吴文标 雷伟荣

【摘要】媒体行业竞争力的加剧对广播电视视频播出质量提出了更高要求，而要保证电视正常播出关键是加强图像帧检测与识别来促其播出质量得到保障，便于第一时间发现黑场、静帧等故障并通过系统提示作出准确判断。而本文则结合实际，对电视视频图像帧检测以及识别技术的具体应用展开简要论述，以供参考。

【关键词】电视视频图像帧检测;识别技术;应用

中图分类号：TN94                     文献标识码：A                     DOI：10.12246/j.issn.1673-0348.2021.03..016

随着公众生活水平的日渐提升以及自媒体的快速发展，以手机、电脑等为主的终端设备在各领域的应用日渐广泛成为了公众信息获取的主要途径，在这种背景下广播电视的发展也面临了严峻挑战，只有不断提高电视视频质量才是竞争力提升的根本所在。因数字电视与高清晰度电视的普及，频道数量变多，安全播出已变成各级电视台所面临的重要任务之一。但若靠传统人工检测手段来进行故障识别不但会增加值班人员劳动强度，还无法及时快速将各类播出故障找出。故而要将人为因素所致的疏漏进行克服，做好视频黑场、静帧等一系列故障的检测与报警等已变成现今确保电视安全播出的关键。因此对电视视频图像帧检测与识别技术的应用展开探索很有必要。

1. 电视视频图像帧的检测及识别技术

1.1 场景图像的视频图像识别与监测

针对场景图像视频播方故障的发生国家广播电视总局通常会判定为播出事故，但无论哪种故障在出现后都会为电视台的发展带来极大影响。但通常情况下，各级电视台都进行了视频图像检测软件安装专门用于进行电视输送信号监测，明确有无存在违规播放或与视频信号输送要求不相符的情况，通过对整个电视视频图像画面展开监测与识别可发挥监督功效，发现问题后可及时处理，从而保障电视输送信号的正常性。而电视视频图像帧检测以及识别实质即对场景图像展开判断和处理，场景图像视频图像监测判断方向相对固定，由于场景图像特定场景种类较少，种类数量也呈现出固定集中形态，处理技术简单便利，所以故障检测以及识别相对容易。

在场景图像电视视频图像判定方面，若处于全幅、全屏电视视频画面均呈现出彩条或彩场，因该类电视视频图像相对特殊，波形显示偏向于特定，故而基于视频图像波形图展开判断相对容易（具体见下图1a、图1b、图1c所示）。此处仅对相对标准的全幅整屏彩条或彩场画面图像展开分析：

①站在电视视频图像层视角来看，彩色画面图像像素点像素值则属于渐进式叠加或递减;

②站在彩条图像视角来看，固定宽度的竖排像素块区域像素值相同。

针对电视视频图像画面静帧现象而言，从图像层展开判定，前后两帧视频图像存在相同或类似像素点、像素值或图像矩阵特征，数字图像处理时主要通过帧差法来检测运动物体，若视频前后两帧相邻图像差值比某一阀值高，即表明该视频存在运动物体，并非静帧画面;相反的在帧差法的使用下如果前后帧相邻图像差值比某一阀值低，表明该视频场景属于静帧画面。

1.2 黑场故障图像检测与识别

黑场评估主要是分析视频信号灰度图像。对黑场故障图像而言无论画面凸显出何种纯色，通过灰度图像分析均可成功检测，同时灰度图像一个像素的描述仅一个字节则能表达，不过真彩色画面还需三个字节，故而仅进行灰度图像分析不但可使检测占用的资源得到节省，还可使检测速度大大提升。

纯色画面为黑场的典型特征，黑场检测常用手段即逐像素点检测，若像素值均一样则表明已发生黑场故障，不过具体实践时部分畸点的像素值存在差异，需根据情况判定为黑场图像。基于图像平滑视角分析最好选择滤波法，不过站在算法效率与复杂性视角分析选择滤波法不适宜，主要是把视频图像细分作若干小区域，将每个小区域内点灰度值的和作特征值，把第一个小区域的特征值作标准模块，分别和后续特征值展开匹配，若匹配不上代表不属于黑场故障。用于进行黑场检测的算法流程具体见图2：

该多画面显示报警系统里进行阔值设置，若黑场图像持续时间比设定阔值长会触发程序给出警报提示;若存在黑场持续时间并没有达到阔值，可根据情况排除此时出现了黑场故障，原因即正常播出同样可能会发生纯色过渡画面，需结合具体需求与经验值进行阔值选择。

1.3 静帧故障检测与识别

同样的画面持续长时间不变属于静帧故障的典型特征，故而静帧故障则可通过比对相邻两帧图像的方式进行评估，靜帧时图像内容为信息丰富的正常画面，若要将画面内容给予反映应展开深入细致的评估，对黑场故障判断的经验进行参考得知静帧故障同样可以灰度图像的形式展开分析。

首先需把图像细分作大量小区域，再依次取两个特征展开判断，其一为相邻两帧图像相对的分割区域每个点的灰度差之和，该特征值将分割区域总体变化情况给予展现;其二即每个点的灰度差绝对值之和，该特征值能够将单个点的变化给予反映，若第一个特征值不匹配，即表明相邻两帧图像变化明显，代表不属于静帧故障;否则可对第二个特征值展开判断，若仍存在不匹配的情况，表明相邻两帧在分割区域大部分点上存在的改变明显，同样认为不属于静帧故障，而判断是否匹配则可通过阔值设定给予评估，若超过阔值表明不匹配，低于阔值表明匹配。

即便是电视正常播放也时常出现图像缓慢改变的情况，该时段可能存在以上两种特征值都符合即便不可主观的将其评估为匹配，要使该现象得到解决，需重新作一次匹配判定。静帧检测算法具体流程见图3所示。

2. 实现方法

2.1 运行环境

因OPENCV（全称Open Source Computer VisionLibrary）属于由C语言实施的C函数与少量C++类组建的针对（开源、免费）发行的跨平台计算机视觉库，能够在Windows、Linux与Mac OS操作系统得到运行使用，它属于功能强大且齐全的开源函数库，并且具备MATLAB等多语言接口，能够使图像处理与计算机视觉等一系列通用算法得以实现，可为用户供给更强大的机器视觉函数接口，大大提高运行处理速度，增强电视视频图像帧检测与识别便利性。以下则对基于WindowsXP/7系统的VC6.0+OPENCVI.O或VC++2010+OPENCV2.X环境展开运行测试。

2.2 软件设计以及软件处理视觉效果

在Windows系统的使用下V C6.0中MFC供给了良好的界面设计与窗体设计，通过C++语言以及OPENCV函数的全面结合让运行编译更加便利。MFC调试窗口进行了界面化按钮设计与C/C++语言代码书写设计环境创设，并且VC6.0+OPENCV均给予了接口配置设置，二者的有效结合保证了检错纠错代码检查提示功能的实现。以下是基于VC6.0+OPENCV设计的针对电视播出视频图像画面的检测与识别的MFC调试窗口的视频图像处理软件。

实时视频流处理时需对软件处理速度以及功能优化展开全方位考量，保证处理速度在40ms以内，即一帧播放时间视频。通常电视视频播放速度为25帧/秒，若超过40ms，当前帧未处理规矩下一帧视频图像接踵而至，会出现运算处理不到位的情况。不过在非实时视频图像处理方面在无相关要求，仅需对视频每帧画面给予全面处理即可。

测试视频里台标模板大小固定并和所给的模板台标比较匹配，仅需选择OPENCV工具库中cvMatchTemplate函数算法即可，主要通过指定模板图片和整幅视频图像比较，以模板图片图像平移滑动遍历整个待匹配图像，与图像重叠区域对比做出了红色标记表明匹配成功，若未用红色标记表明未匹配成功。不过cvMatchTemplate函数算法仅对大小相对固定的台标与角标才适宜，若存在大小比例缩小或放大的现象则不能成功进行检测与识别，而选择函数算法cvMatchShapes更适宜，若把模板图片图像与待匹配的视频图像特征值展开比较则能够明确最终匹配状况。典型的即图4里彩条图片模板以及视频播放里彩条图像的比对匹配，图像匹配区以红色方框标出，该函数算法的优势即能将视频图像里和模板图片类似的形成在视频图像畫面里某个区域的匹配图像块给予检索，但因图像特征值比对存在误报现象，故而必要情况下应与其他函数算法联合起来进行视频图像识别，提高判断准确率。

3. 结语

现今常用的图像处理技术主要为图像匹配，但因技术的发展可用于图像匹配的算法也不断增加，此文里仅对两个常用函数算法展开简要论述，但即便图像识别技术日趋多元化，通过功能算法仍可将各类视频故障进行智能化识别，不过功能算法并非万能的，在图像故障排除中偶尔也可能会存在错误，具体操作时应根据情况实施相应的调试，让图像鉴别功能更完整强大，为广播电视台相关工作人员工作的开展提供参考依据。

参考文献：

[1]梁舒婷.电视视频图像帧的监测与识别技术研究[J].科技传播，2018（24）：75-76.

[2]韦伟军，钟坚.基于移动侦测的广播电视视频静帧报警系统[J].视听，2018（04）：55-56.

[3]刘长涛.电视视频图像帧的检测与识别技术的实现研究[J].现代电视技术，2017（01）：100-103.

[4]孔祥魁.灰色关联分析和支持向量机的运动视频图像分类研究[J].现代电子技术，2020（18）：128-131.

[5]梁舒婷.电视视频图像帧的监测与识别技术研究[J].科技传播，2018（24）：75-76.

[6]花逢春.电视视频图像帧的检测与识别研究[J].科技创新与应用，2017（18）：83.