電視視頻圖像幀的檢測與識別研究

花逢春

摘 要：在電子技術不斷發展的推動下，社會、科技步入了新的發展階段。在人們生活中最明顯的體現就是電視技術的發展，從過去單一的電視發展為現代高清電視、數字電視。這種轉變充分體現了電視的獨有特性，不同于其他終端，電視的畫面質感、清晰度較高，聲音保真度較高，因此電視可以帶給人充分的視覺享受。而電視圖像畫面的呈現無不以電視圖像處理技術以及電子圖像顯示技術為基礎。

關鍵詞：電視；圖像幀；檢測；識別

隨著數字圖像處理技術在高清電視、數字電視領域中的廣泛應用，電視視頻圖像監測技術也得到了越來越多的關注，并且隨著圖像監測技術的不斷完善，人們可以借助更加智能化的手段鑒別電視播出中不符合要求的畫面。例如處理異常信號，對電視傳輸波形、頻率進行監測，或者在傳輸碼流基礎上對電視畫面進行檢測處理，以及基于內容畫面處理法等，不但圖像處理方式更加多元化，處理精度也越來越高，有效保證了電視視頻畫面質量。

1 檢測識別技術手段

1.1 圖像模板圖像的監測判斷

電視節目播出時常常需要在視頻圖像上掛臺標以及一些角標，這些固定模板圖像的判斷識別不像電視黑場的判斷識別一樣，需要涉及比對匹配模板圖像與視頻圖像的問題，因此相對復雜。

計算機圖像處理中的比對匹配技術始終是技術研發的重難點，例如手機的指紋開鎖技術、識別門禁系統等，都是利用了數字圖像處理技術對指紋以及面部圖像進行比對匹配，當然在實踐應用中還會涉及其他復雜的技術。而在電視圖像監測中，主要將視頻圖像同給定的模板進行比對，若視頻中出現一段或一幀類似圖片，并且對比結果大于某一范圍則比對匹配成功。在當今視頻內容以及容量劇增的環境，單純的利用人工搜索的方式在視頻中找出特定的畫面，不但效率低，精準度也相對較差。但是利用數字圖像比對匹配技術則可以快速精準的得到結果。然而比對效果依照給定函數算法的不同而不同。OPENCV 函數工具庫里就提供多種圖像比對匹配處理的函數算法，如 cvMatchTemplate 和 Sift函數算法就是 OPENCV 函數工具庫里用得比較多的兩種不同圖像比對匹配處理算法。在下面實現方法里就著重講解這兩種圖像比對匹配處理算法或函數對圖像比對匹配的問題。

1.2 場景圖像為基礎的監測判斷

對省級以上電視頻道，國家新聞出版廣電總局有著相應的規范規定，并且利用監測軟件對上星頻道、衛星頻道進行實時監測，以保證這些電視頻道播出內容符合技術指標和規定。從技術角度分析，實時監測技術主要有兩種。

場景圖像種類相對有限，并且圖像結構相對簡單，因此處理難度相對較小。比如電視視頻圖像中突然出現了黑場畫面，當全屏、全幅或整幅電視視頻圖像畫面都是彩條或彩場，視頻出現圖像靜幀等。從數字圖像處理方面對靜幀問題進行分析，即視頻播放過程中，兩幀圖像出現了近似或一樣的畫面，從而令人在感官上有一種畫面靜止的感覺。若這種畫面靜止問題持續時間超過規定范圍，則判定為靜幀。從圖像層進行分析，在日常的圖像處理中，若前后兩幀差法超出一定范圍，則判定視頻中有運動物品。相反，如果兩幀之間的臨圖差值小于某一范圍，利用這種監測方式，可以判定這一場景是靜幀。在OPENCV中針對兩幀畫面有專門的函數，用于去噪和像素值做減，在理想狀態下，即像素差值接近于0，并設置某一閾值，通過對視頻進行調整，使得其差值不超過這一閾值，如此狀態變為靜幀，即出現了近似畫面或一樣圖像。以場景圖像為基礎的視頻圖像監測以及靜幀判斷，在電視視頻的監測中就是比較視頻圖像幀以及特定的幾種場景。通過這種方式進行監測判斷相對簡單。而其他不常規的電視視頻圖像場景的識別判斷就復雜得多，對電視播出安全來說也沒有什么實際意義。

2 實現方法

眾所周知，OPENCV的工具庫中，針對視頻圖像的處理算法以及函數非常豐富，通過其中的視覺函數的有效運用可以發揮強大的視覺效果，因此其視頻圖像處理能力相對較好，尤其在VC6.0環境下以及C++語言、C語言環境下運行時。從而有效發揮電視播出畫面的識別、監測作用。

2.1 運行環境

由于OPENCV是一個由采用C語言進行的一系列C函數和少量C++類構成的基于（免費、開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上，由于它是一個很好的用于圖像處理、分析、機器視覺方面的開源函數庫、工具庫，輕量且高效，而且還提供了MATLAB等多語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。同時還為用戶提供友好的機器視覺函數接口，在多核機器上面，其處理和運行速度上會更快，這為我們今天在電視視頻圖像領域處理和大量電視視頻畫面幀的檢測與識別帶來方便。

2.2 軟件的應用效果

MFC為OPENCV提供了更加便捷的窗口界面，在Windows系統下，VC6.0提供了人機交互更加友好的MFC，并將OPENCV同C++語言結合起來，令運行編譯更加便捷。由于在MFC環境下的界面設計了更加人性化的按鈕功能，同時疊加了C語言和C++語言共功能，令書寫環境更加便捷，同時二者結合后接口配置更加符合人們的使用習慣，在檢錯糾錯功能上更進一步。

除了對圖片進行反色、邊緣化處理外，數字圖像處理還可以進行判斷處理人臉識別功能，因此也適用于視頻圖像處理，只不過增加了處理過程中的運算量。而在處理實時視頻流時，除了考慮運算量的增加外還要考慮軟件的處理速度以及優化函數問題，保證其處理速度小于40ms，即視頻一幀圖像的播放時間。電視的播放速度一般為25幀/s，一幀畫面停頓時間為40ms，若運算時間過長，一幀沒處理完一幀圖像就來了，就無法完成處理。當然，這只是在實時視頻圖像處理中的要求，在非實時視頻中只需要保證能夠處理完每幀畫面就可以，不要求處理時間。以OPENCV中的cvMatchTemplate函數算法為例，利用該算法處理時只能進行大小固定的臺標、角標的處理，而對圖像縮小、放大等情況就無法進行判斷、識別。此時就需要利用cvMatchShapes函數算法。該函數算法能夠比對依照比例縮放的相似圖像，通過比對視頻圖像特征值以及模板圖片的抽取，對視頻畫面進行匹配。目前圖像處理技術針對圖像的比對、圖像的匹配等提供了諸多函數和算法，并且從網絡上，圖像匹配對比相關算法的數量也越來越多，本文只列舉兩種較為常用的函數進行簡要分析。雖然圖像識別技術越來越多元化，借用函數算法后能夠更加智能，但是函數算法并非萬能，有時候也會出現問題，在運行過程中必須對其進行調試，依照實際需要更具視頻圖像對相應參數繼續調整，從而令圖像的甄別功能更加完善。

3 結束語

上文主要分析了VC6.0+OPENCV軟件的思路及使用方法，并對軟件處理視頻圖像的效果以及模板匹配相關內容進行了分析。雖然本文沒有針對詳細的實施過程以及軟件的配置、代碼運行和具體的函數算法進行敘述，僅僅抽象的對軟件使用思路以及技術原理進行探討，希望可以研討出性能更優越的視頻圖像處理、監測軟件，從而更好的推動我國電視產業發展。

參考文獻

[1]劉長濤.電視視頻圖像幀的檢測與識別技術的實現研究[J].現代電視技術，2017（1）：100-103.

[2]華琴琴.現代電視視頻圖像監測技術的發展研究[J].現代電視技術，2014（5）：88-89.