当前位置：首页 > article >正文

C++基于opencv的视频质量检测--画面冻结检测

article 2024/10/29 5:33:22

文章目录

- 0.引言
- 1. 原始代码分析
- 2. 优化方案
- 3. 优化后的代码
- 4. 代码详细解读

0.引言

视频质量画面冻结检测已在C++基于opencv4的视频质量检测中有所介绍，本文将详细介绍其优化版本。

1. 原始代码分析

图像抖动检测的原始代码：

bool ScreenFreezeDetection(const cv::Mat& srcImg) {
    if (srcImg.empty()) {
        return true;  // 直接返回true表示检测故障
    }

    cv::Mat backgroundA, backgroundB;

    // 1. 获取云台运动前的背景A
    static int frameCount = 0;
    if (frameCount < NUM_FRAMES) {
        if (frameCount == 0) {
            backgroundA = cv::Mat::zeros(srcImg.size(), srcImg.type());
        }
        cv::accumulate(srcImg, backgroundA);
        ++frameCount;

        if (frameCount == NUM_FRAMES) {
            backgroundA /= NUM_FRAMES;
        }
        return false;
    }

    // 2. 发送云台运动指令，改变场景

    // 3. 获取云台运动后的背景B
    if (frameCount < 2 * NUM_FRAMES) {
        int currentFrameIndex = frameCount - NUM_FRAMES;
        if (currentFrameIndex == 0) {
            backgroundB = cv::Mat::zeros(srcImg.size(), srcImg.type());
        }
        cv::accumulate(srcImg, backgroundB);
        ++frameCount;

        if (frameCount == 2 * NUM_FRAMES) {
            backgroundB /= NUM_FRAMES;
        }
        return false;
    }

    // 4. 计算背景A和背景B的颜色直方图
    cv::Mat histA, histB;
    int histSize = 256;
    float range[] = {0, 256};
    const float* histRange = {range};
    cv::calcHist(&backgroundA, 1, 0, cv::Mat(), histA, 1, &histSize, &histRange, true, false);
    cv::calcHist(&backgroundB, 1, 0, cv::Mat(), histB, 1, &histSize, &histRange, true, false);

    // 5. 计算直方图的相似度（使用相关性比较方法）
    double histSimilarity = cv::compareHist(histA, histB, cv::HISTCMP_CORREL);

    // 6. 判断相似度是否小于阈值，如果小于则认为画面冻结
    if (histSimilarity > HIST_SIM_THRESHOLD) {
        return true;
    } else {
        return false;
    }
}

存在的问题：

依赖外部设备运动：该算法需要通过控制云台运动来改变摄像机的视角，以获取不同的背景。这在实际应用中可能不方便，增加了系统的复杂性和成本。
复杂的背景处理：使用了帧累积和直方图比较的方法，计算量较大，效率较低。
静态场景误判：对于本身就没有明显变化的静态场景，可能误判为画面冻结。

2. 优化方案

取消对云台运动的依赖：改为直接比较连续帧之间的相似度，避免对外部设备的依赖。
使用结构相似度（SSIM）：SSIM是一种衡量两幅图像相似度的指标，考虑了亮度、对比度和结构信息，比简单的直方图比较更准确。
引入冻结帧计数：只有当连续多帧都满足冻结条件时，才认为画面冻结，减少了误报率。
简化代码结构：移除了累积帧和直方图计算的复杂操作。

3. 优化后的代码

#include <opencv2/opencv.hpp>
#include <opencv2/quality.hpp>  // 需要OpenCV Contrib模块

/**
 * @brief 检测画面冻结的函数
 * @param[in] srcImg 输入的当前图像帧
 * @return 如果检测到画面冻结返回true，否则返回false
 */
bool ScreenFreezeDetection(const cv::Mat& srcImg) {
    static cv::Mat prevImg;
    static int freezeFrameCount = 0;
    const int FREEZE_THRESHOLD = 30;  // 冻结帧计数阈值
    const double SIMILARITY_THRESHOLD = 0.99;  // 相似度阈值

    if (srcImg.empty()) {
        return true;  // 输入图像为空，认为画面冻结
    }

    if (prevImg.empty()) {
        prevImg = srcImg.clone();
        return false;  // 第一帧，没有参考，无法判断
    }

    // 计算当前帧与上一帧的结构相似度（SSIM）
    double similarity = cv::quality::QualitySSIM::compute(srcImg, prevImg, cv::noArray())[0];

    if (similarity >= SIMILARITY_THRESHOLD) {
        // 如果相似度高于阈值，认为画面可能冻结
        freezeFrameCount++;
    } else {
        // 相似度低于阈值，认为画面正常
        freezeFrameCount = 0;
    }

    prevImg = srcImg.clone();

    // 如果连续的冻结帧数量超过阈值，认为画面冻结
    if (freezeFrameCount >= FREEZE_THRESHOLD) {
        return true;
    } else {
        return false;
    }
}