智慧城市网

　　视频监控作为安防系统的重要组成部分，其直观性、准确性和内容丰富性等特点得到了人们的青睐，成为应用最为广泛的安防产品之一。随着宽带、视频高清、音视频编解码等技术的快速发展，以及平安城市、雪亮工程、智慧城市等重大工程的相继落地，视频监控系统的规模和应用得到了跨越式的发展，使其在服务人们生活、维护社会稳定以及打击违法*等方面发挥着重要作用，成为构建新时代社会体系和治理能力现代化的重要抓手，为建设更高水平的平安中国提供强有力的支撑。
 

　　视频图像是视频监控系统提供的最重要的输出结果，是人们获得所需信息的主要来源。视频图像的质量直接决定了获取信息的可能性、准确性和完整性，高质量的视频图像能够准确地反映指定时间和地点发生的具体状况，是获取信息、作出判断、提供证据的重要支撑。视频图像质量优劣直接影响了视频监控系统的实际应用效果，是视频监控系统建设有效性的重要指标之一。为了及时发现视频图像存在的质量问题，保证视频监控系统的正常稳定运维，同时降低维护工作的人力成本，智能视频质量诊断技术应运而生。
 

　　智能视频质量诊断技术现状
 

　　智能视频质量诊断系统是智能视频质量诊断技术实现的载体，是将图像质量评价模型借助计算机算法实现，通过对前端设备传回的视频图像质量进行智能分析和评估,发现其中存在的质量问题进行判断并预警。
 

　　目前智能视频质量诊断系统可判断的视频图像质量问题已基本覆盖日常视频监控系统常见的异常状况，并在此基础上进行了适当延展(如图1所示)。

 

　　各厂家根据自身产品定位和应用场景的不同，在具体实现上存在一定的差异，例如OSD字幕校验是*的重点要求，而视频帧数检测较多的则出现在银行等金融行业的相关文件要求中。
 

　　在视频质量诊断处理能力方面，各相关厂家由于诊断的问题项存在或多或少的差异，所以在诊断处理能力上存在一定差别，但对于大型视频监控系统多采用分布式部署方式，单机诊断能力仍有提升的空间。
 

　　在视频质量诊断准确率方面，在白天日照充足的情况下，对于较为常见的黑白图像、亮度异常等问题的诊断一般都较为理想，但对于画面冻结、视频抖动等异常问题的诊断，受网络状况突变或人为震动干扰等条件影响存在较高的误报率，而光照和天气变化等情况下，视频质量诊断准确率有较大幅度的下降。
 

　　从应用角度来看，目前在安防行业视频质量诊断系统大多以独立诊断工具和平台模块两种方式存在，其中平台类多用于较为大型的视频监控系统，工具类则偏向小型视频监控系统的补充。
 

　　视频质量诊断系统面临的困境
 

　　视频质量诊断技术通过多年的发展已经能够基本满足现今视频监控系统输出的视频质量诊断的基本需求。但面对规模较大的视频监控系统，以及对视频图像全时可用和质量要求的进一步提高，视频质量诊断技术仍存在以下主要问题：
 

　　1、天气变化下视频质量诊断准确度提升问题
 

　　目前视频质量诊断系统在雨雾、大风等恶劣天气变化时仍存在误报率高的问题。目前主要采用人工关闭检测项、调低预警阈值的方式避免误报，而在天气转好后再人为开启检测和阈值回归调整，不但增加了工作量，而且一旦修正恢复不及时也将影响视频质量诊断系统的应用效果。
 

　　2、视频监控系统不断扩大下的降本增效问题
 

　　随着视频监控系统的规模不断扩大，监控摄像机的数量剧增，目前视频质量诊断系统的单机处理能力对大型系统仍然存在瓶颈，通常采取的解决方案是依赖多台诊断服务器同时进行来提升效率，随之而来的是成本的增加，所以降本增效是目前的重要需求之一。
 

　　3、视频质量诊断故障原因的精准定位问题
 

　　保证视频图像质量和提升应用效能是视频质量诊断系统的目标，诊断出问题后的故障处理是整个闭环的重要节点。对画面冻结、视频丢失等问题存在多种故障原因，网络故障、电力供应等因素的变化也可能导致视频图像质量的变化，所以故障原因的精准定位仍是目前需要解决的问题之一。
 

　　4、视频质量诊断应用场景扩展的问题
 

　　目前视频图像质量诊断系统普遍倾向于通用性，是以运维角度看待视频图像质量诊断。这种角度增强了系统的普适性，但与业务的融合度不太理想，一定程度上影响了视频质量诊断的效率。
 

　　视频质量诊断技术未来的发展趋势
 

　　随着图像处理、计算机视觉以及人工智能等技术的进步，视频质量诊断技术得到了良好的发展和应用。笔者认为，未来的发展将集中在提升诊断效率和准确率、完善故障处理闭环和扩展应用场景等方面。
 

　　1、深化计算机视觉和关联分析技术的融合应用
 

　　目前为应对夜间亮度变化等因素引起的视频图像质量诊断误报问题，通常采取“日出日落时间+动态策略”的方式，取得了一定的效果。同理，对于大型的视频监控系统，为有效解决雨雾等天气对视频图像质量诊断造成的干扰，视频质量诊断系统可与气象数据进行融合，通过了解实时的天气情况，动态地调整视频质量诊断系统的预警策略，从而降低因雨雾等天气原因导致的误报发生和事后的自动回归。同时借助计算机视觉技术可以更精确地识别恶劣天气，作为判定视频图像质量的重要信息支撑，也可实现预警策略的动态调整和事后的自动回归。如将气象信息与计算机视觉得出的信息进行关联分析，融合光照、气温、湿度等信息，则能够实现更智能、更精准的预警信息。
 

　　2、深化大数据和机器学习技术的融合应用
 

　　视频质量诊断技术一般是通过固定的算法模型对视频质量做出判断，采用的是客观评价的方式，其评价的方法较为固定，无法实现灵活应对，并且对于图像质量的判断标准不统一，存在误报和漏报等问题。通过引入时间、天气以及位置等多种因素数据，结合对于误报和漏报视频的主观评价(相关人员通过视频诊断系统进行主观评分和判定结论)，通过大数据分析和机器学习动态调整视频质量诊断系统的算法模型，经过一定时间的训练，使得诊断算法更趋近于主观评价结果，从而提高诊断的准确率。例如当发生因为沙尘天气导致的噪声干扰预警，通过人为对该误报进行定义，系统获取该误报情形和人为定义信息，甚至是气象数据，对诊断算法模型进行改进，从而提高系统诊断的准确率。
 

　　3、应用根本原因分析思维构建大运维体系
 

　　根本原因分析是一种结构化的问题处理法，通过溯源的方式逐步找出问题的根本原因并加以解决，而不仅去关注问题的表象，同时制定问题预防措施防止问题的重复发生。单个摄像机视频图像画面丢失可能是设备自身故障，但当一定关联性的多个摄像机视频图像画面丢失时，故障则极大可能发生在汇聚节点，例如交换机断电，此时根本原因即电力供应。
 

　　视频质量诊断发出的预警是表象，视频质量变化诱因是故障原因，根据表象分析故障原因是运维工作的重点之一，产生视频质量变化的诱因可能只有一种也有可能是多种，此时快速找到根本原因是提升运维效率的重点。将视频质量诊断系统与视频网运维、IT运维以及环境运维进行充分融合，实现由反映表象向通告故障原因的转变，并通过自动化工单系统将故障快速排除，是视频质量诊断系统在运维领域的重要应用。
 

　　4、视频质量诊断与业务融合提升诊断效益
 

　　目前视频质量诊断系统普遍服务于运维工作，是追求全面的视频图像质量保障。而随着图像处理和计算机视觉等技术的发展，视频监控系统已经在原来的“事中监控、事后溯源”基础上实现了“事前预防”的巨大进步，甚至是将安防与服务结合的方向，例如视频门禁系统、校园“明厨亮灶”等，对视频图像质量的实时性要求更高，所以研究视频质量诊断和视频监控业务的关联应用是未来发展的方向之一。贴合视频监控业务开展需要可以有效地简化诊断要素，提高对视频图像质量的容忍度，在提升视频质量诊断效率和准确度上形成优势。
 

　　5、持续深化产学研结合，促进评价方法和算法提升
 

　　科研机构和专业大学是相关科技成果和人才的重要来源，企业是科技成果落地的主要阵地，通过“产研结合”以及“校企合作”等方式，深化产学研相结合的协同创新模式，实现优势资源的高效利用，加快创新应用，从而在图像质量评价方法和算法模型等方面促进视频质量诊断技术的发展，是实现降本增效的重要途径。
 

　　视频质量诊断技术作为及时发现视频质量问题的智能化手段，在为视频监控系统效用提供了保障的同时，也大大降低了管理人员的工作量，是大型视频监控系统*的辅助工具。与大运维平台的充分有机结合，将实现视频质量问题根本原因的有效分析，提高视频图像质量问题的故障排除效率。产学研相互结合，大数据分析和机器学习等技术的深度应用和业务端的融合是未来提升视频质量诊断效率和准确率的有效方法。