[发明专利]视频质量判断方法、系统、存储介质及电子设备

说明书

本申请公开了一种视频质量判断方法、系统、存储介质及电子设备，视频质量判断方法包括：采集步骤：通过视频采集单元采集视频；第一识别结果获得步骤：通过CNN视频质量判别单元对所述视频进行质量识别获得第一识别结果；视频抽帧步骤：对所述视频进行抽帧操作获得多个视频帧，对多个所述视频帧进行异常检测，获得第二识别结果；判断视频质量步骤：通过所述CNN视频质量判别单元根据所述第一识别结果及所述第二识别结果判断所述视频的质量。本发明可以准确的判断视频的质量，对视频的质量做预判，辅助视频监管人员了解每个视频设备的运行情况可节省大量的人力成本，提升检测效率。

技术领域

本发明属于视频质量判断领域，具体涉及一种视频质量判断方法、系统、存储介质及电子设备。

背景技术

随着人工智能的发展，智慧城市的建设，城市中监控摄像机数量的不断增加，大规模监控设备给监控系统的维护工作带来了新的挑战。如何及时了解前端视频设备的运行情况，发现故障并检测恶意遮挡与破坏的不法行为已成为视频监控系统运行的首要迫切问题。对于成千上万个监控摄像机，依靠人工去检测监控画面是否有故障工作量大而且效率低。

图像识别技术在近几年得到了快速的发展，卷积神经网络在应用使得图像和视频识别方向蓬勃发展，利用卷积神经网络(CNN)可以对图片和视频提取特征，提取到特征以后就可以对图片和视频进行好多的下游任务，包括分类、识别等等。传统的视觉方法通过对图片的检测，也可以得到图片对图片的一些质量做出判断。

发明内容

本申请实施例提供了一种视频质量判断方法、系统、存储介质及电子设备，以至少解决现有的视频质量判断方法对大规模视频及人工监测等存在效率低的问题。

本发明提供了一种视频质量判断方法，其中，包括：

采集步骤：通过视频采集单元采集视频；

第一识别结果获得步骤：通过CNN视频质量判别单元对所述视频进行质量识别获得第一识别结果；

视频抽帧步骤：对所述视频进行抽帧操作获得多个视频帧，对多个所述视频帧进行异常检测，获得第二识别结果；

判断视频质量步骤：通过所述CNN视频质量判别单元根据所述第一识别结果及所述第二识别结果判断所述视频的质量。

上述视频质量判断方法，其中，所述第二识别结果为异常帧数，所述判断视频质量步骤包括：

若所述第一识别结果为视频质量差且且所述异常帧数大于视频总帧数的二分之一，则判定所述视频的质量异常；若所述第一识别结果为视频质量正常且所述异常帧数小于所述视频总帧数二分之一，则判定所述视频的质量正常。

上述视频质量判断方法，其中，所述判断视频质量步骤还包括：

若所述第一识别结果为视频质量差且所述异常帧数小于所述视频总帧数的二分之一或所述第一识别结果为视频质量正常且所述异常帧数大于所述视频总帧数二分之一则给视频监管人员发送信息，进入人工审核。

上述视频质量判断方法，其中，所述异常检测包括对所述视频帧进行噪点检测、雪花检测、条纹检测、亮度检测、模糊检测、偏色检测、抖动检测及画面冻结检测中的至少一者。

本发明还提供一种视频质量判断系统，其中，包括：

采集模块，所述采集模块通过视频采集单元采集视频；

第一识别结果获得模块，所述第一识别结果获得模块通过CNN视频质量判别单元对所述视频进行质量识别获得第一识别结果；

视频抽帧模块，所述视频抽帧模块对所述视频进行抽帧操作获得多个视频帧，对多个所述视频帧进行异常检测，获得第二识别结果；

判断视频质量模块，所述判断视频质量模块通过所述CNN视频质量判别单元根据所述第一识别结果及所述第二识别结果判断所述视频的质量。