一种视频播放自动排障的方法技术

本发明专利技术公开了一种视频播放自动排障的方法。本发明专利技术中，先进行视频图像清晰度的特征提取，此时可以读取在RGB颜色空间的图片，计算图片的平均距离AD的值；接下来，将彩色图像灰度化，计算中心十字区域平方梯度值；最后输出图像清晰度特征值文件；通过对图像清晰度故障特征和色偏故障特征进行提取判断，从而可以更加为后续的视频故障识别模型的建立奠定了非常好的基础，提高了后续的排障速率，同时后续的模型的建立，也避免了排障过程中重叠不可分类的分体，保证了排障的准确率和针对性，从而使得该系统更加便于人们使用，提高了人们观看视频时的体验感。频时的体验感。

【技术实现步骤摘要】
一种视频播放自动排障的方法


[0001]本专利技术属于视频播放
，具体为一种视频播放自动排障的方法。

技术介绍

[0002]视频泛指将一系列静态影像以电信号的方式加以捕捉、记录、处理、储存、传送与重现的各种技术。连续的图像变化每秒超过24帧(frame)画面以上时，根据视觉暂留原理，人眼无法辨别单幅的静态画面；看上去是平滑连续的视觉效果，这样连续的画面叫做视频。大多数视频播放器(除了少数波形文件外)携带解码器以还原经过压缩的媒体文件，视频播放器还要内置一整套转换频率以及缓冲的算法。大多数的视频播放器还能支持播放音频文件。
[0003]但是常见的视频播放在日常观看中多会出现故障，此时常见的系统的排障准确度不够高，给使用者带来了观看体验的影响。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述提出的问题，提供一种视频播放自动排障的方法。
[0005]本专利技术采用的技术方案如下：一种视频播放自动排障的方法，所述视频播放自动排障的方法包括以下步骤：
[0006]S1:先进行视频图像清晰度的特征提取，此时读取在RGB颜色空间的图片，计算图片的平均距离AD的值；接下来，将彩色图像灰度化，计算中心十字区域平方梯度值；最后输出图像清晰度特征值文件；
[0007]S2:再进行图像色偏特征的提取，此时读取一张数字图像，首先转换颜色空间；其次，计算图像a、b通道的平均色度值，以及a、b通道的色度中心距的值；
[0008]S3:计算完a、b通道的色度中心距的值之后，计算图像的色偏因子的值；最后输出图像色偏因子K,如果K大于2.5，则判定图像发生了色偏故障；如果K小于等于2.5，则判定图像未发生色偏故障；
[0009]S4:建立自动排障识别模型，此时先建立图像库；获取大量的故障图像，清晰度故障图像、色偏故障图像和正常图像，并标记分类，建立图像库；
[0010]S5:进行视频中的图像预处理；同时进行清晰度、色偏图像故障特征表示；
[0011]S6：进行分类器分类模型的构建，先提取训练集和测试集中的图像特征清晰度、色偏，按照软件包的格式要求建立数据文件；为了提高分类结果的准确性，同时也为了降低模型训练时因数据过大造成的耗时较长的问题，将数据进行归一化处理，
[0012]S7:对视频中的图像分类，对于视频中的新图像，计算得出色偏故障特征向量和清晰度故障特征向量，利用训练好的识别模型，对图像故障类型进行智能判断；
[0013]S8:读取训练集图像，建立故障图像识别模型，如果模型己存在，则省略这一步骤；其次，每隔一段时间读入视频图像，提取图像的故障特征向量；第三步，利用建立好的识别
模型对图像进行故障类型识别；第四步，输出排障结果；若视频未结束，则跳转到第二步继续检测，若视频结束，则结束排障的过程；
[0014]S9:记录好播放视频排障的结果，以便后续的参考，结束整个视频播放自动排障的过程。
[0015]在一优选的实施方式中，所述步骤S1中，将视频单帧图像平均分为个部分，图像的十字区域分别用O、A、B、C、D代表,可以用这五个部分的平方梯度值的和代替整幅图像的平方梯度和来评价这幅图像的清晰度,最后将其输出。
[0016]计算的公式为:
[0017][0018][0019][0020][0021]其中，w、h分别是数字图像的宽和高；da、db和分别为色度和的
[0022]平均值；D为图像平均色度；M
a2
、M
b2
和分别为色度的方差；为图像色度中心距；k为所求的图像色偏因子。
[0023]在一优选的实施方式中，所述步骤S5中，预处理需要将彩色图像转换为灰度图像，以计算聚焦评价函数的值；进行色偏检测时，图像需要从RGB颜色空间转换为GIE1976lab颜色空间。
[0024]在一优选的实施方式中，所述步骤S6中，将图像故障特征值缩放到之间；选用节RBF核函数进行数据映射；选用网格搜索方法寻找到核函数的最优参数对；利用寻找到的最优参数对在训练集上进行图像分类器的训练；分类器训练好之后，用测试集的数据对训练好的分类器进行测试。
[0025]在一优选的实施方式中，所述步骤S7中，色偏分类识别结果中，不是真实色偏的图像但被识别为色偏，或者真实色偏的图像被识别为正常的图像，作为色偏分类器训练的负样本，对分类器再次进行训练。
[0026]在一优选的实施方式中，所述清晰度分类识别结果中，不是真实故障的图像但被识别为清晰度故障，或者真实清晰度故障但被识别为正常的图像，作为清晰度分类训练器的负样本，对分类器再次进行训练；对于正确的识别结果，则不需要进行再次训练所述步骤S7中，提供了人机交互按钮，由用户来进行整个训练识别过程的控制，首先读取样本集，进行读取时，特征值列表中会显示图像的特征值和类别标签等信息；用户可以方便地进行模型训练，可以选择使用测试样本集进行预测，得出正确识别率，之后可以选择是否进行模型更新。
[0027]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0028]本专利技术中，通过对图像清晰度故障特征和色偏故障特征进行提取判断，从而可以
更加为后续的视频故障识别模型的建立奠定了非常好的基础，提高了后续的排障速率，同时后续的模型的建立，也避免了排障过程中重叠不可分类的分体，保证了排障的准确率和针对性，从而使得该系统更加便于人们使用，提高了人们观看视频时的体验感。
具体实施方式
[0029]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例：
[0031]一种视频播放自动排障的方法，所述视频播放自动排障的方法包括以下步骤：
[0032]S1:先进行视频图像清晰度的特征提取，此时可以读取在RGB颜色空间的图片，计算图片的平均距离AD的值；接下来，将彩色图像灰度化，计算中心十字区域平方梯度值；最后输出图像清晰度特征值文件；步骤S1中，将视频单帧图像平均分为个部分，图像的十字区域分别用O、A、B、C、D代表,可以用这五个部分的平方梯度值的和代替整幅图像的平方梯度和来评价这幅图像的清晰度,最后将其输出；
[0033]S2:再进行图像色偏特征的提取，此时读取一张数字图像，首先转换颜色空间；其次，计算图像a、b通道的平均色度值，以及a、b通道的色度中心距的值；
[0034]S3:计算完a、b通道的色度中心距的值之后，计算图像的色偏因子的值；最后输出图像色偏因子K,如果K大于2.5，则判定图像发生了色偏故障；如果K小于等于2.5，则判定图像未发生色偏故障；所述步骤S2中，计算的公式为:
[0035][0036][0037][0038][0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频播放自动排障的方法，其特征在于：所述视频播放自动排障的方法包括以下步骤：S1:先进行视频图像清晰度的特征提取，此时读取在RGB颜色空间的图片，计算图片的平均距离AD的值；接下来，将彩色图像灰度化，计算中心十字区域平方梯度值；最后输出图像清晰度特征值文件；S2:再进行图像色偏特征的提取，此时读取一张数字图像，首先转换颜色空间；其次，计算图像a、b通道的平均色度值，以及a、b通道的色度中心距的值；S3:计算完a、b通道的色度中心距的值之后，计算图像的色偏因子的值；最后输出图像色偏因子K,如果K大于2.5，则判定图像发生了色偏故障；如果K小于等于2.5，则判定图像未发生色偏故障；S4:建立自动排障识别模型，此时先建立图像库；获取大量的故障图像，清晰度故障图像、色偏故障图像和正常图像，并标记分类，建立图像库；S5:进行视频中的图像预处理；同时进行清晰度、色偏图像故障特征表示；S6：进行分类器分类模型的构建，先提取训练集和测试集中的图像特征清晰度、色偏，按照软件包的格式要求建立数据文件；S7:对视频中的图像分类，对于视频中的新图像，计算得出色偏故障特征向量和清晰度故障特征向量，利用训练好的识别模型，对图像故障类型进行智能判断；S8:读取训练集图像，建立故障图像识别模型，如果模型己存在，则省略这一步骤；每隔一段时间读入视频图像，提取图像的故障特征向量；第三步，利用建立好的识别模型对图像进行故障类型识别；第四步，输出排障结果；若视频未结束，则跳转到第二步继续检测，若视频结束，则结束排障的过程；S9:记录好播放视频排障的结果，以便后续的参考，结束整个视频播放自动排障的过程。2.如权利要求1所述的一种视频播放自动排障的方法，其特征在于：所述步骤S1中，将视频单帧图像平均分为个部分，图像的十字区域分别用O、A、B、C、D代表,用这五个部分的平方梯度值的和代替整幅图像的平方梯度和来评价这幅图像的清晰度,最后将其输出。3.如...

【专利技术属性】
技术研发人员：高冬，
申请(专利权)人：辽宁云讯智慧科技有限公司，
类型：发明
国别省市：