电视视频图像帧的监测与识别技术研究

梁舒婷

摘 要 随着电视视频质量越来越高，借助于智能化技术来鉴别视频图像帧异常，来改善画面清晰度。如OPENCV函数工具库提供的视频图像比对匹配处理算法，可以根据不同视频画面要求进行快速、准确、高效比对匹配。现从技术原理探析视频图像帧的监测与识别方法，并结合软件对其实现方法进行探讨。

关键词 电视；视频图像处理；帧监测与识别

中图分类号 TN94 文献标识码 A 文章编号 1674-6708（2018）225-0075-02

现代电视技术的发展，推动电视内容、画面的更加丰富与多样，特别是数字电视、3D电视、高清电视等已经走进千家万户。从电视画面质感、高保真声效所带来的独特的视听享受来看，必蕴含着高尖端视频图像处理技术。从技术层面上，對于过去的电视视频画面的监测与识别，多采用人工方式，而现代TB级数据量的增长，迫切需要智能化技术来确保电视视频、声音等信号的良好、稳定、可靠。如画面不能有彩条、彩场、黑场等。为此，引入现代电视视频图像帧监测与识别技术，对电视画面进行自动鉴别、提高电视信号传输稳定性，对可能存在的电视码流进行判断与处理就显得尤为重要。

1 电视视频图像帧的监测与识别技术

在电视信号传输、视频图像播出中，如果出现静帧、黑场、彩条等异常图像，都需要进行快速准确处理，以保障高质量、连续不断的视频输出。不过，在电视视频图像中，对于台标，以及各类视频模板，需要局部或全部、定点或不定点的显示，这些视频图像的识别，就需要通过另一中处理方法来解决。通常，在技术原理上，主要有两种技术手段，来实现视频图像帧的监测与识别判断。

1.1 基于场景的视频图像帧的监测

在视频图像领域，场景图像是最基本的概念，可以是全幅画面，或者整幅画面。如一些黑场、彩场、彩条等特定场景图像，如果在电视信号播出中出现，则可能定性为播出事故。国家广电总局根据相关技术规范，对各省级、卫星电视频道都提出了具体的要求。为此，采用不同的视频图像帧监测软件，来对整个电视图像帧图像画面进行监测、识别与判断，来提高对特定场景图像的识别率，减少和杜绝播出事故。从技术层面上，对于电视视频图像帧的监测与识别，主要从场景图像的监测判断来处理。首先，根据不同场景图像的特征进行监测与识别。如特定场景中黑场、彩场、彩条等画面，其图像结构相对单一，在处理方法上较为容易。可以结合电视图像帧中出现黑场画面、持续时间等进行判断，来完成识别并处理。黑场画面，其信号、图像具有显著的特征，通常具有低电平或零电平，导致信号画面丧失而黑场。在监测方法上，只要对视频图像信号电平进行监测，如果出现低电平或零电平，且超过某一规定的时长，则将判断为黑场。当然，在技术上，对于黑场的表征，也非完全的没有图像，而是出现低于某一低电平。另外，对于视频中断、码流为零，也会出现黑场。所以说，在参照电平判断模式上，还要对信号的有无、信号是否中断进行判断，来减少黑场监测的误差。

根据电平来进行判断，无论是模拟信号还是数字信号，对所需硬件设备都提出较高的灵敏度，利用现代视频监测技术，可能快速、准确分辨有无视频信号、电视信号电平的高低变化。利用视频信号监测系统，从黑场波形规律上，表现为某一时钟参考下的电平为低电平或零电位直线，也可能是无信号。在视频像素点定义上，黑场画面表示为“0”或“F”。因此，利用监测系统，可以对黑场画面进行准确定位，甚至可以对某一像素点进行精确定位和识别与判断。

针对电视视频图像帧的监测与判断，在场景图像基础上，以前后两帧图像是否出现一样或近似一样，在视觉感官上呈现画面静止不动。该类情况如果出现的时间超过规定值，则判断为画面静帧。动态画面的监测，可以从图像层前后帧的像素值大小或图像矩阵特性来分析，采用的帧差算法是对前后两帧差值是否大于某一阀值，当大于该阀值时，则被判定为有运动物体。否则，当前后两帧图像像素点差值小于某阀值，则可以判定为静帧画面。借助于OPENCV工具库，可以通过专门的函数对前后两帧像素点的像素值进行差值判定，当差值为零或近似为零，则表示为理想状态；当差值超过某阀值，则可以判定视频图像画面是否存在静帧。

1.2 基于图像模板进行图像帧识别与判断

在电视视频输出中，角标、台标的悬挂往往成为视频编辑的基本模式，而对于这些模板图像，如何在播出中进行有效监测、识别和判定，就需要从模板图片与视频画面图像进行对比匹配。比对匹配是图像帧监测、识别判断的重要方法，也是视频图像处理的难点。与现代数字图像技术相比，指纹识别、面部打卡、手机指纹开锁等软件，所采用的图像处理技术，多是通过图像的比对匹配来进行。同样，在电视信号图像帧的监测与识别中，对于图像模板信号也是采用比对匹配方法来实现。

通常，针对特定的图像模板，利用视频图像中某一段视频或某一帧图像，与之相类似的图像进行比对，当匹配图像比对一样或大于某一区域则比对成功。如对一些监控视频、视频图像中的镜头、内容进行检索多采用比对匹配技术。不过，考虑到当前视频数据、容量的几何级增长，在对某一视频图像进行比对匹配时，单凭人工审查方式是难以为继的，且准确率也不高。因此，引入OPENCV函数工具库中的相关图像比对匹配算法，如cvMatch Template、Sift函数算法等，借助于函数算法来完成图像的比对匹配处理，既能够提升准确率，还能提高处理效率。

2 OPENCV视频工具库图像帧监测与识别的实现方法

在OPENCV软件视频监测工具库中，其多种视频图像处理函数及算法，为实现图像帧的监测、识别提供了可能。从技术上，OPENCV工具库所采用的是基于C语言、C++语言平台，根据电视视频监测与识别需要，配置不同的软件调试版本和运行环境。如VC2010+OpenCV2.x.x，可以实现对视频图像的强大处理，提高电视视频视效。

2.1 OPENCV运行环境

OPENCV是Open Source Computer Vision Libray的简称，主要采用C语言、融入C函数，以及C++类构成免费的跨平台视频视觉工具函数库，由于其开源性特征，可以在Mac OS、Linux，以及Windows等平台运行，且具有轻量、高效图像数据处理优势。另外，该工具库还能够与MATLAB等进行对接，实现图像处理与计算机视觉呈现的多种应用。如提供的多种视觉函数接口，可以为提高视频画面帧的监测、识别及不同处理提供方便。

2.2 Windows下的视觉处理设计

在Windows系统环境下，引入OPENCV视频处理软件，可以利用MFC调试窗口，来实现对C语言函数库的调用和设计，特别是在MFC窗体下，便于调用VC6.0与OPENCV两者的视频代码及接口配置，来完成对视频检错、纠错等功能。如在某视频图像帧监测与识别判断中，可以对图像边缘化、反色、人脸识别等进行处理，还可以在视频处理与运算中，引入视频流功能，通过视频函数来实现对前帧、后帧数据的处理。考虑到电视视频播速为25帧/秒，对每一帧的播放时长不能超过40ms，如果高于40ms，则进行计算处理。

当然，该时长限定仅对实时图像的处理有要求，而对于非实时图像，则需要从画面的每一帧进行顺序处理即可。以电视台视频中台标模板的监测与识别为例，对于视频中的台标信息，需要从给定模板进行比对匹配。利用OPENCV工具库中cvMatch Template函数，通过对给定模板图像信息与整幅视频图像信息进行比对匹配，其方法为：利用模板圖像信息，使其平移方式滑过整个待匹配图像，当模板图像与待匹配图像中的模板图像一样，或者说模板图像与待匹配图像中的相同大小的图像区域重叠，则显示红色方框，说明匹配成功。反之，如果在进行平移匹配中没有成功，则不显示红色标记框。不过，由于函数cvMatch Template算法仅适合较小的、且固定的角标、台标图像，对于相对较大的图标，则无法进行准确监测与识别。

利用另一函数cvMatch Shape，则可以根据图像结构大小进行适当比例的缩放处理，借助于视频图像特征值的抽取比对，来判断匹配结果。如对于图像中的的彩条模板，可以与待匹配图像进行比对，当出现与彩条图像相似的区域时，利用红色框来标记。该函数的特点在于能够对模板图片进行与之相似的视频检索，且满足对任一区域视频图像的比对匹配。不过，由于在图像特征值的抽取上进行检测，存在一定误报率，还需要与其他算法进行组合，来提高视频图像帧的监测与识别准确性。

3 结论

从数字视频图像处理技术的发展来看，图像帧的监测与识别，需要从不同软件设计上，借助于函数、算法，来提高视频图像帧的监测成功率。当然，不同视频图像处理软件在实施中，还要对其运行环境、函数算法、代码调试等进行挖掘，来制定相对完善、周全的视频处理模式。

参考文献

[1]于居新.浅谈广播电视数字图像相关测量技术的应用[J].数字通信世界，2018（3）：223.

[2]花逢春.电视视频图像帧的检测与识别研究[J].科技创新与应用，2017（18）：83.