[发明专利]广域安防系统中视频监控子网性能监测系统及方法

说明书

技术领域

本发明涉及安防技术领域，特别涉及一种基于网络视频监控平台的系统状态和视频监控服务质量的保障系统及方法。

背景技术

随着社会经济的发展，人们对安防的需求日益提高。目前，视频监控已渗入到社会生活的各个层面，成为公安执法的重要依据。小范围的视频监控子网已经不能满足应用需求，安防工程已向更大的监控范围拓展，如城域监控网络建设。安防系统的规模发展也带来一系列新的问题。主要存在的问题包括：(1)具体设备的检测认证不能保证整个系统性能合格；(2)当前视频监控工程的检测验收以人为主体，所得结论的主观性较强；(3)对运营过程中监控系统状态改变缺少有效的监管。这些问题需要应用新的技术手段加以解决。

针对视频监控工程验收，中国发明专利200910103217.4中设计了一种视频信号产生器，用其作为信源将产生信号馈入视频监控信道，并在系统输出端检测和分析输出信号，以确定系统所引入的各种误差；中国发明专利201110079555.6提出了一种在网络视频监控平台基础上设计的视频诊断系统和管理中心系统的架构；中国发明专利201110215353.X中公开了一种对视频像素进行分析，进而调整环境照度的方案；中国发明专利201110404648.1中公开了一种通过与存储样本对比检测视频监控系统状态是否异常的方法；中国发明专利201210239325.6中公开了一种应用视频质量诊断服务器对系统降质进行检测的方法。

发明内容

本发明的目的是依据公安部行业标准GA/T367-2001、GA/T669-2008和GA/T792-2008对图像信息采集和编码的技术要求，提供一种广域安防系统中视频监控子网性能监测系统及其方法，对视频监控子网的图像质量进行评估，为视频监控系统的工程验收及系统状态维护提供依据。

为达到上述目的，本发明所采用的技术方案如下：

一种广域安防系统中视频监控子网性能监测系统，包括位于视频监控子网和上级监控中心之间的服务质量管理单元，所述服务质量管理单元主要是由通讯模块、存储模块以及运算模块组成，所述通讯模块用于与视频监控子网之间进行视频图像数据以及设备工作状态的传输，所述存储模块用于基准图像的数据保存，所述运算模块用于对视频图像进行运算处理，判断摄像头位置偏移，并与基准图像进行比较得出视频图像的质量评估分数。

一种广域安防系统中视频监控子网性能监测方法，采用上述的系统来完成，包括步骤如下：

1）对监控场景进行分类；

2）通讯模块接收系统发出的状态信号，判断系统的工作状态是否异常；

3）通讯模块提取视频图像特征；

4）调用存储模块中存储的相应场景的基准图像质量模型；

5）运算模块分析所提取的视频图像特征参数，判断摄像头的位置是否发生偏移，建立视频图像本身的图像质量盲评估模型，以及与基准图像质量模型进行参数比较，建立图像质量有参评估模型；

6）根据图像质量盲评估模型以及图像质量有参评估模型，得出视频监控子网的质量评估分数。

所述步骤1）中，采用自动场景选择或手动场景选择两种模式对监控场景进行分类。

所述步骤5）中，建立图像质量盲评估模型的具体方法是：

首先计算某一类别图像组中所有图像的特征向量，再将特征向量作为输入变量馈入神经网络，图像质量评分作为神经网络的输出，通过机械学习获取神经网络各个节点权重，即产生图像质量盲评估模型；

所述特征向量是：将视频图像沿水平、垂直及对角线方向求像素差值，再对图像亚采样，在亚采样图像基础上再次进行上述操作，产生差值图像图，将所产生的所有的差值图像与广义高斯曲线拟合，得到一串特征描述符，组成特征向量；

所述广义高斯曲线是：采用去除均值的归一化对比度描述系数作为图像特征的描述子，该描述子反映了自然图像的统计特征，自然图像中像素的归一化对比度描述系数符合广义高斯曲线分布，在视频图像发生降质时，将改变这一分布。

所述步骤5）中，建立图像质量有参评估模型的具体方法是：

首先计算作为基准图像及其降质图像的特征向量，再将两者的特征向量差值作为输入变量馈入神经网络，图像质量评分的差值作为神经网络的输出，通过机械学习获取神经网络各个节点权重，即产生图像质量有参评估模型。

所述步骤4）中，所述基准图像是以工程验收图像为基准图像，采用SIFT算子描述基准图像性质，所述SIFT算子以向量表形式保存在存储模块中，作为对比的基准。