[发明专利]一种基于滑窗梯度熵的视频帧清晰度检测方法

权利要求书

1.一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：其包括以下步骤：

S1：针对监控摄像头持续输入的视频流，在每个设定时段周期起始时刻触发视频帧清晰度异常检测；

S2：抽取参考视频帧以及待检测视频帧：每时段起始时刻连续抽取若干视频帧作为参考视频帧用于计算清晰度度量特征参考值；每时段按照设定的抽取周期抽取视频流中若干视频帧，作为待检测视频帧；S2具体包括：

S2-1：在第t个时段，设抽取K帧作为参考帧，构成参考帧集合F_K＝{f₁,…,f_K}，其中f₁,…,f_K表示该时段起始时刻的前K帧视频帧；

S2-2：在第t个时段，设抽取待检测帧间隔为Δf，即每间隔Δf帧抽取一帧作为待检测帧，则待检测帧集合F_D＝{f_K+1+Δf,…,f_K+1+n·Δf}，其中n表示抽取的第n个待检测帧；

S3：对于抽取的视频帧进行图像分块并构建梯度熵矩阵；S3具体包括以下步骤：

S3-1：对于参考帧集合中任一帧f_k，k＝1,…,K；或者待检测帧集合中任一帧f_d，d＝K+1+Δf,…,K+1+n·Δf；将其转化为对应的灰度图像g_k及g_d；

S3-2：设定滑动窗口尺寸为h*w像素，横向滑动步长为x，纵向滑动y；则从左到右、从上到下对灰度图像g_k及g_d滑动裁剪得到M个图像块，每个图像块记为G_k,i及G_d,i，其中i＝1,2,…,M；横向滑动步长为x，纵向滑动y计算方式如下：

其中，α和β为各自的步长控制系数；

S3-3：将G_k,i及G_d,统一记为G_i，水平和垂直方向的Sobel核分别记为S_x和S_y，计算得到水平和垂直方向的梯度d_x和d_y，则G_i的梯度d_i为：

S3-4：图像块G_i的梯度d_i共计存在N种梯度值，各梯度值所占比例为ρ_n(n＝1,2,…,N)，依据如下公式计算d_i的梯度熵ξ_i：

从而得到G_k,i及G_d,i的梯度熵ξ_k,i，ξ_d,i；

S3-5：根据滑动窗口的位置将G_k,i及G_d,i的梯度熵ξ_k,i和ξ_d,i构建为视频帧f_k和f_d的梯度熵矩阵，分别记为Ξ_k,Ξ_d

S4：计算获取参考视频帧的梯度熵矩阵取平均后的结果；

S5：判断当前时段是否存在参考值；是则，执行步骤S6；否则，将参考视频帧的梯度熵矩阵取平均后的结果作为当前参考值并执行步骤S7；

S6：将参考视频帧的平均梯度熵矩阵各元素分别与当前对应时段的参考值比较判断是否在允许变化范围内；是则，与原元素值加权合并作为当前参考值；否则，保持原元素值作为当前参考值；

S7：计算待检测视频帧图像块清晰度异常情况并输出清晰度异常度量矩阵：将每时段待检测视频帧的梯度熵矩阵与该时段参考值进行元素级比较，当梯度熵矩阵元素值在参考值允许变化区间范围内，则判定为正常图像块；否则判定为异常图像块，并根据图像块是否异常设定标志位构建清晰度异常度量矩阵并输出。

2.根据权利要求1所述的一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：S1中以每一小时为一个时段周期。