基于SIFT特征值的機(jī)頂盒馬賽克的檢測(cè)方法

張雷鳴 靳國(guó)榮 四川長(zhǎng)虹網(wǎng)絡(luò)科技有限責(zé)任公司

引言

在傳統(tǒng)機(jī)頂盒中，TUNER性能測(cè)試的主要判斷標(biāo)準(zhǔn)是視頻是否出現(xiàn)馬賽克，在OTT和IPTV機(jī)頂盒中，視頻播放馬賽克是檢驗(yàn)機(jī)頂盒內(nèi)存性能、軟件可靠性的重要測(cè)試依據(jù)。由于馬賽克出現(xiàn)時(shí)機(jī)隨機(jī)、圖形不規(guī)則，特別是帶圖像后處理的機(jī)頂盒，進(jìn)行圖像優(yōu)化后馬賽克的形狀更加復(fù)雜。導(dǎo)致了馬賽克自動(dòng)化檢測(cè)一直是行業(yè)的一個(gè)痛點(diǎn)和難點(diǎn)。有人利用邊緣檢測(cè)直線和矩形的方法，但邊緣檢測(cè)本身有其局限性，視頻內(nèi)容中直線和棋盤(pán)、窗戶(hù)等規(guī)則物體很容易被誤判。同時(shí)部分復(fù)雜的圖像內(nèi)容中的馬賽克容易漏檢。也有采用特征分析和深度學(xué)習(xí)的方法對(duì)馬賽克特征值進(jìn)行分類(lèi)和學(xué)習(xí)，但視頻圖像和馬賽克疊加后的最終圖像的復(fù)雜性，導(dǎo)致先行學(xué)習(xí)的特征完全對(duì)不上。目前行業(yè)內(nèi)基本上都是采用人工判斷的方式進(jìn)行測(cè)試，效率低，成本高，漏檢和誤檢率高居不下。

本文采用對(duì)視頻預(yù)處理，提取視頻中各幀圖像的SIFT特征值，機(jī)頂盒播放視頻的過(guò)程中抓取機(jī)頂盒輸出的圖像，計(jì)算當(dāng)前圖像的特征值，并跟預(yù)先存儲(chǔ)的特征值進(jìn)行比對(duì)，來(lái)判斷視頻是否出現(xiàn)馬賽克缺陷。采用這種方式進(jìn)行馬賽克檢測(cè)，檢測(cè)效率高，漏檢和誤檢率非常低，完全滿(mǎn)足行業(yè)檢測(cè)需求。同時(shí)可作為自動(dòng)化檢測(cè)工具，進(jìn)行長(zhǎng)時(shí)間、大規(guī)?？緳C(jī)，對(duì)機(jī)頂軟硬件質(zhì)量檢測(cè)非常有效。

1 視頻原始圖像SIFT特征值提取

尺度不變特征轉(zhuǎn)換(Scale-invariant feature transform或SIFT)是一種圖像視覺(jué)的算法。用來(lái)偵測(cè)與描述影像中的局部性特征，它在空間尺度中尋找極值點(diǎn)，并提取出其位置、尺度、旋轉(zhuǎn)不變量，此算法由 David Lowe在1999年所發(fā)表，2004年完善總結(jié)。

SIFT特征由于其尺度不變性，大量用于圖像中物體的識(shí)別、定位和大小位置的判斷。該算法對(duì)于光線、噪聲、視角改變的容忍度也相當(dāng)高。而相同的視頻文件，經(jīng)不同機(jī)頂盒的解碼和圖像采集設(shè)備的抓取，可能會(huì)產(chǎn)生圖像明暗的差異和整體的顏色值變化，但極值和邊角的變化極少。而圖像馬賽克出現(xiàn)，則對(duì)圖像中的極值點(diǎn)會(huì)產(chǎn)生數(shù)量和位置的變化。通過(guò)對(duì)極值點(diǎn)的數(shù)量、位置的變化對(duì)比，來(lái)檢測(cè)圖像跟原始圖像的差異，來(lái)判斷圖像的異常是本文介紹方法的核心。

將原始視頻的每一幀圖像進(jìn)行高斯模糊（去除噪聲干擾）、空間極值檢測(cè)（由于播放本身不會(huì)進(jìn)行縮放，所以只需要一個(gè)空間尺度的檢測(cè)）、關(guān)鍵點(diǎn)定位、關(guān)鍵點(diǎn)方向分配等步驟，提取圖像中的各種關(guān)鍵特征點(diǎn)，并建立位置、方向等信息的描述符，用一組向量將這些關(guān)鍵點(diǎn)描述出來(lái)。這個(gè)描述子不僅包含關(guān)鍵點(diǎn)，也包含關(guān)鍵點(diǎn)周?chē)鷮?duì)其有貢獻(xiàn)點(diǎn)的像素點(diǎn)。

將原始視頻的各幀圖像的特征值描述子的集合按幀的先后順序存儲(chǔ)到數(shù)據(jù)庫(kù)中，供檢測(cè)時(shí)使用。

2 圖像抓取和特征值比對(duì)

測(cè)試時(shí)，分傳統(tǒng)機(jī)頂盒和IPTV、OTT機(jī)頂盒。傳統(tǒng)機(jī)頂盒通過(guò)高頻頭接收碼流播放器調(diào)制的DVB信號(hào)，通過(guò)解調(diào)和解復(fù)用獲取視頻數(shù)據(jù)后進(jìn)行解碼播出。IPTV和OTT機(jī)頂盒可將視頻以文件方式存儲(chǔ)在機(jī)頂盒內(nèi)部存儲(chǔ)器或者外部存儲(chǔ)器中，通過(guò)機(jī)頂盒內(nèi)置的播放器進(jìn)行播放輸出。

機(jī)頂盒解碼后的圖像通過(guò)HDMI或者CVBS接口輸出，計(jì)算機(jī)通過(guò)采集卡完成圖像采集。

采集到圖像用相同的算法提取SIFT特征值。將該特征值跟數(shù)據(jù)庫(kù)中對(duì)應(yīng)幀的特征值進(jìn)行對(duì)比，對(duì)比特征包括的位置和方向等信息。如果不能匹配的特征值超過(guò)一定閾值（比如5個(gè)），則認(rèn)為圖像出現(xiàn)馬賽克等異常。

第1幀不確定原序列中對(duì)應(yīng)幀的序號(hào)，需在整個(gè)序列中尋找到最接近的幀。如果都沒(méi)有完全匹配的則先丟棄。如果找到完全匹配的幀，則記錄當(dāng)前幀的序號(hào)。連續(xù)出現(xiàn)10個(gè)以上的幀無(wú)匹配，則認(rèn)為當(dāng)前播放有異常。

在已經(jīng)確認(rèn)前一幀的序號(hào)后，可按視頻的幀率和采集圖像的時(shí)間間隔計(jì)算可能的幀序號(hào)，在前后3個(gè)幀的范圍內(nèi)進(jìn)行匹配和比較。

3 馬賽克檢測(cè)效果

采用如下的檢測(cè)系統(tǒng)：

將碼流原始圖像通過(guò)計(jì)算機(jī)軟件離線取出，并采用openCV軟件庫(kù)開(kāi)發(fā)軟件提取出SIFT特征值存儲(chǔ)在數(shù)據(jù)庫(kù)中。

測(cè)試時(shí)，碼流播放器循環(huán)播放視頻流，計(jì)算機(jī)通過(guò)圖像采集盒采集機(jī)頂盒的輸出，并計(jì)算當(dāng)前圖像的SIFT特征值，然后跟原始圖像特征值進(jìn)行匹配。匹配結(jié)果如下：

原始圖與正常采樣匹配（100%匹配）配結(jié)果(2130個(gè)完全匹配)

原始圖和帶馬賽克圖片匹

通過(guò)上圖可以看出來(lái)，采樣圖片有亮度變化和顏色變化對(duì)特征點(diǎn)無(wú)明顯變化，而有馬賽克的圖片，會(huì)導(dǎo)致特征點(diǎn)明顯變化。通過(guò)這些不能配對(duì)的特征值，可準(zhǔn)確判斷出馬賽克以及出現(xiàn)馬賽克的位置。

由于圖像的不同，該算法可能會(huì)出現(xiàn)一些孤立的特征點(diǎn)，通過(guò)對(duì)原始視頻的特征值進(jìn)行篩選和對(duì)不能配對(duì)的特征點(diǎn)個(gè)數(shù)判斷閾值進(jìn)行調(diào)整，可以降低誤判和漏判率，達(dá)到應(yīng)用要求。

4 結(jié)語(yǔ)

本文所介紹的機(jī)頂盒馬賽克檢測(cè)方法，利用SIFT特征算法提取的關(guān)鍵點(diǎn)對(duì)噪聲和圖像明暗以及顏色大范圍變化不敏感的特性，同時(shí)利用馬賽克產(chǎn)生后出現(xiàn)大量焦點(diǎn)和極值的特性，通過(guò)對(duì)比特征值的方式實(shí)現(xiàn)。經(jīng)過(guò)實(shí)際實(shí)驗(yàn)和使用驗(yàn)證，漏檢率和誤檢率低于5%，滿(mǎn)足行業(yè)一般測(cè)試需求，大大提高檢測(cè)速度和成本。