一种巡视摄像头成像质量分析方法、系统、设备及介质与流程
本发明属于安防监控，尤其涉及一种巡视摄像头成像质量分析方法、系统、设备及介质。
背景技术：
1、当前，巡视摄像头已广泛应用于安防监控领域，其成像质量的稳定性至关重要。然而，传统的摄像头成像质量评估方法严重依赖人工定期巡检与实验室环境下的静态测试卡检测，效率低下且无法反映摄像头在复杂真实场景下的实时性能。现有自动化方案多采用单一的图像质量评估算法对单个摄像头进行孤立判断，缺乏参照系，极易因场景内容变化，如天气、光照等变化，而产生误报，无法区分是环境变化还是设备自身故障。此外，这些方法通常仅输出一个整体质量分数，无法对性能劣化进行早期预警和故障根源定位，如无法区分镜头污损与传感器老化。
2、尽管已有方案尝试利用多摄像头信息，但其中的大部分方案仅限于简单的时间同步，缺乏深度融合的质量协同验证机制与科学的决策模型，难以满足大规模监控网络对智能化、自动化运维的迫切需求。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的一种巡视摄像头成像质量分析方法、系统、设备及介质，通过对巡视摄像头成像质量的自动化、高精度、实时在线监测与诊断，解决了现有巡视摄像头成像质量分析方法效率低、误报率高、无法定位故障根源的问题。
2、为了达到上述发明目的，本发明采用的技术方案为：
3、本发明的第一方面提供一种巡视摄像头成像质量分析方法，包括如下步骤：
4、s1、采集巡视摄像头拍摄的源图像，构建训练数据集，并训练得到目标图像质检模型；
5、s2、根据周期性基线学习模式，利用目标图像质检模型基于各巡视摄像头运行源图像生成数据元组，并建立各巡视摄像头的健康指纹档案；
6、s3、定期利用目标图像质检模型分析目标巡检摄像头质量状态，并根据健康指纹档案计算短期质量分数偏移量，得到当前失真类型向量，且分析质量分数的长期趋势，得到趋势分析结果；
7、s4、根据短期质量分数偏移量与趋势分析结果，自适应触发多视角交叉验证和质量分析，并计算协同一致性指标；
8、s5、根据短期质量分数偏移量、当前失真类型向量、趋势分析结果和协同一致性指标，对目标巡检摄像头进行异常诊断，生成不同等级的预警信息。
9、进一步地，所述s1包括如下步骤：
10、s11、采集若干巡视摄像头拍摄的源图像；
11、s12、利用训练好的无参考图像质量评估模型筛选质量分数低于预设质量分数阈值的源图像并剔除，得到高质量源图像集；
12、s13、定义失真类型与对应的失真参数范围，得到待检测的失真类型集合，定义失真类型关联的退化函数及失真类型强度参数范围；
13、s14、根据高质量源图像集，通过退化函数生成失真图像，并生成对应的质量分数标签与失真类型标签；
14、s15、根据生成的失真图像及对应的质量分数标签与失真类型标签训练以运行源图像为输入的虚拟质检模型，得到目标图像质检模型。
15、进一步地，所述s14包括如下步骤：
16、s141、对高质量源图像集中的各源图像随机选择一种或多种失真类型，并从选择的失真类型对应的参数范围内随机采样参数，应用对应的退化函数，生成若干失真图像及其对应的失真参数序列；
17、s142、根据质量映射函数生成失真图像的质量分数，作为质量分数标签；
18、s143、根据失真图像对应的失真参数序列生成多标签向量，并标识出失真图像所包含的一种或多种失真类型，作为失真类型标签。
19、进一步地，所述s142中的质量映射函数的计算表达式如下：
20、，
21、其中，表示失真图像的质量分数，表示无失真时的基准质量分数，表示以e为基底常数的指数函数，表示第种失真类型的注意力权重，表示第种失真的特征映射函数，表示第种失真类型强度值，表示失真类型的数量，表示幂次超参数，表示误差互补函数，表示偏移超参数，表示第种失真类型的二次项权重。
22、进一步地，所述s2包括如下步骤：
23、s21、针对各巡视摄像头，启用周期性基线学习模式，根据预设周期从各巡视摄像头的视频流中采集图像帧，作为运行源图像，并输入目标图像质检模型，得到对应的数据元组，构成数据元组集合；
24、s22、根据各巡检摄像头对应的数据元组集合统计质量基线和失真基线特征，经置信区间检验后作为该单个巡检摄像头的健康指纹档案。
25、进一步地，所述s4包括如下步骤：
26、s41、当检测到短期质量分数偏移量超过动态阈值、趋势分析结果显示连续性能下降，或定时巡检任务触发时，自动根据各巡视摄像头的健康指纹档案筛选与目标摄像头存在视野重叠且确认为健康的若干参考巡检摄像头；
27、s42、利用目标检测与跟踪技术，自动截取同一时刻出现在目标巡检摄像头与各参考巡检摄像头视野中的公共目标的图像帧，并通过预处理对应得到待诊断图像块与参考图像块集合，构成待质量分析图像块集合；
28、s43、根据待质量分析图像块集合，利用目标图像质检模型进行质量分析，得到质量分析结果，并计算得到协同一致性指标。
29、进一步地，所述s43中的协同一致性指标的计算表达式如下：
30、，
31、其中，表示协同一致性指标，表示第一维度权重系数，表示第二维度权重系数，表示第三维度权重系数，表示激活函数，表示参考巡检摄像头总数，表示参考巡检摄像头的索引，表示第个参考巡检摄像头的置信度权重，表示第个参考巡检摄像头对应的参考图像块的质量分数，表示目标巡检摄像头对应的待诊断图像块的质量分数，表示质量分数动态归一化因子，表示目标巡检摄像头对应的失真类型向量，表示第个参考巡检摄像头对应的失真类型向量，表示l2范数，表示的信息熵，表示参考巡检摄像头集群对应的聚合失真类型向量，表示相对于的kl散度，表示指示函数，表示异常判定阈值。
32、本发明的第二方面提供一种巡视摄像头成像质量分析系统，包括：
33、质检模型训练模块，用于采集巡视摄像头拍摄的源图像，构建训练数据集，并训练得到目标图像质检模型；
34、健康基线构建模块，用于根据周期性基线学习模式，利用目标图像质检模型基于各巡视摄像头运行源图像生成数据元组，并建立各巡视摄像头的健康指纹档案；
35、质量分析模块，用于定期利用目标图像质检模型分析目标巡检摄像头质量状态，并根据健康指纹档案计算短期质量分数偏移量，得到当前失真类型向量，且分析质量分数的长期趋势，得到趋势分析结果；
36、多视角协同验证模块，用于根据短期质量分数偏移量与趋势分析结果，自适应触发多视角交叉验证和质量分析，并计算协同一致性指标；
37、预警诊断模块，用于根据短期质量分数偏移量、当前失真类型向量、趋势分析结果和协同一致性指标，对目标巡检摄像头进行异常诊断，生成不同等级的预警信息。
38、本发明的第三方面提供一种巡视摄像头成像质量分析设备，其特征在于，包括至少一个存储器和至少一个处理器；
39、存储器用于存储一个或多个程序指令；
40、处理器，用于运行一个或多个程序指令，用以执行上述的巡视摄像头成像质量分析方法。
41、本发明的第四方面提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一个或多个程序指令，一个或多个程序指令用于被处理器执行上述的巡视摄像头成像质量分析方法。
42、本发明的有益效果为：本发明提供的一种巡视摄像头成像质量分析方法、系统、设备及介质，通过多视角协同验证机制，将待诊断的目标巡检摄像头与确定健康的参考摄像头对同一目标的成像结果进行深度比对，有效消除了环境因素的干扰，极大地降低了误报率；本发明采用目标图像质检模型与多源证据融合的异常诊断，不仅能发现成像质量下降，还能通过分析失真类型向量定位潜在的故障类型，实现了从简单报警到精准诊断的跨越，为预防性维护巡检摄像头提供了数据支撑；本发明实现了全流程自动化质量监测，显著提升了运维效率，适用于超大规模监控网络。
43、针对于本发明还具有的其他优势将在后续的实施例中进行更细致的分析。