[发明专利]基于边缘计算模型的监控视频数据质量评测方法及装置

说明书

技术领域

本发明属于视频监控技术领域，具体涉及一种基于边缘计算模型的监控视频数据质量评测方法及装置

背景技术

随着城市规模的扩大，视频监控系统在公共安全、金融证券、银行、商店、智能大厦等方面的作用不断突出，尤其是在公共安全方面。现如今监控系统整体范围在不断扩大，监控密度也在扩大。在数据规模较大的视频监控终端中，对于监控终端设备出错，我们可能无法准确定位和处理所有的故障信息，因此需要一定的人力参与，查看这些故障信息，而在该过程中，终端用户通过用户体验来判断视频的内容，这样对人力和物力的开销也是相当巨大的。所以当视频监控系统出错时，运维人员将花费大量的时间来进行查询和纠错，这在大规模视频监控系统无法保证其实时性，也无法保证监控视频的数据质量。因此如何管理视频监控系统，减少由于监控系统出错而导致视频监控系统的实时性缺失，以及人力检查所浪费的时间和保证视频监控数据质量，是亟待解决的技术问题。

发明内容

为了解决视频监控系统无法准确判断视频监控数据质量问题的上述技术缺陷，本发明提供一种基于边缘计算模型的监控视频数据质量评测方法及装置。

本发明是通过以下技术方案实现的：

一种基于边缘计算模型的监控视频数据质量评测方法，其特征在于，包括如下步骤：

视频获取步骤：

根据预设的时间间隔，定期从视频监控终端中采集获取一段视频；

数据处理步骤：

对采集的视频进行处理，从中提取相应的背景图片；

质量检测步骤：

包括模糊检测步骤和/或颜色检测步骤；其中，

模糊检测步骤具体为：对提取的背景图片进行分析计算，获得对应的模糊度值；并根据预设的模糊阈值进行判断，若模糊度值小于模糊阈值，则判断为图像模糊；若模糊度值大于等于模糊阈值，则判断为图像清晰；

颜色检测步骤具体为：依据颜色直方图算法对提取的背景图片进行分析计算，获得颜色占比值；并根据预设的颜色阈值进行判断，若颜色占比值大于等于颜色阈值，则判断为图像颜色错误；若颜色占比值均小于颜色阈值，则判断为图像颜色正常。

本发明相对于现有技术的有益效果在于：

1.本发明提供的基于边缘计算模型的视频监控数据质量的评测方法和装置，能够准确判断视频监控画面的质量，从根本上解决人工判断视频监控画面质量费时费力且主观标准不统一的技术缺陷。

2.能够及时判断视频监控画面是否正常，若发现错误信息及时向用户发出警报，使用户可以及时的修复损坏的视频监控终端，缩小平均修复时间(MTTR)，实时保障视频数据的质量。

附图说明

图1为实施例1的基于边缘计算模型的视频监控数据质量的评测方法的总流程图；

图2为数据处理步骤的具体流程图；

图3为模糊检测步骤的具体流程图；

图4为颜色检测步骤的具体流程图；

图5为拟进行模糊检测步骤操作的一张背景图片；

图6为模糊检测步骤输出的一种结果；

图7为拟进行模糊检测步骤操作的另一张背景图片；

图8为模糊检测步骤输出的另一种结果。

图9为拟进行颜色检测步骤操作的一张背景图片；

图10为颜色检测步骤输出的一种结果；

图11为拟进行颜色检测步骤操作的另一张背景图片；

图12为颜色检测步骤输出的另一种结果。

图13为实施例2的基于边缘计算模型的视频监控数据质量的评测方法的总流程图；

图14为实施例3的基于边缘计算模型的视频监控数据质量的评测装置的结构框图；

图15为模糊检测模块的结构框图；

图16为颜色检测模块的结构框图；

图17为实施例4的基于边缘计算模型的视频监控数据质量的评测装置的结构框图。

在所有附图中，相同的附图标记用来表示相同的元件或结构，包括：

视频获取单元1，数据处理单元2，质量检测单元3，模糊检测模块31，模糊度值计算子模块311，颜色检测模块32，颜色占比值计算子模块321，离线监测单元4。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

实施例1：