铁路视频图像质量诊断故障库探讨

王雁

（通号通信信息集团有限公司，北京 100070）

铁路视频图像质量诊断故障库探讨

王雁

（通号通信信息集团有限公司，北京 100070）

对铁路视频图像质量诊断故障库的建立和分类进行阐述，给出不同厂家视频图像质量诊断系统诊断效果的评估依据，有助于获得更适用于铁路领域的视频图像质量诊断系统。同时，其应用也可配合进行诊断算法优化，提升诊断准确度，更好地进行故障定位，提高故障处理效率，保障综合视频监控系统正常运行。

铁路；视频图像；故障库；质量诊断；效果评估

0 引言

视频图像质量诊断大致经历了3个发展阶段：第一阶段为人工检测阶段，这种方式耗费人力物力，增加了运维的时间及成本，同时还会受到人为主观因素影响，检测结果不够准确。第二阶段通过图像质量诊断系统进行检测，检测方式多为人工手动发起，这种方式也会受一定的主观因素影响，会出现漏检情况。第三阶段是在第二阶段的基础上进行系统优化、整合，可以根据用户需求对指定的摄像机进行自动巡检，时间可以精确到秒级，同时将检测结果中存在图像质量问题的情况，以提示或告警的形式输出。这种方式支持任何时间段的自动检测，不会出现漏检的情况。同时，对图像质量问题的检测不受主观因素影响。

综合视频监控系统是铁路安全防范系统的重要组成部分，通过综合视频监控系统可以对车站、广场、铁路沿线等各个区域进行监控，发现问题并及时处理。随着铁路综合视频监控系统的发展，其作为公共安全守护、相关铁路业务工作支撑的作用越来越大[1]。

视频图像质量诊断系统对综合视频监控系统的运维起到了关键作用，各厂家也开发了相应的视频图像质量诊断系统，但这些系统的检测效果有待评估，其在铁路领域的运用效果等，可通过视频图像质量诊断故障库（简称故障库）进行评估。

1 铁路视频图像质量诊断故障库

自2012年起，开始收集铁路领域存在质量故障的视频及图像，建立铁路视频图像质量诊断故障库。截至目前，故障库中积累的视频及图像均达到了万级，对这些故障视频及图像进行有效管理，才能更好地将其运用到视频质量诊断系统效果评估工作，并且在系统算法优化过程中发挥更大作用。因此，对故障库中的视频及图像制定了命名及分类办法，按照13种故障诊断类型进行分类。根据不同的故障诊断类型，对应的诊断结果为有、无或不同的严重程度，并对各种故障诊断类型的视频及图像进行等级划分。部分故障诊断类型及等级划分见表1。

表1 部分故障诊断类型及等级划分

由表1可知，网络状况、视频丢失等故障诊断类型的故障结果只有正常和异常2种；对比度异常、视频遮挡等故障诊断类型，可以根据严重程度按照5个等级进行划分。视频遮挡不同等级的故障图像见图1，视频丢失不同等级的故障图像见图2。

另外，对故障库中的视频及图像进行等级划分，有助于对故障进行定位。例如，对噪声条纹干扰和画面雪花故障类型的等级划分，将有利于综合视频监控系统运维工作的开展。噪声条纹干扰和画面雪花的故障图像见图3。

图1 视频遮挡不同等级的故障图像

图2 视频丢失不同等级的故障图像

图3 噪声条纹干扰和画面雪花的故障图像

噪声条纹干扰和画面雪花的类型有多种，根据其类型可以初步判断出干扰源。具体情况如下：

（1）工频干扰：图像出现雪花噪点、网纹或很宽暗横带持续不断滚动；

（2）空间电磁波干扰：图像出现较密的斜形网纹，严重时会淹没图像；

（3）低频干扰（20～200 Hz低频噪声干扰）：图像出现静止水平条纹；

（4）高频干扰（高频噪声干扰）：图像出现雪花点或高亮点；

（5）反射干扰：图像出现重影。

由此可知，每种故障诊断类型的等级划分方式不尽相同，但划分原则都是能够清晰地区分不同的严重程度，有助于视频质量诊断系统的效果评估及故障定位。

2 图像质量诊断效果评估方法

铁路视频图像质量诊断系统是一套智能化视频故障分析与预警系统，其效果评估架构见图4。

由图4可知，故障库中的视频及图像作为待评估视频图像质量诊断系统的输入源，视频质量诊断系统中的接口服务同步故障库中的视频资源，获取一定时长的实时码流，进行解码分析，视频图像诊断算法服务对视频码流进行智能分析、判断和预警，将诊断结果在数据库中记录并输出。将诊断结果与输入的故障视频及图像进行比对，得到系统诊断效果。

图4 视频图像质量诊断系统效果评估架构

3 作用及意义

视频图像质量诊断系统从最初只能诊断是否可以正常输出视频流，到现在可以诊断视频丢失、清晰度异常、偏色、对比度异常、亮度异常[2]等视频质量故障，支持的诊断算法数量在不断增加。目前，铁路视频图像质量诊断故障库中已包含网络状况、视频丢失、视频冻结、画面过暗、画面过亮、画面对比度异常、画面偏色、画面抖动、画面清晰度异常、画面雪花、视频遮挡、场景变更、噪声条纹干扰共13类故障，每种类型又包含不同严重程度的等级划分。包含这13类中任一故障诊断类型的视频图像质量诊断系统，都可以按照以上的评估方法进行效果评估。

同时，通过故障库中的视频及图像配合诊断算法优化，可不断提升系统的诊断准确度，优化系统功能。

建立铁路视频图像质量诊断故障库，并采用科学的方法进行分类管理，可加强对不同故障诊断类型特点的把控，对铁路视频图像质量诊断系统的诊断效果进行更准确的评估；同时，也有利于故障原因的定位，对铁路视频图像质量诊断领域有着较为深远的意义。

4 结束语

阐述了铁路视频图像质量诊断故障库的建立与分类，及其在视频图像质量诊断系统效果评估中的应用。采用科学的方法对故障库中的视频及图像进行分类与等级划分；将其中的视频及图像作为输入源，可对各厂家的视频图像质量诊断系统进行诊断效果评估，有助于获得诊断效果更佳的系统。目前，故障库还在不断扩容，在视频及图像的管理、分类等方面还有待进一步完善和探讨。

[1]安国成，李明．铁路综合视频昼夜监控与设备维护研究[J]．中国铁路，2016(11)：60-62.

[2]沈志忠，安国成，张涛．视频丢失快速检测算法研究[J]．中国铁路，2017(1)：82-85.

责任编辑卢敏

Discussion on Failure Database of Rail Video Image Quality Diagnosis

Wang Yan
（CRSC Communication & Information Group Company Ltd，Beijing 100070，China）

This paper describes the establishment and classification of failure database of rail video image quality, and gives the evaluation basis for the diagnosis effect of video image quality diagnosis systems of diferent manufacturers, which can help obtaining the video image quality diagnosis system that is more suitable in railway sector. At the same time, its application can also be used to optimize the diagnostic algorithm, improve the diagnostic accuracy, locate the failure spot more accurately, and to enhance failure handling efficiency, ensuring the normal operation of integrated video surveillance system.

railway；video image；failure database；quality diagnosis；efect evaluation

U298

A

1001-683X（2017）05-0082-04

10.19549/j.issn.1001-683x.2017.05.082

2017-03-11

王雁（1983—），女，工程师。

E-mail：wangy@crscic.com