网站规划的原则有哪些潍坊疫情最新消息

0.引言

视频质量画面冻结检测已在C++基于opencv4的视频质量检测中有所介绍，本文将详细介绍其优化版本。

1. 原始代码分析

图像抖动检测的原始代码：

bool ScreenFreezeDetection(const cv::Mat& srcImg) {if (srcImg.empty()) {return true;  // 直接返回true表示检测故障}cv::Mat backgroundA, backgroundB;// 1. 获取云台运动前的背景Astatic int frameCount = 0;if (frameCount < NUM_FRAMES) {if (frameCount == 0) {backgroundA = cv::Mat::zeros(srcImg.size(), srcImg.type());}cv::accumulate(srcImg, backgroundA);++frameCount;if (frameCount == NUM_FRAMES) {backgroundA /= NUM_FRAMES;}return false;}// 2. 发送云台运动指令，改变场景// 3. 获取云台运动后的背景Bif (frameCount < 2 * NUM_FRAMES) {int currentFrameIndex = frameCount - NUM_FRAMES;if (currentFrameIndex == 0) {backgroundB = cv::Mat::zeros(srcImg.size(), srcImg.type());}cv::accumulate(srcImg, backgroundB);++frameCount;if (frameCount == 2 * NUM_FRAMES) {backgroundB /= NUM_FRAMES;}return false;}// 4. 计算背景A和背景B的颜色直方图cv::Mat histA, histB;int histSize = 256;float range[] = {0, 256};const float* histRange = {range};cv::calcHist(&backgroundA, 1, 0, cv::Mat(), histA, 1, &histSize, &histRange, true, false);cv::calcHist(&backgroundB, 1, 0, cv::Mat(), histB, 1, &histSize, &histRange, true, false);// 5. 计算直方图的相似度（使用相关性比较方法）double histSimilarity = cv::compareHist(histA, histB, cv::HISTCMP_CORREL);// 6. 判断相似度是否小于阈值，如果小于则认为画面冻结if (histSimilarity > HIST_SIM_THRESHOLD) {return true;} else {return false;}
}

存在的问题：

1. 依赖外部设备运动：该算法需要通过控制云台运动来改变摄像机的视角，以获取不同的背景。这在实际应用中可能不方便，增加了系统的复杂性和成本。

2. 复杂的背景处理：使用了帧累积和直方图比较的方法，计算量较大，效率较低。

3. 静态场景误判：对于本身就没有明显变化的静态场景，可能误判为画面冻结。

2. 优化方案

• 取消对云台运动的依赖：改为直接比较连续帧之间的相似度，避免对外部设备的依赖。

• 使用结构相似度（SSIM）：SSIM是一种衡量两幅图像相似度的指标，考虑了亮度、对比度和结构信息，比简单的直方图比较更准确。

• 引入冻结帧计数：只有当连续多帧都满足冻结条件时，才认为画面冻结，减少了误报率。

• 简化代码结构：移除了累积帧和直方图计算的复杂操作。

3. 优化后的代码

#include <opencv2/opencv.hpp>
#include <opencv2/quality.hpp>  // 需要OpenCV Contrib模块/*** @brief 检测画面冻结的函数* @param[in] srcImg 输入的当前图像帧* @return 如果检测到画面冻结返回true，否则返回false*/
bool ScreenFreezeDetection(const cv::Mat& srcImg) {static cv::Mat prevImg;static int freezeFrameCount = 0;const int FREEZE_THRESHOLD = 30;  // 冻结帧计数阈值const double SIMILARITY_THRESHOLD = 0.99;  // 相似度阈值if (srcImg.empty()) {return true;  // 输入图像为空，认为画面冻结}if (prevImg.empty()) {prevImg = srcImg.clone();return false;  // 第一帧，没有参考，无法判断}// 计算当前帧与上一帧的结构相似度（SSIM）double similarity = cv::quality::QualitySSIM::compute(srcImg, prevImg, cv::noArray())[0];if (similarity >= SIMILARITY_THRESHOLD) {// 如果相似度高于阈值，认为画面可能冻结freezeFrameCount++;} else {// 相似度低于阈值，认为画面正常freezeFrameCount = 0;}prevImg = srcImg.clone();// 如果连续的冻结帧数量超过阈值，认为画面冻结if (freezeFrameCount >= FREEZE_THRESHOLD) {return true;} else {return false;}
}

4. 代码详细解读

流程说明：

• 开始：函数ScreenFreezeDetection开始执行。

• 检查输入图像是否为空：如果为空，返回true，认为画面冻结。

• 检查prevImg是否为空：如果是第一帧，初始化prevImg，返回false。

• 计算SSIM相似度：使用当前帧和prevImg计算SSIM相似度。

• 判断相似度是否超过阈值：如果相似度高，认为画面可能冻结，冻结帧计数器加1；否则，重置计数器。

• 更新prevImg：将当前帧保存为prevImg，供下一次计算使用。

• 检查冻结帧计数器是否超过阈值：如果超过，返回true，认为画面冻结；否则，返回false。

代码说明：

• 使用静态变量保存上一帧图像和冻结帧计数器：prevImg保存上一帧，freezeFrameCount统计连续冻结帧的数量。

• 计算SSIM相似度：使用cv::quality::QualitySSIM::compute函数计算当前帧与上一帧的SSIM相似度。

• 判断画面是否冻结：如果相似度超过阈值SIMILARITY_THRESHOLD，则增加冻结帧计数；否则，重置计数。

• 返回检测结果：当冻结帧计数超过阈值FREEZE_THRESHOLD，认为画面冻结。