翟永杰，王迪

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北 保定 071003)

?

一種快速有效的變電站監(jiān)控視頻質(zhì)量檢測(cè)方法

翟永杰，王迪

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北 保定 071003)

無人值守變電站視頻監(jiān)控系統(tǒng)中攝像頭的維護(hù)依賴于人工巡查，工作量大，工作效率低。為此，提出一種基于圖像處理技術(shù)的視頻質(zhì)量檢測(cè)方法。首先，通過顏色空間轉(zhuǎn)換和偏色因子計(jì)算檢測(cè)視頻中偏色故障；其次，通過高斯濾波和峰值信噪比檢測(cè)視頻中雪花噪聲；然后，通過幀間方差法檢測(cè)視頻畫面凍結(jié)故障；最后，通過相似度計(jì)算檢測(cè)視頻畫面黑屏故障。實(shí)驗(yàn)中，視頻質(zhì)量檢測(cè)準(zhǔn)確率均達(dá)到98%以上，算法耗時(shí)在110 ms以內(nèi)。測(cè)試結(jié)果表明，該方法能實(shí)現(xiàn)監(jiān)控視頻質(zhì)量的實(shí)時(shí)、準(zhǔn)確檢測(cè)。

變電站監(jiān)控系統(tǒng)；視頻質(zhì)量檢測(cè); 雪花噪聲; 偏色; 黑屏; 畫面凍結(jié)

隨著電網(wǎng)調(diào)度自動(dòng)化水平的提高，變電站無人值守運(yùn)行是當(dāng)今電力系統(tǒng)的發(fā)展趨勢(shì)[1]。通過安裝監(jiān)控?cái)z像頭，搭建變電站監(jiān)控系統(tǒng)，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控[2]。而在視頻采集、視頻壓縮、信道編碼、傳輸和視頻解碼等常規(guī)的視頻信息處理過程中，都可能會(huì)產(chǎn)生一些失真，導(dǎo)致圖像質(zhì)量損傷，視頻圖像會(huì)出現(xiàn)黑屏、雪花、偏色、畫面凍結(jié)、視頻抖動(dòng)等異?，F(xiàn)象[3]。隨著變電站運(yùn)維要求的不斷提高，視頻監(jiān)控點(diǎn)的覆蓋面越來越大，僅靠監(jiān)控中心工作人員對(duì)監(jiān)控畫面進(jìn)行逐個(gè)排查，不僅加大運(yùn)維人員的工作強(qiáng)度而且檢測(cè)效率低，一旦系統(tǒng)中的相機(jī)出現(xiàn)故障且不能及時(shí)發(fā)現(xiàn)，則存在安全隱患，可能帶來巨大的損失。因此，實(shí)現(xiàn)監(jiān)控視頻質(zhì)量的自動(dòng)檢測(cè)是保障變電站智能監(jiān)控系統(tǒng)正常運(yùn)作的基礎(chǔ)。

近年來，視頻質(zhì)量檢測(cè)算法先后被提出，文獻(xiàn)[4]采用基于空間域的圖像噪聲檢測(cè)技術(shù)，實(shí)現(xiàn)對(duì)噪點(diǎn)、雪花和條紋異常的檢測(cè)；文獻(xiàn)[5]提出基于運(yùn)動(dòng)估計(jì)的視頻質(zhì)量檢測(cè)算法；文獻(xiàn)[6]基于梯度特征檢測(cè)視頻的失真程度；文獻(xiàn)[7]提出一種基于人眼視覺特性的視頻質(zhì)量評(píng)價(jià)算法；文獻(xiàn)[8]采用視圖匹配和重建的方法對(duì)視頻的偏色和清晰度進(jìn)行評(píng)估。這些方法在離線視頻檢測(cè)方面取得了較好的效果，但不能滿足變電站監(jiān)控系統(tǒng)的實(shí)時(shí)檢測(cè)要求。因此，本文提出一種快速、準(zhǔn)確的視頻質(zhì)量實(shí)時(shí)檢測(cè)方法。

1　視頻質(zhì)量檢測(cè)方案

本文提出的變電站監(jiān)控視頻質(zhì)量檢測(cè)方法整體流程如圖1所示，包括偏色、雪花、畫面凍結(jié)和畫面黑屏4種常見故障類型的檢測(cè)，其中It表示輸入的第t幀檢測(cè)幀。通過顏色空間轉(zhuǎn)換和偏色因子計(jì)算檢測(cè)偏色故障；通過高斯濾波和峰值信噪比檢測(cè)雪花噪聲；通過幀間方差檢測(cè)畫面凍結(jié)故障；通過相似度計(jì)算檢測(cè)畫面黑屏故障。

圖1　算法整體流程

2　視頻質(zhì)量檢測(cè)算法實(shí)現(xiàn)

2.1偏色檢測(cè)

攝像頭、相機(jī)等成像設(shè)備所拍攝的圖像顏色與物體的真實(shí)顏色存在一定差異，這就是偏色。產(chǎn)生偏色的主要原因是成像設(shè)備中的感光元件受到物體表面顏色、光照條件、感光元件的物理特性等多種因素的影響[9]。

本文提出一種基于Lab顏色空間的偏色因子計(jì)算方法，將RGB圖像轉(zhuǎn)變到Lab空間，其中L表示圖像亮度，a表示圖像紅、綠分量，b表示圖像黃、藍(lán)分量。通常存在偏色現(xiàn)象的圖像，在a和b分量上的均值會(huì)偏離原點(diǎn)很遠(yuǎn)，方差也會(huì)偏小。因此，本文通過這種特性計(jì)算偏色因子K來評(píng)估圖像是否存在偏色，并根據(jù)a、b分量的均值判斷偏色分布，計(jì)算方法如式(1)—(5)所示。

(1)

(2)

(3)

(4)

(5)

計(jì)算出偏色因子K后，依據(jù)式(6)進(jìn)行偏色檢測(cè)，并根據(jù)圖2判斷偏色的顏色，檢測(cè)結(jié)果如圖3所示。

(6)

圖2　偏色顏色判斷方法

(a)偏綠色現(xiàn)場(chǎng)視頻及檢測(cè)結(jié)果

(b)偏紅色現(xiàn)場(chǎng)視頻及檢測(cè)結(jié)果圖3　偏色檢測(cè)

2.2雪花噪聲檢測(cè)

視頻畫面中出現(xiàn)的雪花點(diǎn)就是視頻信號(hào)中的噪波。產(chǎn)生噪波的原因主要為電磁干擾或者設(shè)備本身的質(zhì)量問題[9]。

為了實(shí)現(xiàn)快速、準(zhǔn)確的實(shí)時(shí)檢測(cè)，本文提出一種級(jí)聯(lián)檢測(cè)算法，通過幀差法進(jìn)行一次檢測(cè)，判斷是否存在疑似雪花點(diǎn)，若存在則進(jìn)行二次檢測(cè)，通過峰值信噪比進(jìn)一步確認(rèn)雪花噪聲。

2.2.1一次檢測(cè)

同一場(chǎng)景的相鄰圖像，如果沒有受到雪花噪聲干擾，在減法運(yùn)算后，理想情況下差值圖為0，設(shè)定閾值T1，通過式(7)對(duì)像素進(jìn)行篩選：

(7)

式中IN(i,j)為差值圖IN中點(diǎn)(i,j)的像素。

統(tǒng)計(jì)IN中像素等于1的點(diǎn)的個(gè)數(shù)E，根據(jù)E值判斷是否存在雪花噪聲，若超出閾值，則表示可能存在雪花噪聲，并進(jìn)入二次檢測(cè)。

2.2.2二次檢測(cè)

監(jiān)控視頻中雪花噪聲與高斯隨機(jī)噪聲相似，因此首先利用高斯濾波器對(duì)待檢測(cè)視頻幀進(jìn)行高斯濾波。視頻幀雪花噪聲干擾的程度與峰值信噪比大小有一定關(guān)系：峰值信噪比越小，視頻受到的雪花噪聲干擾程度越高。根據(jù)這一思路，為視頻幀峰值信噪比設(shè)定參考閾值T2，根據(jù)對(duì)正常視頻與雪花噪聲視頻的峰值信噪比進(jìn)行統(tǒng)計(jì)分析，閾值T2設(shè)置為經(jīng)驗(yàn)值35。當(dāng)峰值信噪比小于該閾值時(shí)，則認(rèn)為存在雪花干擾，反之則為正常圖像，峰值信噪比計(jì)算方法如式(8)所示，檢測(cè)結(jié)果如圖4所示。

(8)

式中：RPSN為峰值信噪比；It(i,j)為待檢測(cè)幀It中點(diǎn)(i,j)的像素；I0(i,j)為經(jīng)過高斯濾波后的視頻幀I0中點(diǎn)(i,j)的像素。

(a)嚴(yán)重雪花噪聲現(xiàn)場(chǎng)視頻及檢測(cè)結(jié)果

(b)輕微雪花噪聲現(xiàn)場(chǎng)視頻及檢測(cè)結(jié)果圖4　雪花噪聲檢測(cè)

2.3畫面凍結(jié)檢測(cè)

畫面凍結(jié)故障的表現(xiàn)為監(jiān)控畫面靜止不動(dòng)，即視頻傳輸信號(hào)不再更新。根據(jù)畫面凍結(jié)故障的特點(diǎn)，提出利用相鄰幀圖像檢測(cè)畫面異常的方法，分別計(jì)算差值圖和方差，通過閾值判定是否發(fā)生此故障，計(jì)算方法如式(9)所示：

(9)

式中It-1為待檢測(cè)圖像It的前一幀圖像。

差值圖像的方差

(10)

式中Var(*)為求方差函數(shù)。

根據(jù)V值大小判斷圖像是否異常，即：

(11)

式中：Tv為判別閾值，根據(jù)實(shí)驗(yàn)統(tǒng)計(jì)分析設(shè)定為5；S為異常判別因子。當(dāng)V≤Tv時(shí)，判定待檢測(cè)幀It相對(duì)于前一幀沒有變化，此時(shí)將S置為1；否則置為0。

當(dāng)待檢測(cè)幀滿足S=1的異常條件時(shí)，考慮到檢測(cè)的有效性，繼續(xù)測(cè)試該幀圖像之后的N幀視頻畫面，如果連續(xù)滿足異常條件，畫面長時(shí)間不變，則確定監(jiān)控視頻畫面圖像凍結(jié)。其中N的取值設(shè)定為1s內(nèi)的幀數(shù)。檢測(cè)結(jié)果如圖5所示。

2.4畫面黑屏檢測(cè)

(a)畫面凍結(jié)現(xiàn)場(chǎng)視頻A及檢測(cè)結(jié)果

(b)畫面凍結(jié)現(xiàn)場(chǎng)視頻B及檢測(cè)結(jié)果圖5　畫面凍結(jié)檢測(cè)

當(dāng)變電站監(jiān)控系統(tǒng)出現(xiàn)黑屏故障時(shí)，運(yùn)行人員無法掌握變電站現(xiàn)場(chǎng)的實(shí)時(shí)情況，變電站的運(yùn)行存在很大的安全隱患，這是一個(gè)亟待解決的視頻質(zhì)量問題。當(dāng)視頻出現(xiàn)黑屏故障時(shí)，直方圖的分布接近于0，因此本文提出一種基于直方圖閾值判定的方法實(shí)現(xiàn)視頻黑屏故障的實(shí)時(shí)檢測(cè)。首先，求取待檢測(cè)幀圖像It和模板圖像的灰度直方圖并進(jìn)行歸一化處理，然后采用巴氏系數(shù)計(jì)算其與黑屏模板圖像的相似度，進(jìn)行進(jìn)一步確認(rèn)，即：

(12)

式中：P、P′分別表示待測(cè)幀和黑屏模板圖像的灰度直方圖，Pt(P,P′)為二者的相似度；P(i)、P′(i)分別表示P、P′的灰度值為i的像素個(gè)數(shù)；W表示最大灰度值，其值為255。

相似度取值范圍在[0，1]，0表示極其不同，1表示極其相似。當(dāng)相似度Pt與設(shè)定閾值Tp滿足Pt≥Tp時(shí)，則判定為存在黑屏故障，檢測(cè)結(jié)果如圖6所示。

(a)畫面完全黑屏及檢測(cè)結(jié)果

(b)畫面嚴(yán)重暗淡及檢測(cè)結(jié)果圖6　畫面黑屏檢測(cè)

在本系統(tǒng)中，將監(jiān)控視頻畫面嚴(yán)重偏黑或暗淡的情況也視為黑屏故障，因此設(shè)置相似度閾值Tp=0.8。

3　實(shí)驗(yàn)結(jié)果與分析

以實(shí)際監(jiān)控視頻為準(zhǔn)，收集某電力公司提供的10段變電站監(jiān)控視頻作為測(cè)試的數(shù)據(jù)源，視頻圖像的分辨率為432×240，對(duì)4項(xiàng)視頻故障類型的檢測(cè)效果及檢測(cè)耗時(shí)見表1。

表1視頻質(zhì)量檢測(cè)結(jié)果

故障類型正確率/%耗時(shí)/s偏色98.10.062雪花98.50.056畫面凍結(jié)1000.103黑屏99.40.015

從表1可以看出，4項(xiàng)故障類型的檢測(cè)正確率均達(dá)到98%以上，其中畫面凍結(jié)的檢測(cè)結(jié)果達(dá)到完全正確。同時(shí)，各算法的耗時(shí)均不超過110 ms，符合實(shí)時(shí)檢測(cè)的要求。

4　結(jié)論

采用視頻質(zhì)量檢測(cè)系統(tǒng)將運(yùn)維人員從繁重的工作負(fù)擔(dān)中解脫出來，提高變電站作業(yè)效率，是無人值守變電站監(jiān)控系統(tǒng)中一個(gè)至關(guān)重要的部分。而準(zhǔn)確性、實(shí)時(shí)性是視頻質(zhì)量檢測(cè)系統(tǒng)的兩大需求，本文針對(duì)這一需求，提出了一種快速、準(zhǔn)確的視頻質(zhì)量實(shí)時(shí)檢測(cè)方法。通過偏色因子計(jì)算、高斯濾波、峰值信噪比、幀間方差和巴氏相似度等算法實(shí)現(xiàn)了偏色、雪花噪聲、畫面凍結(jié)和黑屏等故障的檢測(cè)。實(shí)驗(yàn)結(jié)果證明，本文提出的視頻質(zhì)量檢測(cè)算法快速有效。

[1] BESSA R J，TRINDADE A，MIRANDA V.Spatial-temporal Solar Power Forecasting for Smart Grids[J]. IEEE Transactions on Industrial Informatics，2015，11(1)：232-241.

[2] 陳旭，韓文花.變電站智能監(jiān)控系統(tǒng)[J].廣東電力，2015，28(6)：34-40.

CHEN Xu，HAN Wenhua.Intelligent Monitoring System of Substation[J]. Guangdong Electric Power，2015，28(6)：34-40.

[3] WU Chao，YE Han，YANG Quansheng. Unattended Power Monitored Control System Design[C]//2011 3rd International Conference on Advanced Computer Control (ICACC).San Antonio，Texas，USA：IEEE，2011：74-78.

[4] 余燕飛，鄭烇，王嵩，等.基于空間域的圖像噪聲檢測(cè)技術(shù)[J].計(jì)算機(jī)應(yīng)用，2012，32(6)：1552-1556.

YU Yanfei，ZHENG Quan，WANG Song，et al. Image Noise Detection Technology Based on Spatial Domain[J]. Journal of Computer Applications，2012，32(6)：1552-1556.

[5] 姚杰，譚建明，唐超，等. 基于運(yùn)動(dòng)估計(jì)的視頻質(zhì)量評(píng)價(jià)[J]. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2012，26(5)：74-78.

YAO Jie，TAN Jianming，TANG Chao，et al. Video Quality Assessment Based on Motion Estimation[J]. Journal of Chongqing University of Technology(Natural Science)，2012，26(5)：74-78.

[6] 劉文娟，李素梅，臧艷軍，等.基于梯度和運(yùn)動(dòng)估計(jì)的視頻質(zhì)量評(píng)價(jià)[J].光子學(xué)報(bào)，2011，40(10)：1547-1552.

LIU Wenjuan，LI Sumei，ZANG Yanjun，et al. Video Quality Assessment Based on Gradient and Motion Estimation[J]. Acta Photonica Sinica，2011，40(10)：1547-1552.

[7] 朱宏，蔣剛毅，王曉東.一種基于人眼視覺特性的視頻質(zhì)量評(píng)價(jià)算[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2014，26(5)：776-781.

ZHU Hong，JIANG Gangyi，WANG Xiaodong，et al. A Video Quality Assessment Metric Based on Human Visual System[J]. Journal of Computer-aided Design & Computer Graphics，2014，26(5)：776-781.

[8] VORONOV A，VATOLING D，SUMIN D，et al. Towards Automatic Stereo-video Quality Assessment and Detection of Color and Sharpness Mismatch[C]//2012 International Conference on 3D Imaging(IC3D).Liege，Belgium：IEEE，2012：1-6.

[9] 莊自超.面向視頻監(jiān)控的視頻質(zhì)量檢測(cè)系統(tǒng)的設(shè)計(jì)與開發(fā)[D].武漢：華中師范大學(xué)，2011.

(編輯彭艷)

A Rapid and Effective Detection Method for Monitoring Video Quality in Substation

ZHAI Yongjie, WANG Di

(School of Control and Computer Engineering, North China Electric Power University, Baoding, Hebei 071003,China)

Maintenance for camera in video monitoring system in unattended substation mostly depends on human inspection which means heavy work and low working efficiency. Therefore, this paper presents a kind of detection method for video quality based on image processing technology. Firstly, it uses color space conversion and partial color factor to calculate partial color fault in detected video. Secondly, it is able to detect snowflake noise in video by Gaussian filter and peak signal to noise ratio. Then, by means of variance between frames method it is able to detect video screen freeze fault and finally to detect black screen fault of video by similarity calculation. In the experiment, accuracy rate of video quality detection reaches over 98% and time consumption for the algorithm is within 110 ms. Testing result indicates that this method can realize real-time and accurate detection on monitoring video quality.

substation monitoring system; video quality detection; snowflake noise; partial color; black screen; screen freeze

2016-04-12

10.3969/j.issn.1007-290X.2016.07.017

TP391.41

A

1007-290X(2016)07-0088-05

翟永杰(1972)，男，河南漯河人。副教授，工學(xué)博士，研究方向?yàn)槟Ｊ阶R(shí)別與數(shù)字圖像處理、計(jì)算機(jī)控制技術(shù)。

王迪(1991)，女，貴州岑鞏人。在讀碩士研究生，研究方向?yàn)橛?jì)算機(jī)視覺、圖像處理與機(jī)器學(xué)習(xí)在電力系統(tǒng)中的應(yīng)用。