图5（a）为图4较暗监控图像的差分图像和直方图分布，图5（b）和5（c）为图2视频丢失图像的差分图像和直方图分布。

从图5可以看出，发生视频丢失图像的差分直方图分布特别集中，且最大直方块分布在灰度值最小处，而较暗图像的差分直方图分布比较松散。

所以，视频丢失算法判别规则应补充以下规则：

式中：DiffNummax为差分图像的最大直方块数量；DiffPercentthres为设定的阈值。

3 算法实现

基于上述研究，可完成视频丢失诊断，所有算法及质量诊断均使用C++实现，并在E5-2620 v2 @2.1 GHz中央处理器、16G内存台式电脑上运行，编程环境为Visual Studio 2010。采用该算法对视频终端进行诊断，结果见表1。

图5 差分图像及其直方图分布

表1 不同视频监控终端的检测结果

4 结束语

通过对实际运行结果分析可以看出，基于监控图像的直方图分布和差分图像的直方图分布，提出的视频丢失诊断算法能够对无视频图像故障进行准确检测，并能够避免将较暗图像判别为无视频图像的误报，检测结果基本能够满足对视频故障自动诊断的需求。

[1] 夏海元. 视频故障检测系统的设计与实现[J]. 计算机应用，2013，33(S1)：277-279.

[2] HAERING N，VENETIANER P，LIPTON A. The evolution of video surveillance：an overview[J]. Machine Vision and Applications，2008，19(5/6)：279-290.

[3] 潘金. 智能安防面临的挑战及技术解决方案[J]. 中国铁路，2016(8)：75-78.

[4] 杜若飞，徐雅静，徐惠民. 互联互通视频监控系统构架的设计. 计算机应用，2011，31(2)：62-65.

责任编辑 卢敏

On Rapid Detection Algorithm for Video Loss

SHEN Zhizhong，AN Guocheng，ZHANG Tao
（CRSC（Anfang），Beijing 100070，China）

With increased coverage of video monitoring, automatic diagnosis of video monitoring terminals becomes an urgent need. To tackle frequent video loss occurring during video monitoring, a diagnosis algorithm is proposed and system design and implementation is carried out. The algorithm is based on the histogram distribution characteristics of the monitoring images and the differential images to detect video loss quickly and accurately. Through analyzing the actual operation results of the video quality diagnosis system, the algorithm can meet the needs of automatic diagnosis of video monitoring faults.

video monitoring；video loss；algorithm；histogram distribution；rapid detection；automatic diagnosis

U298；TP391

A

1001-683X（2017）01-0082-04

10.19549/j.issn.1001-683x.2017.01.082

2016-11-18

中国铁路总公司科技研究开发计划项目（2015X007-A）

沈志忠（1978—），男，工程师，博士。E-mail：shenzz@crscic.com