一种快速有效的变电站监控视频质量检测方法

翟永杰，王迪

(华北电力大学 控制与计算机工程学院，河北 保定 071003)



一种快速有效的变电站监控视频质量检测方法

翟永杰，王迪

(华北电力大学 控制与计算机工程学院，河北 保定 071003)

无人值守变电站视频监控系统中摄像头的维护依赖于人工巡查，工作量大，工作效率低。为此，提出一种基于图像处理技术的视频质量检测方法。首先，通过颜色空间转换和偏色因子计算检测视频中偏色故障；其次，通过高斯滤波和峰值信噪比检测视频中雪花噪声；然后，通过帧间方差法检测视频画面冻结故障；最后，通过相似度计算检测视频画面黑屏故障。实验中，视频质量检测准确率均达到98%以上，算法耗时在110 ms以内。测试结果表明，该方法能实现监控视频质量的实时、准确检测。

变电站监控系统；视频质量检测; 雪花噪声; 偏色; 黑屏; 画面冻结

随着电网调度自动化水平的提高，变电站无人值守运行是当今电力系统的发展趋势[1]。通过安装监控摄像头，搭建变电站监控系统，实现远程监控[2]。而在视频采集、视频压缩、信道编码、传输和视频解码等常规的视频信息处理过程中，都可能会产生一些失真，导致图像质量损伤，视频图像会出现黑屏、雪花、偏色、画面冻结、视频抖动等异常现象[3]。随着变电站运维要求的不断提高，视频监控点的覆盖面越来越大，仅靠监控中心工作人员对监控画面进行逐个排查，不仅加大运维人员的工作强度而且检测效率低，一旦系统中的相机出现故障且不能及时发现，则存在安全隐患，可能带来巨大的损失。因此，实现监控视频质量的自动检测是保障变电站智能监控系统正常运作的基础。

近年来，视频质量检测算法先后被提出，文献[4]采用基于空间域的图像噪声检测技术，实现对噪点、雪花和条纹异常的检测；文献[5]提出基于运动估计的视频质量检测算法；文献[6]基于梯度特征检测视频的失真程度；文献[7]提出一种基于人眼视觉特性的视频质量评价算法；文献[8]采用视图匹配和重建的方法对视频的偏色和清晰度进行评估。这些方法在离线视频检测方面取得了较好的效果，但不能满足变电站监控系统的实时检测要求。因此，本文提出一种快速、准确的视频质量实时检测方法。

1　视频质量检测方案

本文提出的变电站监控视频质量检测方法整体流程如图1所示，包括偏色、雪花、画面冻结和画面黑屏4种常见故障类型的检测，其中It表示输入的第t帧检测帧。通过颜色空间转换和偏色因子计算检测偏色故障；通过高斯滤波和峰值信噪比检测雪花噪声；通过帧间方差检测画面冻结故障；通过相似度计算检测画面黑屏故障。

图1　算法整体流程

2　视频质量检测算法实现

2.1偏色检测

摄像头、相机等成像设备所拍摄的图像颜色与物体的真实颜色存在一定差异，这就是偏色。产生偏色的主要原因是成像设备中的感光元件受到物体表面颜色、光照条件、感光元件的物理特性等多种因素的影响[9]。

本文提出一种基于Lab颜色空间的偏色因子计算方法，将RGB图像转变到Lab空间，其中L表示图像亮度，a表示图像红、绿分量，b表示图像黄、蓝分量。通常存在偏色现象的图像，在a和b分量上的均值会偏离原点很远，方差也会偏小。因此，本文通过这种特性计算偏色因子K来评估图像是否存在偏色，并根据a、b分量的均值判断偏色分布，计算方法如式(1)—(5)所示。

(1)

(2)

(3)

(4)

(5)

计算出偏色因子K后，依据式(6)进行偏色检测，并根据图2判断偏色的颜色，检测结果如图3所示。

(6)

图2　偏色颜色判断方法

(a)偏绿色现场视频及检测结果

(b)偏红色现场视频及检测结果图3　偏色检测

2.2雪花噪声检测

视频画面中出现的雪花点就是视频信号中的噪波。产生噪波的原因主要为电磁干扰或者设备本身的质量问题[9]。

为了实现快速、准确的实时检测，本文提出一种级联检测算法，通过帧差法进行一次检测，判断是否存在疑似雪花点，若存在则进行二次检测，通过峰值信噪比进一步确认雪花噪声。

2.2.1一次检测

同一场景的相邻图像，如果没有受到雪花噪声干扰，在减法运算后，理想情况下差值图为0，设定阈值T1，通过式(7)对像素进行筛选：

(7)

式中IN(i,j)为差值图IN中点(i,j)的像素。

统计IN中像素等于1的点的个数E，根据E值判断是否存在雪花噪声，若超出阈值，则表示可能存在雪花噪声，并进入二次检测。

2.2.2二次检测

监控视频中雪花噪声与高斯随机噪声相似，因此首先利用高斯滤波器对待检测视频帧进行高斯滤波。视频帧雪花噪声干扰的程度与峰值信噪比大小有一定关系：峰值信噪比越小，视频受到的雪花噪声干扰程度越高。根据这一思路，为视频帧峰值信噪比设定参考阈值T2，根据对正常视频与雪花噪声视频的峰值信噪比进行统计分析，阈值T2设置为经验值35。当峰值信噪比小于该阈值时，则认为存在雪花干扰，反之则为正常图像，峰值信噪比计算方法如式(8)所示，检测结果如图4所示。

(8)

式中：RPSN为峰值信噪比；It(i,j)为待检测帧It中点(i,j)的像素；I0(i,j)为经过高斯滤波后的视频帧I0中点(i,j)的像素。

(a)严重雪花噪声现场视频及检测结果

(b)轻微雪花噪声现场视频及检测结果图4　雪花噪声检测

2.3画面冻结检测

画面冻结故障的表现为监控画面静止不动，即视频传输信号不再更新。根据画面冻结故障的特点，提出利用相邻帧图像检测画面异常的方法，分别计算差值图和方差，通过阈值判定是否发生此故障，计算方法如式(9)所示：

(9)

式中It-1为待检测图像It的前一帧图像。

差值图像的方差

(10)

式中Var(*)为求方差函数。

根据V值大小判断图像是否异常，即：

(11)

式中：Tv为判别阈值，根据实验统计分析设定为5；S为异常判别因子。当V≤Tv时，判定待检测帧It相对于前一帧没有变化，此时将S置为1；否则置为0。

当待检测帧满足S=1的异常条件时，考虑到检测的有效性，继续测试该帧图像之后的N帧视频画面，如果连续满足异常条件，画面长时间不变，则确定监控视频画面图像冻结。其中N的取值设定为1s内的帧数。检测结果如图5所示。

2.4画面黑屏检测

(a)画面冻结现场视频A及检测结果

(b)画面冻结现场视频B及检测结果图5　画面冻结检测

当变电站监控系统出现黑屏故障时，运行人员无法掌握变电站现场的实时情况，变电站的运行存在很大的安全隐患，这是一个亟待解决的视频质量问题。当视频出现黑屏故障时，直方图的分布接近于0，因此本文提出一种基于直方图阈值判定的方法实现视频黑屏故障的实时检测。首先，求取待检测帧图像It和模板图像的灰度直方图并进行归一化处理，然后采用巴氏系数计算其与黑屏模板图像的相似度，进行进一步确认，即：

(12)

式中：P、P′分别表示待测帧和黑屏模板图像的灰度直方图，Pt(P,P′)为二者的相似度；P(i)、P′(i)分别表示P、P′的灰度值为i的像素个数；W表示最大灰度值，其值为255。

相似度取值范围在[0，1]，0表示极其不同，1表示极其相似。当相似度Pt与设定阈值Tp满足Pt≥Tp时，则判定为存在黑屏故障，检测结果如图6所示。

(a)画面完全黑屏及检测结果

(b)画面严重暗淡及检测结果图6　画面黑屏检测

在本系统中，将监控视频画面严重偏黑或暗淡的情况也视为黑屏故障，因此设置相似度阈值Tp=0.8。

3　实验结果与分析

以实际监控视频为准，收集某电力公司提供的10段变电站监控视频作为测试的数据源，视频图像的分辨率为432×240，对4项视频故障类型的检测效果及检测耗时见表1。

表1视频质量检测结果

故障类型正确率/%耗时/s偏色98.10.062雪花98.50.056画面冻结1000.103黑屏99.40.015

从表1可以看出，4项故障类型的检测正确率均达到98%以上，其中画面冻结的检测结果达到完全正确。同时，各算法的耗时均不超过110 ms，符合实时检测的要求。

4　结论

采用视频质量检测系统将运维人员从繁重的工作负担中解脱出来，提高变电站作业效率，是无人值守变电站监控系统中一个至关重要的部分。而准确性、实时性是视频质量检测系统的两大需求，本文针对这一需求，提出了一种快速、准确的视频质量实时检测方法。通过偏色因子计算、高斯滤波、峰值信噪比、帧间方差和巴氏相似度等算法实现了偏色、雪花噪声、画面冻结和黑屏等故障的检测。实验结果证明，本文提出的视频质量检测算法快速有效。

[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] 陈旭，韩文花.变电站智能监控系统[J].广东电力，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] 余燕飞，郑烇，王嵩，等.基于空间域的图像噪声检测技术[J].计算机应用，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，谭建明，唐超，等. 基于运动估计的视频质量评价[J]. 重庆理工大学学报(自然科学)，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] 刘文娟，李素梅，臧艳军，等.基于梯度和运动估计的视频质量评价[J].光子学报，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，蒋刚毅，王晓东.一种基于人眼视觉特性的视频质量评价算[J]. 计算机辅助设计与图形学学报，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] 庄自超.面向视频监控的视频质量检测系统的设计与开发[D].武汉：华中师范大学，2011.

(编辑彭艳)

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，工学博士，研究方向为模式识别与数字图像处理、计算机控制技术。

王迪(1991)，女，贵州岑巩人。在读硕士研究生，研究方向为计算机视觉、图像处理与机器学习在电力系统中的应用。