电视视频图像帧的检测与识别研究

花逢春

摘 要：在电子技术不断发展的推动下，社会、科技步入了新的发展阶段。在人们生活中最明显的体现就是电视技术的发展，从过去单一的电视发展为现代高清电视、数字电视。这种转变充分体现了电视的独有特性，不同于其他终端，电视的画面质感、清晰度较高，声音保真度较高，因此电视可以带给人充分的视觉享受。而电视图像画面的呈现无不以电视图像处理技术以及电子图像显示技术为基础。

关键词：电视；图像帧；检测；识别

随着数字图像处理技术在高清电视、数字电视领域中的广泛应用，电视视频图像监测技术也得到了越来越多的关注，并且随着图像监测技术的不断完善，人们可以借助更加智能化的手段鉴别电视播出中不符合要求的画面。例如处理异常信号，对电视传输波形、频率进行监测，或者在传输码流基础上对电视画面进行检测处理，以及基于内容画面处理法等，不但图像处理方式更加多元化，处理精度也越来越高，有效保证了电视视频画面质量。

1 检测识别技术手段

1.1 图像模板图像的监测判断

电视节目播出时常常需要在视频图像上挂台标以及一些角标，这些固定模板图像的判断识别不像电视黑场的判断识别一样，需要涉及比对匹配模板图像与视频图像的问题，因此相对复杂。

计算机图像处理中的比对匹配技术始终是技术研发的重难点，例如手机的指纹开锁技术、识别门禁系统等，都是利用了数字图像处理技术对指纹以及面部图像进行比对匹配，当然在实践应用中还会涉及其他复杂的技术。而在电视图像监测中，主要将视频图像同给定的模板进行比对，若视频中出现一段或一帧类似图片，并且对比结果大于某一范围则比对匹配成功。在当今視频内容以及容量剧增的环境，单纯的利用人工搜索的方式在视频中找出特定的画面，不但效率低，精准度也相对较差。但是利用数字图像比对匹配技术则可以快速精准的得到结果。然而比对效果依照给定函数算法的不同而不同。OPENCV 函数工具库里就提供多种图像比对匹配处理的函数算法，如 cvMatchTemplate 和 Sift函数算法就是 OPENCV 函数工具库里用得比较多的两种不同图像比对匹配处理算法。在下面实现方法里就着重讲解这两种图像比对匹配处理算法或函数对图像比对匹配的问题。

1.2 场景图像为基础的监测判断

对省级以上电视频道，国家新闻出版广电总局有着相应的规范规定，并且利用监测软件对上星频道、卫星频道进行实时监测，以保证这些电视频道播出内容符合技术指标和规定。从技术角度分析，实时监测技术主要有两种。

场景图像种类相对有限，并且图像结构相对简单，因此处理难度相对较小。比如电视视频图像中突然出现了黑场画面，当全屏、全幅或整幅电视视频图像画面都是彩条或彩场，视频出现图像静帧等。从数字图像处理方面对静帧问题进行分析，即视频播放过程中，两帧图像出现了近似或一样的画面，从而令人在感官上有一种画面静止的感觉。若这种画面静止问题持续时间超过规定范围，则判定为静帧。从图像层进行分析，在日常的图像处理中，若前后两帧差法超出一定范围，则判定视频中有运动物品。相反，如果两帧之间的临图差值小于某一范围，利用这种监测方式，可以判定这一场景是静帧。在OPENCV中针对两帧画面有专门的函数，用于去噪和像素值做减，在理想状态下，即像素差值接近于0，并设置某一阈值，通过对视频进行调整，使得其差值不超过这一阈值，如此状态变为静帧，即出现了近似画面或一样图像。以场景图像为基础的视频图像监测以及静帧判断，在电视视频的监测中就是比较视频图像帧以及特定的几种场景。通过这种方式进行监测判断相对简单。而其他不常规的电视视频图像场景的识别判断就复杂得多，对电视播出安全来说也没有什么实际意义。

2 实现方法

众所周知，OPENCV的工具库中，针对视频图像的处理算法以及函数非常丰富，通过其中的视觉函数的有效运用可以发挥强大的视觉效果，因此其视频图像处理能力相对较好，尤其在VC6.0环境下以及C++语言、C语言环境下运行时。从而有效发挥电视播出画面的识别、监测作用。

2.1 运行环境

由于OPENCV是一个由采用C语言进行的一系列C函数和少量C++类构成的基于（免费、开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上，由于它是一个很好的用于图像处理、分析、机器视觉方面的开源函数库、工具库，轻量且高效，而且还提供了MATLAB等多语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。同时还为用户提供友好的机器视觉函数接口，在多核机器上面，其处理和运行速度上会更快，这为我们今天在电视视频图像领域处理和大量电视视频画面帧的检测与识别带来方便。

2.2 软件的应用效果

MFC为OPENCV提供了更加便捷的窗口界面，在Windows系统下，VC6.0提供了人机交互更加友好的MFC，并将OPENCV同C++语言结合起来，令运行编译更加便捷。由于在MFC环境下的界面设计了更加人性化的按钮功能，同时叠加了C语言和C++语言共功能，令书写环境更加便捷，同时二者结合后接口配置更加符合人们的使用习惯，在检错纠错功能上更进一步。

除了对图片进行反色、边缘化处理外，数字图像处理还可以进行判断处理人脸识别功能，因此也适用于视频图像处理，只不过增加了处理过程中的运算量。而在处理实时视频流时，除了考虑运算量的增加外还要考虑软件的处理速度以及优化函数问题，保证其处理速度小于40ms，即视频一帧图像的播放时间。电视的播放速度一般为25帧/s，一帧画面停顿时间为40ms，若运算时间过长，一帧没处理完一帧图像就来了，就无法完成处理。当然，这只是在实时视频图像处理中的要求，在非实时视频中只需要保证能够处理完每帧画面就可以，不要求处理时间。以OPENCV中的cvMatchTemplate函数算法为例，利用该算法处理时只能进行大小固定的台标、角标的处理，而对图像缩小、放大等情况就无法进行判断、识别。此时就需要利用cvMatchShapes函数算法。该函数算法能够比对依照比例缩放的相似图像，通过比对视频图像特征值以及模板图片的抽取，对视频画面进行匹配。目前图像处理技术针对图像的比对、图像的匹配等提供了诸多函数和算法，并且从网络上，图像匹配对比相关算法的数量也越来越多，本文只列举两种较为常用的函数进行简要分析。虽然图像识别技术越来越多元化，借用函数算法后能够更加智能，但是函数算法并非万能，有时候也会出现问题，在运行过程中必须对其进行调试，依照实际需要更具视频图像对相应参数继续调整，从而令图像的甄别功能更加完善。

3 结束语

上文主要分析了VC6.0+OPENCV软件的思路及使用方法，并对软件处理视频图像的效果以及模板匹配相关内容进行了分析。虽然本文没有针对详细的实施过程以及软件的配置、代码运行和具体的函数算法进行叙述，仅仅抽象的对软件使用思路以及技术原理进行探讨，希望可以研讨出性能更优越的视频图像处理、监测软件，从而更好的推动我国电视产业发展。

参考文献

[1]刘长涛.电视视频图像帧的检测与识别技术的实现研究[J].现代电视技术，2017（1）：100-103.

[2]华琴琴.现代电视视频图像监测技术的发展研究[J].现代电视技术，2014（5）：88-89.