(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210288485.3 (22)申请日 2022.03.23 (71)申请人 南京邮电大 学 地址 210000 江苏省南京市栖霞区文苑路9 号 (72)发明人 李晓飞　赵云杰　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06K 9/62(2022.01) (54)发明名称 一种监控视频质量评估 方法、 系统及 存储介 质 (57)摘要 本发明公开了视频质量评估领域的一种监 控视频质量评估 方法、 系统及存储介质， 包括： 采 集监控设备拍摄的监控视频， 并由监控视频提取 各帧的监控图像； 将前若干帧对应的监控图像输 入至异常检测模块， 判断监控视频是否存在质量 缺陷； 当判断监控视频存在质量缺陷时， 放弃评 估并输出监控视频权 限预警； 否则， 将剩余的监 控图像根据用户设置分别输入至预先训练好的 场景分割模 型和预先训练好的目标检测模型， 获 得场景分割评分和目标检测评分； 将场景分割评 分和目标检测评分进行加权求和得监控视频评 分， 本发明根据监控视频评分确定监控区域布设 不合理的监控设备并进行人工调整， 降低监控系 统检测过程中人工成本 。 权利要求书2页 说明书6页 附图2页 CN 114708532 A 2022.07.05 CN 114708532 A 1.一种监控视频质量评估方法， 其特 征在于， 包括： 采集监控设备拍摄的监控视频， 并由监控视频提取 各帧的监控图像； 将前若干帧对应的监控图像输入至异常检测模块， 判断监控视频 是否存在质量 缺陷； 当判断监控视频存在质量缺陷时， 放弃评估并输出监控视频权限预警； 否则， 将剩余的 监控图像根据用户设置分别输入至预先训练好的场景分割模型和预先训练好的目标检测 模型， 获得场景分割评分和目标检测评分； 将场景分割评分和目标检测评分进行加权求和得监控视频评分， 通过监控视频评分辅 助人工对监控设备的检测。 2.根据权利要求1所述的一种基于步态信 息的疲劳检测方法， 其特征在于， 将前若干帧 对应的监控图像输入至异常检测模块， 判断监控视频 是否存在质量 缺陷的方法包括： 对监控图像进行灰度化处理， 计算监控图像内灰度值超过预设阈值的像素点数量； 当 监控图像内灰度值超过预设阈值的像素点大于8 0％总像素点数量时， 输出黑屏或蓝屏的质 量缺陷预警； 当监控图像内灰度值超过预设阈值的像素点小于80％总像素点数量时， 通过Sobel算 法计算监控图像的边 缘梯度G； 根据边 缘梯度G判断监控图像是否存在清晰度质量 缺陷。 3.根据权利要求2所述的一种基于步态信息的疲劳检测方法， 其特征在于， 通过Sobel 算法计算 监控图像的边 缘梯度G的方法包括： 将模板矩阵Sx和模板矩阵Sy分别与监控图像进行平面卷积， 得到的横向亮度差Gx和纵 向亮度差Gy； 模板矩阵Sx和模板矩阵Sy的公式为： 根据横向亮度差Gx和纵向亮度差Gy计算 监控图像的边 缘梯度G， 公式为： 4.根据权利要求1所述的一种基于步态信 息的疲劳检测方法， 其特征在于， 将监控图像 输入至预 先训练好的场景分割模型， 获得场景分割评分的方法包括： 将监控图像输入进行场景分割模型获得预测图； 统计目标区域与场景区域的占比情 况， 计算场景分割评分Sseg的表达公式为： Sseg＝Ntarget/(width×height)×100％ 其中， Ntarget表示目标区域的像素点数量； width为监控图像宽度方向的像素点数量； height为 监控图像的高度方向的像素点数量。 5.根据权利要求4所述的一种基于步态信 息的疲劳检测方法， 其特征在于， 将监控图像 输入进行场景分割模型获得 预测图的方法包括： 通过场景分割模型的主干网络对监控图像提取监控特 征和浅层特 征； 将监控特征依次输入至ASPP网络结构进行空洞卷积计算后， 并通过拼接获取叠加特 征； 对叠加特 征进行1×1卷积获得融合特 征； 将浅层特征经过1 ×1卷积细化特征后与4倍上采样的融合特征在通道方向拼接， 然后 通过经过3×3卷积和4 倍上采样得到预测图。权　利　要　求　书 1/2 页 2 CN 114708532 A 26.根据权利要求5所述的一种基于步态信 息的疲劳检测方法， 其特征在于， 将监控图像 输入至预 先训练好的目标检测模型， 获得目标检测评分的方法包括： 将监控图像输入至yo lo网络提取目标 特征， 对目标 特征进行分类获得置信度； 计算目标特征中心与图像下边缘中点的欧氏距离， 将目标特征的欧氏距离和置信度的 乘积作为目标检测评分。 7.根据权利要求6所述的一种基于步态信 息的疲劳检测方法， 其特征在于， 所述监控视 频评分的计算公式为： Ssum＝α1·Sseg+( α2+α3)·Sdet 其中， Ssum为监控视频评分， Sdet表示为目标检测评分， α1表示为场景分割 评分的加权系 数， α2和α3为目标检测评分 的加权系数， 当目标特征的所占像素区域大于历史最大值时， α3 等于0； 当目标 特征的所占像素区域大于历史最大值时， α3等于设定值。 8.根据权利要求1所述的一种基于步态信 息的疲劳检测方法， 其特征在于， 所述场景分 割模型和目标检测模型训练过程包括： 采集监控场所的相关训练图像， 通过labelme对训练 图像进行标注， 构建训练数据集； 通过训练数据集对场景分割模型和目标检测模型进行训 练。 9.一种监控视频质量评估系统， 其特 征在于， 包括： 采集模块， 用于采集 监控设备拍摄的监控视频， 并由监控视频提取 各帧的监控图像； 检测模块， 用于将前若干帧对应的监控图像输入至异常检测模块， 判断监控视频是否 存在质量 缺陷； 评分模块， 用于将剩余的监控图像根据用户设置分别输入至预先训练好的场景分割 模 型和预先训练好的目标检测模型， 获得场景分割评分和目标检测评分； 加权求和模块， 用于将场景分割评分和目标检测评分进行加权求和得监控视频评分， 通过监控视频评分辅助人工对监控设备的检测。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程 序， 其中， 所述 程序执行权利要求1至 权利要求8任意 一项所述的监控视频质量评估方法。权　利　要　求　书 2/2 页 3 CN 114708532 A 3