基于固定視頻的馬賽克檢測實現

【摘? 要】本文提出的基于固定視頻的馬賽克檢測實現方法，實現對視頻馬賽克進行高效準確地自動化檢測。

【關鍵詞】固定視頻;檢測實現

引言

在傳統機頂盒中，TUNER性能測試的主要判斷依據是視頻馬賽克，在OTT和IPTV機頂盒中，視頻播放馬賽克是檢驗機頂盒內存性能、軟件可靠性的重要測試依據。因此，視頻馬賽克檢測十分重要。但是由于馬賽克出現時機隨機、圖形不規則，特別是對于有后處理功能的機頂盒，進行圖像修復后馬賽克的形狀更加復雜。導致了馬賽克自動化檢測一直是行業的一個痛點和難點。

1.現狀

研究人員曾經利用邊緣檢測直線和矩形的方法來判斷馬賽克，但由于邊緣檢測本身有其局限性，導致視頻內容中直線和棋盤、窗戶等規則圖像容易被誤判，同時部分復雜的圖像內容中的馬賽克容易被漏檢。也有采用馬賽克特征預先分析和深度學習的方式對馬賽克特征值進行分類和學習，但是由于視頻圖像的復雜性和馬賽克進行疊加以后的形成的最終圖像更加復雜，導致先行學習的特征完全對不上。

因此，目前行業中基本上都是采用人工判斷的方式進行視頻馬賽克測試，效率低，成本高，漏檢和誤檢率也居高不下。

2.解決措施

本文提出的基于固定視頻的馬賽克檢測實現方法，實現對視頻馬賽克進行高效準確地自動化檢測。如圖一所示。

a.準備一段經過預處理的視頻，所述預處理為：為視頻的每一幀圖像添加時間戳;為每一秒視頻設置一個二維碼，使得每一秒視頻中的每一幀圖像具有相同的二維碼;

b.提取該段視頻中各幀圖像的特征值并存儲，形成標準特征庫;

c.在進行馬賽克檢測時，利用待測設備播放該段視頻，通過計算機實時抓取視頻圖像進行圖像采集;

d.計算采集的圖像的特征值，并與標準特征庫中的特征值進行比對，從而判斷視頻是否出現馬賽克。

作為進一步優化，步驟b中，對視頻中的各幀圖像進行以下處理，以提取各幀圖像的特征值：

b1.縮小尺寸：將圖像縮小到8*8;

b2.簡化色彩：將圖像轉化成灰度圖像;

b3.計算DCT：計算圖片的DCT變換，得到32*32的DCT系數矩陣;

b4.縮小DCT：只保留DCT系數矩陣左上角的8*8規模的DCT系數矩陣;

b5.計算平均值：計算DCT的均值;

b6.計算特征值：設置所述8*8規模的DCT系數矩陣的64位hash值作為該圖像的特征值：對于8*8規模的DCT系數矩陣，將矩陣中大于等于DCT均值的值設為“1”，將小于DCT均值的值設為“0”;

在提取到各幀圖像的特征值后，將各幀圖像的特征值與對應幀的時間戳和二維碼進行關聯存儲在數據庫中，從而形成標準特征庫。

作為進一步優化，步驟c中，所述計算機通過HDMI采集卡抓取待測設備的相應接口向計算機輸出的視頻圖像來進行圖像采集。

作為進一步優化，步驟c中，所述待測設備為傳統機頂盒或IPTV或OTT機頂盒;所述利用待測設備播放該段視頻的方法是：

對于傳統機頂盒，通過高頻頭接收碼流播放器調制的DVB信號，通過解調和解復用獲取視頻數據后進行解碼播出;對于IPTV和OTT機頂盒，可將視頻以文件方式存儲在機頂盒內部存儲器或者外部存儲器中，通過機頂盒內置的播放器進行播放輸出。

作為進一步優化，步驟d中，所述與標準特征庫中的特征值進行比對，具體包括：

根據采集圖像的二維碼和時間戳在標準特征庫中查找對應幀的特征值與所述采集圖像的特征值進行匹配，若不能匹配的特征的個數超過一定閾值，則判定該采集圖像出現馬賽克。如圖2所示

提取視頻中各幀圖像的特征值并存儲，在機頂盒播放視頻的過程中抓取機頂盒輸出的圖像，計算當前圖像的特征值，并跟預先存儲的特征值進行比對，來判斷視頻是否出現馬賽克缺陷。采用這種方式進行馬賽克檢測，檢測效率高，漏檢和誤檢率非常低，完全滿足行業檢測需求。同時可作為自動化檢測工具，可進行長時間、大規模烤機，對機頂軟硬件質量檢測非常有效。

作者簡介：靳國榮（1982-），男，河南西平人，工程師，研究方向為數字電視、機頂盒、圖形圖像。