[发明专利]一种基于频域的视频流模糊检测方法

说明书

技术领域

本发明属于计算机软件算法领域，涉及视频图像处理技术，特别是一种基于频域的视频流模糊检测方法。

背景技术

随着三网融合的最主要应用——“泛视频”产业的蓬勃发展，大量非专业摄影视频数据如泉水般突涌出来，并被广泛地应用于手机视频、CMMB（中国移动多媒体广播）手机电视、IPTV（Internet Protocol Television）和互联网视频业务。然而由于普通摄影器材的局限性以及广大摄影爱好者拍摄技术的参差不齐，使得非专业摄影采集到的视频流质量差异巨大，难于只经过简单的常规后期处理就直接应用于节目制作、压缩存储、视频传输和视频搜索等业务。

模糊，尤其运动模糊是泛视频中最常见最头痛的问题；竞技体育视频中，运动模糊更是最普遍的现象。因此作为视频预处理技术之一的自动模糊检测技术倍受关注。该技术能为视频编辑、视频搜索和视频压缩等技术的实施带来方便，并为上述技术改进提供素材、开辟创新观点。视频模糊检测是一项判断视频帧是否模糊、模糊程度是多少的技术。在视频非线性编辑领域模糊检测技术能协助视频预处理人员丢弃模糊程度大的视频帧，提高编辑效率；在视频搜索领域模糊检测技术能提高关键帧和重要区域检测与提取效能，从而大大改进搜索技术的准确性和实时性；在视频压缩领域模糊检测技术能检测出模糊帧与模糊区域，针对模糊帧和模糊区域的特殊编码模式（如：模糊帧不能作为参考帧编码、模糊区域采用大量化步长）能进一步推动基于视频内容的智能压缩技术的深化改革与日趋成熟；在视频传输领域模糊检测能协助预测编码后的码率，从而为实现泛视频在通信网络和数字终端的智能高效传输添砖加瓦。

现有的视频模糊检测技术大多是基于视频帧像素的统计参数判断，比如像素的自相关函数、熵、灰度值变化情况、梯度值、能量、密度函数。其中Stefan Roth和Zhu提出的用整帧图像的灰度梯度呈现出的重尾分布（如图1所示，大量灰度梯度值集中于小值区域形成比后重的拖尾，少量灰度梯度值具有显著的大值形成尖峰。 当图像清晰时灰度梯度分布会呈现出后重宽大的拖尾，图像越模糊拖尾越窄越薄）进行模糊检测能有效地判断出两个视频帧谁更具有全局模糊，用视频帧中各物体部分的灰度梯度的重尾分布进行模糊检测能有效地判断出两个视频帧中相同物体部分谁更具局部模糊。该方案首先对同一场景的视频流进行背景建模，然后提取运动目标，当运动目标区域比例s(s=前景物体区域大小/视频帧大小)小于阀值T₀时认为该视频帧没有运动目标而结束模糊检测；当s大于T₁时认为整个视频帧都是运动目标，从而用整帧图像灰度梯度的重尾分布确定该视频帧是否具有全局模糊；当s小于T₁大于T₀时认为该视频帧有部分运动目标，从而用部分运动目标的重尾分布确定该视频帧是否具有局部模糊。

在频域进行模糊检测的方法中Karl S. Ni和Hanghang Tong提出的方法具有代表性，该方案通过哈尔小波变换来分析整幅视频图像的边缘类型和尖锐程度，并与清晰的参考图像进行比较从而判断被检测视频图像是否模糊，及模糊程度如何。

Stefan Roth和Zhu提出的灰度梯度重尾分布方案有如下缺点：1. 运算复杂耗时 对同一场景的视频流进行背景建模需要几十到上百幅视频帧进行大量的迭代运算，有时算法会不收敛从而得不到该场景的背景图像，最终导致检测方案失败。2. 所需内存大、成本高  背景重构和运动目标提取工作需要将几十至上百幅未压缩的视频帧放入内存进行处理，以CIF大小（352×288）的视频为例所需存储空间100MB，而普通高清视频（1920×1080）则需要1.6GB的存储空间。3. 检测准确度不够高 不同内容不同清晰度的视频帧可能会有近似的灰度梯度分布4．仅适用于固定摄像头的监测视频的模糊检测，不适用于普通视频尤其是体育竞技视频的模糊检测。

Karl S. Ni和Hanghang Tong提出的哈尔小波变换分析方案有如下缺点：1. 只能检测视频帧的全局模糊，不能检测出视频帧的局部模糊。2. 需要清晰的内容相同或相近的视频帧作为参考判断。

发明内容

为克服现有视频图像模糊检测方法运算量大，所需占用硬件存储设备容量巨大，需要清晰参考帧的技术缺陷，本发明公开了一种基于频域的视频流模糊检测方法。

本发明所述基于频域的视频流模糊检测方法一种基于频域的视频流模糊检测方法，包括如下步骤：