摘要：随着图像处理技术和计算机技术的迅猛发展，视频图像的数字化和网络化已然成为未来发展的主要趋势。然而，在监控摄像装置的使用中，难免会受到系统本身、安装环境以及使用环境等因素的影响，导致视频帧间存在间歇性的不同形式的位移，即视频抖动。摄像机的间歇性抖动，不仅降低了视频图像的视觉效果，还可能会造成重要细节的丢失。所以，完成对于视频图像在抖动过程中的精准监测，提升输出视频图像的质量，将会受到各行业的广泛关注。
关键词：摄像机视频；间歇性；异常抖动；自动监控方法
1 基于多帧预测编码的视频间歇性抖动自动控制方法研究
1.1 视频图像抖动区域的预测编码与解码
在现阶段，也有不少学者致力于研究视频抖动的自动监控算法研究，也都有一定的效果，但从本质上来讲，大部分还是基于二维图像来做研究，在监控范围及检测时间上存在一些问题，遇到高分辨率的视频文件，处理起来较为费劲。为了适应要求越来越高的视频图像标准需求，视频编解码技术也在不断改进与修订，其中，H.264AVC作为一种运用非常广泛的数字视频图像编码协议规范，十分引人注目。就监控视频图像而言，在进行编码和解码的过程中，上述协议把整个视频图像压缩分为了两个方面：一方面是视频编码，另外一方面是网络抽象编码，这种数字视频图像编码的标准非常普遍，除此之外，上述协议把视频图像压缩的整个过程划分成了两个抽象级别，一个是视频编码，另外一个是网络编码，不会给图像传输造成不良的干扰，同时还可以降低对视频进行解码时的困难程度，能够将视频图像进行分离处理，使得视频图像可以重新的进行排序。对于每一个多帧图像而言，其都有一个专属的网络传输单元，可以把视频图像文件再进行压缩编码的过程中，分成很多个部分，这可以在很大程度上降低由于图像抖动使得监控方面数据之间产生的影响，同时更好的分辨图像的背景和前景，正常的图像进行比较分析。对于需要进行监控视频图像来说，在进行编码和解码操作的过程中，其标准规范要完全一样，同时需要在相同的图像矢量框架下，进行有关的处理工具的设计。在需要进行监控以及识别的视频图像中收集相关信息，按照图像像素在图像帧之间的排列，对于图像的解码进行有关的估计。在视频图像进行解码的过程中所获得的补偿宏块里，按照H.264AVC协议的规范估计多帧图像的编码输出。对于视频里面像素不相同的图像实施有关处理，使得图像宏块更加健全。就视频图像的编码来说，解码是其逆向进行的操作，解码的操作跟编码的操作不一样，高频帧数系数比较适用于分辨高清图像的非正常抖动现象，所以，运用高频帧数进行估计的过程中，可以分辨出多帧图像里面的纹理数据。对于视频图像来说，编码块是其中最小的一部分，对于图像编码块附近的有关数据进行分析，从而做到估计每一帧图像像素的分布状况，这样可以帮助发现两个靠近的图像之间的不同之处。在H.264AVC协议的基础上，对于残差的数据量进行相关的变换操作，在进行变换的地方有很多的低频数据信息，在低频区重点进行的操作是比较多帧相邻图像像素的对比度还有亮度，看这两个方面是不是存在很大的区别，不仅如此，在低频图像信息量进行对比的过程中，在很大程度上 提升了抖动自动监控的有效性。视频图像的帧内预测这种方法，在根本上来说属于空间范围内的编码估计，采用这种方法进行估计的过程中，要对于图像像素点的各个方面进行有关的考虑，除此之外，辨别视频图像的非正常抖动现象，也需要结合视频编码特征矢量实施有关的分辨。
1.2 视频间歇性异常抖动的自动监控实现
首先，对于视频图像编码的非正常抖动现象所采取的自动监控方式，需要找出视频图像中的特征矢量点，并且进行相关的检测，探究视频中的子系列对于特征点方面的跟踪状况。在实施图像跟踪处理的操作中，最小的单位是图像快，但是通过编码压缩处理后的图像，其特征矢量以及图像的信息不容易出现丢失的情况。通过提取相邻子序列中位置相近的像素点，并对其运动特征矢量进行对比，可判断出相邻帧图像是否相似，从而实现对异常抖动的判断。其次，在对视频图像实施间歇性抖动的监控过程中，想要提升处理图像的有效性，还可以把摄像机搜集到的视频的彩色图像实施灰度化处理，按照线性灰度变换来改善和优化视频图像的前景和背景的对比度，使得视频所呈现出来的画面更加的干净，更容易找出非正常抖动的地方。最后，还要对完成灰度处理后的视频图像进行底层全检测和分级控制检测。底层全检测可以分析异常抖动监控是否可靠，而分级检测可以对清晰度更高的视频图像进行分析，并识别出异常抖动原因和严重程度。
2 实验部分
本次实验主要是选用视频图像数据帧速率大于105帧/秒的视频图像，这样就可以达到间歇性异常抖动监控实时显示的目的，相关数据参数标准如下表所示。
表1实验指标数据
.png)
本次实验的研究对象主要是摄像头等固定设备拍摄的视频图像，固定设备的拍摄需要选择比较固定的拍摄背景，通常情况下视频图像的抖动都具有一定的规律。选取6块图像，并在没有视频图像抖动的情况下具体的图像位移矢量数据如下表所示。
表2无异常抖动条件下图像位移矢量值
.png)
对于不同的视频监控方法，其所产生的视频图像抖动X轴与Y轴抖动位移矢量偏离值是不同的，本文所提到的方法是最合理的，基本接近无抖动的情况。因此，通过使用本文所提到的视频监控方法可以用最短的时间精确无误的对监控中有抖动的地方处理识别，保障监控视频图像的质量。一般情况下，我们通过峰值信噪比PSNR来判断一个视频图像的质量，如果视频图像的峰值信噪比取值范围区间接近于PSNR，那么说明这个视频图像的清晰度以及质量越高。但是视频图像的峰值信噪比的分布会受到视频图像的抖动影响，随机选取120帧连续的视频图像，通过文中控制方法，可发现这120帧连续图像像素的峰值信噪比大多数都处于20到40这个最好的区间范围内，并且多数分布趋近于40，只有极少数的分布不在该区域内。对于传统的方法来说，它的视频图像异常抖动间歇性监控实时显示的效果较差，同时其有较多的像素点的PSNR值分布超过了最优的区域，因此，传统方法无法满足现在自动监控的要求。
结束语：
对于摄像机监控和具体的拍摄来说，机器本身系统的问题与摄像周围环境的影响会导致拍摄的视频图像出现异常抖动的状况。为了解决此类问题，本文在视频图像压缩编码的基础上提出了间歇异常抖动自动监测方法，该种方法利用视频图像编码和解码的过程识别出相邻帧图像的像素差异，还可以将视频图像根据实际情况进行分块，全方面提升自动监控的准确度与相应图像的质量。
参考文献：
[1]范金磊.张征宇.黄叙辉.基于尺度时间均衡的高速风洞视频测量图像闪烁修正方法[J].实验流体力学，2018，32（2）：82-88.
[2]陈名松.邱晓金.许笑.基于OpenCV与Socket的网络视频监控系统设计与实现[J].现代电子技术，2017，40（2）：57-59.
论文作者:刘文晓
论文发表刊物:《基层建设》2019年第31期
论文发表时间:2020/4/13
标签：图像论文; 视频论文; 间歇性论文; 方法论文; 矢量论文; 异常论文; 过程中论文; 《基层建设》2019年第31期论文;