图像识别技术在数字电视视频监测中的应用研究

许 萌

（河南省无线传输发射中心 河南 郑州 450000）

0 引言

随着现阶段科技和社会的不断发展，电子技术和电视技术得到了越来越广泛的应用，传统的单一模拟电视已经逐步发展成为越来越丰富的数字电视、高清电视以及3 D电视。 电视和相关的电视技术在实际的发展过程当中已经对人们传统收看习惯产生了一定的改变，从单一的收看电视到现阶段的用电视和玩转电视，出现了更多的全新玩法，在终端方面具有独特的树形特点，可以保持声音方面高保真以及画面质感的高清晰度，给予人们无与伦比的独特视觉享受。 在高清晰程度的电视视频图像画面当中，包含了数字电视图像处理技术以及电子工业图像显示技术。电视视频内容的发展从GB、FB、TB 的发展过程中，在传统人工值守方式下进行电视视频画面的有效监测和识别的方式，已经满足不了当下电视的发展速度和技术要求。 传统的电视播出过程当中，电视视频的内容需要利用人为的发现和干预来对非法的画面以及声音进行处理，切断信号的来源，进行音视频内容的更换。 现阶段国家广电总局对于电视的视频和声音技术要求不断提升，需要确保实现高质量且不间断的视频播放，电视的视频画面当中不可以出现如拉道、彩条、黑场、彩场等，要求纳入评价电视台播出技术的重要指标范围内［1］。 随着数字电视的发展和高清晰度的电视普及，数字图像梳理的研究在数字电视视频的领域范围内更加广泛和深入，需要对电视播出过程当中不符合电视播出技术要求的内容进行有效的自动化检测，实现快捷且智能化的电视视频播出，对异常信号以及传输的频率和波形做出全面检测。 在电视图像的处理技术当中，需要做出图像层以及人脸头像的判断。 多种多样的技术应用为电视视频监测工作提供了可靠的技术手段和保障。

1 计算机图像识别技术

对于获取到的图像，在外界多方面因素的干扰下会和实际的景物产生一定的差距，因此需要对图像进行处理和操作分割，以此来进行特征的提取和分析，最终区分图像的所属类别。 计算机内部可以利用对识别特征提取的过程进行模拟，来进行图像信息的处理和操作。 在图像识别系统当中一般包含捕捉图像信息、图像预处理、图像的特征提取、分类判决四个部分，在捕捉图像信息当中需要借助于系统输入设备来进行信息数字化的图像转换，之后将带有图像信息的数据输入到计算机内部进行后续的操作和处理；在图像的预处理阶段，需要将原始的图像转换成符合计算机特征提取形式的方式，进行图像的一系列操作，比如变化、增强，以及恢复等，对图像内部存在的干扰和噪声以及差异进行排除；在图像的特征提取步骤当中，需要将捕获到的数据信息来进行加工、整理、分析和归纳操作，以此来实现图像真实本质特点的呈现；分类判决的过程需要进行特征参数的提取，利用某种分类判断方式进行函数和规则的判断分析，以此来实现分类和识别图像信息，最终得出关于图像的结果［2］。

2 广播电视视频监测要求

在广播电视和网络监测平台当中，需要按照一定的规则和要求来实现图像视频的内容监测，本文主要对以下几方面进行分析：第一，对广播电视的播出质量进行监测，以此来实现对一定区域范围内的广播电视节目信号的属性进行分析和研究，其中包含了射频指标测量、节目异态报警、内容监测以及数字电视的码流分析；利用一个界面来对广播电视信号做出全面的综合化分析以及异常报警提醒；第二，需要对广播电视节目的内容进行监督，对区域内的广播电视前端或平台播出的所有频道内容进行全方位监测，对电视节目当中涉及到的敏感信息进行分析，为广播电视节目的管理层提供科学依据；第三，全区域内的广播电视安全播出指挥调度需要进行系统构建，以此来实现广播电视全部结构的指挥调度操作，以及广播电视监管技术平台的系统化对接；第四，需要建立一个行业资源的管理体系，以此来进行区域内文化广播电视行业资源的科学管理，进行多方位的利用和开发。

3 电视视频图像识别技术手段和原理

在电视的视频信息传输到图像进行播放的过程当中，如果出现了黑场、静帧、彩条等情况，则会影响人们正常观看电视节目。 基于此需要快速的对此种现象进行处理，确保电视的视频影像可以得到高质量的顺利播放，以便做出及时的监测管理。 如果电视的视频信息在输出的过程当中加入了一些台标或者视频图像模板，就会出现由于故障则产生全屏覆盖的现象，也有可能在图像视频的某个局部位置出现，因此对于此类型的监测和识别技术相对复杂，确保故障出现时不会出现黑场以及静帧等。 在电视视频图像帧的监测识别手段和原理方面，可以借助于场景图像的视频图像监测以及图像模板的视频图像识别两个手段来进行监测。

3.1 场景图像的视频图像监测

对于电视节目当中的场景图像视频而言，如果出现了故障则属于播出事故的范围，不利于电视台的正常播放和运营。 在出现黑场、静帧以及彩条等问题时大概率会对整个电视屏幕进行覆盖，因此被人们称之为场景图像。 在出现此种故障时，一般都需要具备特定的时间范围或者特定的检测要求，在正常的电视信号传输过程当中是不可以出现的。 国家广电总局对于各个电视台的广播电视都要求具备视频图像的监测软件，以此来对电视台的电视传输信号做出及时且全面的监测，确保不会出现违规播放或者和视频信号传输要求不吻合的现象的问题发生，以此来有效的监测和识别电视视频图像的画面区域所呈现的内容，实现电视台的自身良好监督，确保电视的输送信号可以顺利播出。 在电视视频图像的监测和识别技术应用过程当中，主要是利用场景图像的判断和处理来展开监测的。 场景图像的视频图像的监测过程当中，采取固定的判断方向，采取此种方式的主要原因是场景图像的特定场景种类比较少且呈现出形态集中、处理技术简单的特点，因此可以很容易地进行故障的检测和识别。 如果出现了黑场画面或者电视视频内出现了黑场情况，则检测人员可以检测出视频信号的传输连贯程度以及图像的呈现角度。 如果产生了低电平或者零电平现象时，就会产生电视视频信号丢失的现象，从而产生黑场画面，此种情况下需要检测电视视频图像信号的电平，如果出现低电平或者零电平且时间超时，则会造成电视视频信号出现黑场。 在这个过程当中除了需要注意进行黑场的判断、需要依靠电视视频画面进行判断外，还需要判断电视视频信号是否出现中断信号或者零码流的现象。 因此对于黑场的故障现象需要多角度多维度来进行分析，如果检测设备仪器灵敏程度较高，则可以有效地监测出模拟信号和数字信号的质量，及时地发现电视信号内部出现的波动情况。 针对于视频图像的像素而言，如果出现了黑场，则可以用“0”或者“F”来呈现，比较容易辨识且监测结果较为准确。 如果进行电视视频图面观看时，出现了画面重复出现的现象，则属于画面无法变动的现象，在超过一定的时间范围之后就属于静帧。站在图像层面的角度进行静帧故障分析的过程当中，静帧图像的前后两帧电视画面的相似度很高，且前后差异超出一定的范围，则视频画面具有运动图像的特征，可排除静帧故障的现象。 如果前后帧的图像画面像素点差异相对较小，则属于无运动物体的范围，可以纳入静帧画面的范围［3］。

3.2 图像模板的视频图像监测识别

在具有图像模板的视频画面故障识别技术当中，区别于上述的场景图像视频图像监测。 在电视的视频播放过程当中，经常会出现台标或者固定的电视视频图像模板加入到电视信号等情况，此种情况下所采取的监测手段需要与特定的模板来进行对比分析。 此种类型的图像模板视频图像监测识别技术具有较广泛的应用范围，比如指纹打卡、防盗门指纹解锁以及手机指纹解锁等。 利用此种同类型的监测识别技术进行分析的过程当中，可以对图像模板的视频图像监测技术做出很好的理解。 针对于电视视频图像的图像模板监测识别，需要根据电视视频的图像传输过程当中的图像帧，也可以根据出现的某个图片片段，也可以根据图像模板的对比区域进行分析，来实现对比图像模板和图片帧的对比操作。 此种监测技术在监控视频或者镜头视频等方面都存在较强的可操作性。 需要注意的是，由于电视视频在运营过程当中产生的传输数据信号量相当巨大，且各个电视台的电视视频图像内容也偏多，该方式不适用于现阶段的电视视频图像帧的监测识别，借助于比对方式来进行对比和分析某一个特定图片或视频片段的难度较大且效率低下，产生的工作量相当巨大，此时需要同步化地搜索和运行，所需要花费的时间和效率不成正比，因此，该方式不适用于当前我国电视视频图像的监测应用当中。 为了更好地解决此问题，需要对图像模板和电视的适配图像帧所产生的对比工作效率进行科学提升，借助于信息化数字图像的匹配查找模式技术，在特定的函数计算公式下实现快速化精准地查找，达到提升查找速度的目标。 在利用OpenCV 的函数工具库过程当中，对电视视频图像帧的故障处理效率提升和准确度提供可以根据自身的实际情况来选择对应的函数。

4 图像识别技术在数字电视视频监测中的应用

（1）对于黑场故障的监测方式，可以利用视频信号内部的灰度图像来进行判断出黑场故障，在黑场故障图像当中可以忽略纯色，因此进行恢复图像判断时可以在没有真彩色图像的三个字节基础上开展，该监测方式可以加快监测速度且有效节约因监测所占用的资源，纯色画面属于黑场的主要特点和表现方式，可以借助于逐个像素点的方式来判断和监测黑场现象，如果监测到的所有像素值相同一致则属于黑场故障。 但是在实际情况当中，会出现个别畸点区别于其他像素值的情况，此种情况不会妨碍黑场图像的故障判断鉴别。 也就是说，静帧图像和像素值并非完全一致。 站在图像平滑的角度进行分析的话，可以借助于滤波的方式进行判断，此种方式的算法较为复杂，因此一般不会用于黑场监测，但是在应用时可以将图像进行划分众多个小区域范围，进行提取每一个小区域的灰度值，将作为特征进行判断，进行特征值的标准模板匹配对比，循环匹配下，就可以找出是否存在不匹配的现象，如果存在则不属于黑场故障的范围。

（2）对于静帧故障的检测方式，画面需要在一定时间内保持不变，属于静帧故障的主要呈现特点，因此在进行静帧故障检测时可以采取相邻两帧图像比对的方式方法来展开。 在静帧时，图像内部包含着正常且具有丰富信息的画面，需要对内容进行科学细致的判断才可以辨识出画面内容，采取此种方式时同样可以进行灰度图像的分析［4］。 和上述方式一致，也需要将图像进行划分为多个小区域，提取出图像区域的2 个特征值，将作为判断的主要依据。 其中一个特征是指两个相邻图像的对应分割区域内部所有点组成的一个灰度差值的总和，可以对分割区域范围内整体产生和呈现出的变化进行对比；另外一个特征可以对分割区域的单个点所产生的变化进行反映，属于所有点的灰度差构成的绝对值总和。 如果第一个特征值产生了不相匹配的现象，则相邻的两帧图像产生的变化相对较大，排除在静帧故障的范围之外；对第二个特征值进行判断时，如果出现了不匹配的情况，则说明相邻的两帧所处于的分割区域内无数个点位存在一定的变化，因此也排除在静帧故障的范围。 在电视节目的正常播出过程当中，在两个特征值内如果都判断为不匹配，但是两者数值都较为偏大的情况，则说明图像的内部和图像出现了缓慢的变化状态，需要进行重新的匹配计算，避免出现对判断结果的干扰现象。

（3）对于马赛克的故障检测方式，舞台的边缘属于图像的基本特点，在人类的视觉以及数字图像处理技术方面都具有相当大的意义［5］。 对马赛克故障的判断过程当中需要对边缘进行检测，采取合适的特征数值进行判断。 边缘的图像像素值产生了强烈的变化，因此在计算时需要对产生剧烈变化的像素数值进行微分运算，以此得出其他部位的较大数值，在这过程当中可以借助于微分算子来对边缘进行计算监测。 一是差分边缘监测，此种方式主要是借助于像素值的一阶倒数算子来进行灰度变化的极限数值进行计算，需要对奇异点做出数值计算监测，此种方式下需要使得差分的方向和边缘保持垂直程度，监测多个方向的边缘过程当中需要实现多个方向的差分计算；二是Robert 边缘检测算子方面，主要采取的对焦方向相邻两个像素值差值计算的方式，图像当中的每一个像素点都需要借助于两个模板来展开卷积运算，一般检测时都取用绝对值的方式来避免出现负值。 Robert 的算子可以对图像差分进行直接计算，不包含平滑，因此可以对具备陡峭边缘的低噪声图像进行良好监测。 此外，还可以利用Soble 的边缘监测算子、laplacian 边缘检测算子、Canny 边缘检测算子的算法来进行监测。 针对于解码器的停止操作造成的马赛克现象，则需要进行灰度图像边缘的捕捉，实现一系列的过程对比计算监测之后，最终判断是否存在畸变行为［6-7］。

5 结束语

综上所述，在图像识别技术基础上展开的数字电视自动化识别技术得到了相当广泛的应用，且效果相对良好。图像识别技术在数字电视视频监测当中的应用也得到了相当大的提升，有效地提高了广播电视传播的工作效率，对人们的生活质量提高起到了有效的帮助和促进。 对于现阶段数字电视当中的马赛克故障图像监测技术还需要进行深入化的探讨和钻研，不断促进视频监测工作的发展创新。