高清視頻監(jiān)控系統(tǒng) 日常使用存在哪些故障

       視頻監(jiān)控中的視頻質(zhì)量是采用視頻圖像分析的方法來測量系統(tǒng)中可能存在的故障。從現(xiàn)在普遍出現(xiàn)的攝像頭故障類型來看，影響視頻監(jiān)控系統(tǒng)視頻質(zhì)量的因素有很多，主要概括來說有以下幾點：

　　·攝像機的設(shè)置不當或器件老化失效，包含攝像機的分辨率、攝像機對光照的靈敏度、鏡頭聚焦調(diào)整、色彩校正等；高清視頻監(jiān)控系統(tǒng)

視頻監(jiān)控

　　·大型監(jiān)控網(wǎng)絡中視頻信號通過長距離電纜傳輸、多級矩陣切換以及多級網(wǎng)絡轉(zhuǎn)發(fā)，電源、控制器等多種干擾信號可能對視頻信號產(chǎn)生強烈的干擾，線路老化、接頭松動等現(xiàn)場環(huán)境的變化可能帶來視頻噪聲；

　　·大量使用PTZ球機，長期的運動變焦有可能讓部分球機發(fā)生方向錯誤、不可控等故障。高清視頻監(jiān)控系統(tǒng)

　　針對以上提到的種種視頻故障，可將故障類型分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻噪聲、視頻雪花、視頻偏色、畫面凍結(jié)、PTZ運動失控8種。這其中，視頻信號缺失、畫面凍結(jié)兩種故障可通過人工設(shè)計基于視頻圖像比對的方法得出結(jié)論；PTZ運動失控則是由故障檢測系統(tǒng)發(fā)出運動指令，然后通過對視頻圖像的運動分析來檢測是否有故障；而對于其他的5種故障，很難通過人工設(shè)定規(guī)則的方法來檢測，這就需要通過機器學習的方法，讓機器來模擬人的視覺反應，檢測視頻是否存在故障。

　　針對這5種不同類型視頻故障，設(shè)計5個不同的基于機器學習的檢測器，每個檢測器負責分析一段視頻是否存在某一種故障，以及這種故障的嚴重性。

　　而在實際運行的視頻監(jiān)控系統(tǒng)中提取大量的視頻片斷，包括正常視頻以及存在各種故障的視頻，形成訓練樣本，并模擬人類視覺特性，針對不同故障類型提取了大量視頻圖像特征參數(shù)，用以訓練得到診斷不同故障的檢測器。在分析階段，獲取需要分析的一段固定長度的視頻，根據(jù)用戶設(shè)定的該路視頻的檢測項目，使用不同的故障檢測器，提取相應的視頻圖像特征，然后輸入到已訓練好的故障檢測模型中，即可獲取對該段視頻的故障評價結(jié)果。高清視頻監(jiān)控系統(tǒng)

　　基于優(yōu)秀的底層算法，視頻質(zhì)量診斷系統(tǒng)具備以下技術(shù)特點：

　　·高準確度：采用大量的實際視頻監(jiān)控系統(tǒng)的視頻作為訓練樣本，各種故障檢測器均來源于實際系統(tǒng)，并經(jīng)過大量實際系統(tǒng)的測試，因此檢測準確率高；

　　·良好的攝像機角度適應性：故障檢測器的訓練樣本來自多種不同場景，涵蓋了治安視頻監(jiān)控系統(tǒng)中眾多常見的攝像頭監(jiān)視角度，因此對各種攝像頭角度、焦距以及不同的攝像內(nèi)容都有良好的適應性；

　　·獨特的抵抗球機運動的能力：在每一中類型的故障檢測器的設(shè)計和訓練過程中，都考慮到了攝像頭云臺運動以及鏡頭推近拉遠有可能帶來的視頻圖像特征的變化，在檢測過程中都首先進行攝像頭運動分析，一旦發(fā)現(xiàn)攝像頭處于PTZ運動過程中，則首先不再檢測PTZ運動是否異常，以防止檢測時發(fā)送運動指令影響當前的球機運動；其次，僅使用對攝像頭運動不敏感的特征來進行其他類型的故障分析，避免因運動原因造成誤報或漏報；

　　·出色的環(huán)境適應能力：算法模塊對于場景內(nèi)由于車流、人流、季節(jié)、氣候產(chǎn)生的光線、陰影變化不敏感，因此，可以適用于多種不同的室外環(huán)境；高清視頻監(jiān)控系統(tǒng)

　　·強化學習能力：現(xiàn)有的視頻質(zhì)量診斷系統(tǒng)與人類的故障識別能力仍有明顯的差距，因此應用場景的差異對于視頻質(zhì)量診斷系統(tǒng)的性能是有影響的。像人類的視覺系統(tǒng)一樣，視頻質(zhì)量診斷分析模塊也具備后天強化學習的能力，只要加入當?shù)氐男聵颖局匦掠柧殭z測器，算法的性能將進一步提高。