● 摘要
视频质量诊断系统是监控系统的重要部分， 随着监控系统在实际中的应用增多，大量监控设备的普及提升了安防力量，同时也使得监控系统的维护变得艰难且耗费巨大人力，这就需要视频质量诊断系统的性能有质的飞跃，给用户提供安全、高效、可靠的视频质量诊断服务。
本文选择了4个常见的监控视频问题进行探讨：亮度异常、清晰度异常、噪声以及抖动。目前在监控行业中，大部分视频质量诊断算法在实际应用中的准确率都低于80%，无法满足需求，本文的目的是将这些算法准确度提升到98%以上。
本文先阐述了视频质量诊断系统在日渐普及的安防系统中的重要性，然后研究了与本文研究问题相关的已经存在的技术和算法，接着提出自己的算法。针对亮度异常问题提出了一种分块自适应的检测方法提高了算法的鲁棒性和精确度。针对清晰度异常的问题，使用了一种叫做局部对比度先验知识的因子并对其进行了改进，实现了快速准确的检测图像的清晰度。而本文最核心的算法当属噪声及干扰检测中的叠加性条纹检测方法，此算法创新性的使用了方差图、二值化、直线检测以及直线随机分布过滤规则的结合实现了叠加性条纹的检测，这项创新已经申请了专利。其他的两项噪声及干扰检测算法（稳定条纹及雪花噪声检测）也是非常的巧妙其实现也是非常的简单，对于抖动的检测在经过大量实验的基础上采用了提取图像哈里斯角点，然后用金字塔光流计算运动向量和分析图像运动向量波形图的方法，很好的解决了各种抖动异常检测的问题。对于算法的测试，采用了涵盖大量复杂情景真实的监控视频，在最后的算法测试数据可以看到算法准确率能达到98%以上甚至100%，而误检率小于3%。使用本文提出的几个方法实现异常检测能更加高效可靠的解决视频监控系统运行维护的难题。