视频质量评估方法、装置、存储介质及计算机设备与流程

1.本技术涉及仓库管理技术领域，尤其涉及一种视频质量评估方法、装置、存储介质和计算机设备。


背景技术：

2.在电商销售中，为理清商品在出货环节的状态，以向客户提供售后服务，一些电商销售企业会在仓库内以及工作台上安装监控系统，以分别拍摄仓库和工作台，使得监控视频可以记录商品在出货环节的商品状态。
3.为确保监控视频能够为售前售后的视频举证提供支撑，电商销售企业需要对视频质量、监控系统的硬件设备和/或监控系统的硬件状态建立监控告警机制，以尽早发现监控视频所存在问题，并在发现问题时通过派发工单的形式通知维保人员介入处理。而其中，视频质量用于评估监控视频是否清楚记录商品状态，例如，视频质量可以反映在硬件设备无故障的情况下，监控系统的拍摄角度是否正对工作台，从而可据此判断监控视频是否清楚地记录商品状态。
4.然而，现有技术在评估监控视频的视频质量时，受环境影响过大，致使评估结果准确率过低。


技术实现要素：

5.本技术的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中评估结果准确率过低的技术缺陷。
6.第一方面，本技术实施例提供了一种视频质量评估方法，所述方法包括：
7.从工作台的监控视频中提取视频帧，所述工作台的表面设有目标形状的识别物；
8.根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果，所述目标轮廓提取规则用于提取所述目标形状所对应的轮廓；
9.基于所述目标提取结果确定所述监控视频的视频质量。
10.在其中一个实施例中，所述从工作台的监控视频中提取视频帧的步骤，包括：
11.周期性地从所述监控视频中提取最新视频帧，所述监控视频为所述工作台的实时监控视频；
12.所述根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果的步骤，包括：
13.对于每次提取的最新视频帧，根据目标轮廓提取规则对该最新视频帧进行轮廓提取，以得到该最新视频帧所对应目标提取结果；
14.所述基于所述目标提取结果确定所述监控视频的视频质量的步骤，包括：
15.根据最新提取的最新视频帧所对应的目标提取结果，确定所述监控视频的视频质量。
16.在其中一个实施例中，所述根据最新提取的最新视频帧所对应的目标提取结果，
确定所述监控视频的视频质量的步骤，包括：
17.若所述最新提取的最新视频帧所对应的目标提取结果为空，且在前两次提取的最新视频帧中每次提取的最新视频帧所对应的目标提取结果均为空，则确定所述监控视频的视频质量为不合格；
18.若所述最新提取的最新视频帧所对应的目标提取结果不为空，则确定所述监控视频的视频质量为合格。
19.在其中一个实施例中，所述目标形状为五角星形状，所述识别物的物体颜色为红色，所述目标轮廓提取规则包括颜色提取规则、面积提取规则和角数量提取规则；
20.所述根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果的步骤，包括：
21.从所述视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到初步轮廓提取结果；其中，所述颜色提取规则用于提取与所述识别物的物体颜色相匹配的围合区域所对应的区域轮廓，所述面积提取规则用于提取与所述识别物的物体面积相匹配的围合区域所对应的区域轮廓；
22.若所述初步轮廓提取结果不为空，则分别对所述初步轮廓提取结果中的各个轮廓进行曲线拟合，以得到各个拟合轮廓；
23.基于角数量提取规则对各个所述拟合轮廓进行过滤，以得到角规则过滤结果，并根据所述角规则过滤结果得到所述目标提取结果。
24.在其中一个实施例中，所述根据所述过滤的结果得到所述目标提取结果的步骤，包括：
25.针对所述角规则过滤结果中的每个拟合轮廓，计算该拟合轮廓所对应的图像矩，若该拟合轮廓所对应的图像矩与预设图像矩相匹配，则对该拟合轮廓进行凸包检测，基于凸包检测的检测结果判断是否将该拟合轮廓添加至所述目标提取结果中，若是，则将该拟合轮廓添加至所述目标提取结果中。
26.在其中一个实施例中，所述方法还包括：
27.获取区域比例，并基于所述区域比例确定所述视频帧中的感兴趣区域；
28.对所述视频帧中除所述感兴趣区域以外的区域进行灰度化处理，以得到灰度化处理后的视频帧；
29.所述从所述视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到初步轮廓提取结果的步骤，包括：
30.从所述灰度化处理后的视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到所述初步轮廓提取结果。
31.在其中一个实施例中，所述方法还包括：若所述监控视频的视频质量为不合格，则向运维人员发送工单信息。
32.第二方面，本技术实施例提供了一种视频质量评估装置，所述装置包括：
33.视频帧提取模块，用于从工作台的监控视频中提取视频帧，所述工作台的表面设有目标形状的识别物；
34.目标提取结果获取模块，用于根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果，所述目标轮廓提取规则用于提取所述目标形状所对应的轮廓；
35.视频质量获取模块，用于基于所述目标提取结果确定所述监控视频的视频质量。
36.第三方面，本技术实施例提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述视频质量评估方法的步骤。
37.第四方面，本技术实施例提供了一种计算机设备，包括：一个或多个处理器，以及存储器；
38.所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行上述任一实施例所述视频质量评估方法的步骤。
39.本技术实施例提供的视频质量评估方法、装置、存储介质和计算机设备中，工作台的表面设有目标形状的识别物，计算机设备可以从工作台的监控视频中提取出视频帧作为监控图像，并采用目标轮廓提取规则，对该监控图像进行轮廓提取，以得到提取结果。该提取结果可以用于判断监控图像中是否存在目标形状所对应的轮廓，基于该提取结果可以获知监控系统的拍摄角度是否正对工作台，从而获知监控视频能否清楚地记录商品状态，进而得到监控视频的视频质量。由于轮廓提取的准确性受环境因素影响较小，因此，本技术基于目标形状的轮廓提取结果来确定监控视频的视频质量，可以弱化位置、距离、拍摄角度、拍摄光线和视频色差等环境因素对于视频质量评估结果的影响，进而可提高评估准确率，使得评估所得的视频质量可以准确反映监控视频的实际视频质量。
附图说明
40.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
41.图1为一个实施例中视频质量评估方法的流程示意图之一；
42.图2为一个实施例中视频质量评估方法的流程示意图之二；
43.图3为一个实施例中根据目标轮廓提取规则进行轮廓提取步骤的流程示意图；
44.图4为一个实施例中视频质量评估方法的流程示意图之三；
45.图5为一个实施例中视频质量评估装置的结构框图；
46.图6为一个实施例中计算机设备的示意性结构图。
具体实施方式
47.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.正如背景技术所言，现有技术在评估监控视频的视频质量时，受环境影响过大，致使评估结果准确率过低。经发明人研究发现，导致这一问题的原因在于，现有技术中，工作台上张贴有二维码，现有技术通过对监控视频进行二维码识别来评估视频质量。若能识别到二维码信息，则确定视频质量合格，监控系统的拍摄角度正对工作台，监控视频能够清楚
地记录商品状态。若不能识别到二维码信息，则确定视频质量不合格，监控系统的拍摄角度有所偏差，导致监控视频无法清楚地记录下商品状态。
49.然而，二维码识别的识别结果受环境影响很大，二维码的张贴位置、监控系统的设置位置、监控系统与二维码之间的距离远近、监控系统的拍摄角度、拍摄监控视频时的光照情况和监控视频的色差等因素，都会影响二维码的识别结果，大大降低了二维码的识别准确率，致使评估结果不准确。
50.为解决前述问题，本技术实施例提供了一种视频质量评估方法、装置、存储介质和计算机设备。工作台的表面设有目标形状的识别物，计算机设备可以从工作台的监控视频中提取出视频帧作为监控图像，并采用目标轮廓提取规则，对该监控图像进行轮廓提取，以得到提取结果。该提取结果可以用于判断监控图像中是否存在目标形状所对应的轮廓，基于该提取结果可以获知监控系统的拍摄角度是否正对工作台，从而获知监控视频能否清楚地记录商品状态，进而得到监控视频的视频质量。由于轮廓提取的准确性受环境因素影响较小，因此，本技术基于目标形状的轮廓提取结果来确定监控视频的视频质量，可以弱化位置、距离、拍摄角度、拍摄光线和视频色差等环境因素对于视频质量评估结果的影响，进而可提高评估准确率，使得评估所得的视频质量可以准确反映监控视频的实际视频质量。
51.在一个实施例中，本技术提供了一种视频质量评估方法，下述实施例以该方法应用于计算机设备为例进行说明，可以理解，该计算机设备可以但不限于是各类型终端或者服务器，当该计算机设备为云平台服务器时，本技术可通过接入云平台服务器横向扩展容器，以多线程的方式来提升识别效率。
52.如图1所示，本技术的视频质量评估方法具体包括如下步骤：
53.s102，从工作台的监控视频中提取视频帧，所述工作台的表面设有目标形状的识别物。
54.工作台的表面设有目标形状的识别物，可以理解，该目标形状的具体形状可以依照实际需求确定，本技术对此不作具体限制。进一步地，该识别物的物体颜色也可依照实际需求确定，本技术对比不作具体限制。在一个示例中，为降低误识别，提高评估结果的准确性，该目标形状可以为五角星形状，识别物的物体颜色可以为红色，换言之，该识别物为红色五角星。
55.同时，识别物可以设置在工作台用于存放或运输商品的表面，且识别物的具体设置位置可根据商品在工作台的出现位置来确定，本技术对此不作具体限制。在一个示例中，识别物可以设置在与地面距离最远的表面。
56.工作台的监控视频是指采用监控设备对工作台进行拍摄后所得到的监控视频，该监控视频可以包括多个视频帧，本技术可从该监控视频中提取出一个或多个视频帧。在其中一个实施例中，计算机设备可以从监控视频中提取任意视频帧，并采用下述各步骤来处理所提取的视频帧，以得到监控视频的视频质量。在其中一个实施例中，计算机设备可以按照预先设置的视频帧提取规则，从监控视频中提取出视频帧，并采用下述各步骤来处理所提取的视频帧，以得到监控视频的视频质量。
57.s104，根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果，所述目标轮廓提取规则用于提取所述目标形状所对应的轮廓。
58.具体而言，在提取得到视频帧后，计算机设备可以对提取所得的视频帧进行轮廓
提取，以尝试从视频帧中提取目标形状所对应的轮廓，并得到目标提取结果。可以理解，当监控设备的拍摄角度正对工作台时，监控视频能够拍摄下识别物的全部，使得所提取的视频帧中存在完整的识别物。在此情况下，计算机设备可以从视频帧中提取出目标形状所对应的轮廓，目标提取结果不为空。
59.当监控设备的拍摄角度有所偏离时，监控视频无法拍摄到识别物的全部，因此，在提取的视频帧中不存在识别物，或者视频帧中只拍摄有识别物的部分。在此情况下，计算机设备无法从视频帧中提取出目标形状所对应的轮廓。
60.可以理解，本技术可以采用现有技术中任意类型、基于任意原理所实现的轮廓提取算法来实现轮廓提取，本技术对此不作具体限制。
61.s106，基于所述目标提取结果确定所述监控视频的视频质量。
62.具体而言，计算机设备可根据目标提取结果确定监控视频是否正对工作台，进而判断监控视频的视频质量。当监控视频的视频质量为合格时，表明监控设备的拍摄角度正对着工作台；当监控视频的视频质量为不合格时，表明监控设备的拍摄角度有所偏离，导致监控视频难以记录下商品状态。
63.本技术实施例提供的视频质量评估方法中，工作台的表面设有目标形状的识别物，计算机设备可以从工作台的监控视频中提取出视频帧作为监控图像，并采用目标轮廓提取规则，对该监控图像进行轮廓提取，以得到提取结果。该提取结果可以用于判断监控图像中是否存在目标形状所对应的轮廓，基于该提取结果可以获知监控系统的拍摄角度是否正对工作台，从而获知监控视频能否清楚地记录商品状态，进而得到监控视频的视频质量。由于轮廓提取的准确性受环境因素影响较小，因此，本技术基于目标形状的轮廓提取结果来确定监控视频的视频质量，可以弱化位置、距离、拍摄角度、拍摄光线和视频色差等环境因素对于视频质量评估结果的影响，进而可提高评估准确率，使得评估所得的视频质量可以准确反映监控视频的实际视频质量。
64.在一个实施例中，如图2所示，所述从工作台的监控视频中提取视频帧的步骤，包括：
65.s202，周期性地从所述监控视频中提取最新视频帧，所述监控视频为所述工作台的实时监控视频。
66.所述根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果的步骤，包括：
67.s204，对于每次提取的最新视频帧，根据目标轮廓提取规则对该最新视频帧进行轮廓提取，以得到该最新视频帧所对应目标提取结果。
68.所述基于所述目标提取结果确定所述监控视频的视频质量的步骤，包括：
69.s206，根据最新提取的最新视频帧所对应的目标提取结果，确定所述监控视频的视频质量。
70.具体而言，工作台的监控视频可以为一实时监控视频，也即，该监控视频在持续不断地拍摄工作台的情况，以持续记录工作台上的商品状态。在此情况下，计算机设备可以从监控视频中定时提取最新视频帧，并对最新提取的最新视频帧进行轮廓提取，以判断该最新提取的最新视频帧中是否存在目标形状的轮廓。其中，最新视频帧可以是在进行视频帧提取时，监控视频中最晚时刻所对应的视频帧。视频帧提取周期的时长可以依照实际情况
确定，本技术对此不作具体限制。
71.例如，若当前时刻为t0，视频帧提取周期为
△
t，则在t0时刻下计算机设备可以从监控视频中提取t0时刻所对应的视频帧，并根据目标轮廓提取规则对t0时刻所对应的视频帧进行轮廓提取，以得到目标提取结果，基于该目标提取结果判断监控视频在t0时刻下的视频质量。当(t0
△
t)这一时刻到来时，计算机设备可以从监控视频中提取(t0
△
t)时刻所对应的视频帧，并根据目标轮廓提取规则对(t0
△
t)时刻所对应的视频帧进行轮廓提取，以得到目标提取结果，基于该目标提取结果判断监控视频在(t0
△
t)时刻下的视频质量。每当(t0 n
△
t)时刻到来时，计算机设备均可提取对应时刻的视频帧，并参照前述步骤进行视频质量评估。其中，n为正整数。
72.本实施例中，当监控视频为实时监控视频时，计算机设备可以周期性地从工作台的监控视频中提取最新视频帧，并对本次所提取的视频帧进行轮廓提取，以得到目标提取结果，并基于目标提取结果评估监控视频的视频质量。如此，可以对实时监控视频进行周期性质量评估，以准确并及时地发现监控视频的质量问题，确保监控视频能够为售前售后的视频举证提供支撑。
73.在一个实施例中，，所述根据最新提取的最新视频帧所对应的目标提取结果，确定所述监控视频的视频质量的步骤，包括：
74.若所述最新提取的最新视频帧所对应的目标提取结果为空，且在前两次提取的最新视频帧中每次提取的最新视频帧所对应的目标提取结果均为空，则确定所述监控视频的视频质量为不合格；
75.若所述最新提取的最新视频帧所对应的目标提取结果不为空，则确定所述监控视频的视频质量为合格。
76.具体而言，对于最近一次所提取的最新视频帧，若该最新视频帧所对应的目标提取结果不为空，则表明最近一次所提取的最新视频帧记录有完整的识别物，监控系统的拍摄角度正对着工作台。因此，可以确定监控视频的视频质量为合格。
77.若该最新视频帧所对应的目标提取结果为空，为准确判断监控视频的视频质量是否为不合格，计算机设备可以结合前两次提取的最新视频帧所对应的目标提取结构来判断。当第m次提取的最新视频帧所对应的目标提取结果为空，第(m-1)次提取的最新视频帧所对应的目标提取结果为空，且第(m-2)次提取的最新视频帧所对应的目标提取结果为空，则表明连续三次最新提取的最新视频帧均没有记录有完整的识别物，因此，可确定监控视频的视频质量为不合格。其中，m为本次提取所对应的提取次数，m为正整数且大于或等于3。
78.在一个实施例中，本技术的视频质量评估方法还包括：若所述监控视频的视频质量为不合格，则向运维人员发送工单信息。计算机设备可以通过如邮件或短信等方式派发工单信息，以通知相应的运维人员介入，并及时维修监控设备或调整监控设备的拍摄角度，进而确保监控视频能够为售前售后的视频举证提供支撑。
79.在一个实施例中，所述目标形状为五角星形状，所述识别物的物体颜色为红色，所述目标轮廓提取规则包括颜色提取规则、面积提取规则和角数量提取规则。
80.如图3所示，所述根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果的步骤，包括：
81.s302，从所述视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮
廓，以得到初步轮廓提取结果；其中，所述颜色提取规则用于提取与所述识别物的物体颜色相匹配的围合区域所对应的区域轮廓，所述面积提取规则用于提取与所述识别物的物体面积相匹配的围合区域所对应的区域轮廓；
82.s304，若所述初步轮廓提取结果不为空，则分别对所述初步轮廓提取结果中的各个轮廓进行曲线拟合，以得到各个拟合轮廓；
83.s306，基于角数量提取规则对各个所述拟合轮廓进行过滤，以得到角规则过滤结果，并根据所述角规则过滤结果得到所述目标提取结果。
84.具体而言，计算机设备可以结合识别物的物体颜色及面积大小进行轮廓提取，以得到初步轮廓提取结果。若初步轮廓提取结果不为空，则初步轮廓提取结果中每个轮廓的围合区域所对应的颜色均与识别物的物体颜色相匹配，且每个轮廓的围合区域所对应的面积均满足面积提取规则。如此，可以结合色差和轮廓围合区域的面积进行初步筛选，以滤除色差过大或者面积不满足要求的轮廓。
85.当初步轮廓提取结果不为空时，则分别对初步轮廓提取结果中的每个轮廓进行曲线拟合，以得到各个拟合轮廓。各个拟合轮廓与初步轮廓提取结果中的每个轮廓一一对应。而后，计算机设备通过角数量提取规则，对各个拟合轮廓进行过滤，以排除角数量不满足角数量提取规则的拟合轮廓，并根据过滤结果得到目标提取结果。在其中一个实施例中，角数量提取规则可用于提取实际角数量为第一预设数量或者实际角数量为第二预设数量的轮廓，该第一预设数量及第二预设数量均可以依据实际情况确定。当第一预设数量为6，第二预设数量为7时。计算机设备可以将实际角数量既不等于6也不等于7的拟合轮廓进行排除，并将实际角数量等于6或者实际角数量等于7的拟合轮廓进行保留以作为角规则过滤结果，且基于该角规则过滤结果得到目标提取结果。
86.本实施例中，计算机设备采用颜色提取规则、面积提取规则和角数量提取规则从视频帧中获取目标提取结果，从而可提高目标形状所对应轮廓的提取准确性，以进一步提高评估准确率。
87.在一个实施例中，所述根据所述角规则过滤结果得到所述目标提取结果的步骤，包括：针对所述角规则过滤结果中的每个拟合轮廓，计算该拟合轮廓所对应的图像矩，若该拟合轮廓所对应的图像矩与预设图像矩相匹配，则对该拟合轮廓进行凸包检测，基于凸包检测的检测结果判断是否将该拟合轮廓添加至所述目标提取结果中，若是，则将该拟合轮廓添加至所述目标提取结果中。
88.其中，预设图像矩为五角星形状所对应的图像矩。具体而言，对于角规则过滤结果中的每个拟合轮廓，计算机设备可以计算该拟合轮廓的图像矩(即hu矩)，并将该图像矩与五角星形状所对应的图像矩(即预设图像矩)进行相似度匹配。若二者相似度匹配，则可对该拟合轮廓进行凸包检测，并根据凸包检测的检测结果准确判断该拟合轮廓是否为五角星形状的轮廓，进而得到目标提取结果。
89.在其中一个实施例中，若拟合轮廓的图像矩与预设图像矩匹配，则可对该拟合轮廓进行角边计算、凸包检测和并中心距划线等处理，以准确判断该拟合轮廓是否为五角星形状的轮廓。在其中一个实施例中，计算机设备可以将目标提取结果上传至云存储平台。
90.本技术实施例中，对于角规则过滤结果中的每个轮廓，计算机设备可以通过图像矩匹配和凸包检测来进一步判断该轮廓是否为五角星形状所对应的轮廓，从而可提高目标
形状所对应轮廓的提取准确性，以进一步提高评估准确率。
91.在一个实施例中，本技术在执行步骤s302之前，还可包括如下步骤：
92.获取区域比例，并基于所述区域比例确定所述视频帧中的感兴趣区域；
93.对所述视频帧中除所述感兴趣区域以外的区域进行灰度化处理，以得到灰度化处理后的视频帧。
94.所述从所述视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到初步轮廓提取结果的步骤，包括：从所述灰度化处理后的视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到所述初步轮廓提取结果。
95.在其中一个实施例中，区域比例可以是通过接收用户的输入参数来获取的，该区域比例可调。
96.具体而言，计算机设备可以根据区域比例确定视频帧中的感兴趣区域(region of interest，以下简称为roi)。例如，计算机设备可以将视频帧中的中心点坐标作为感兴趣区域的中心点坐标，并将区域长宽比例满足预设长宽比例且区域面积占比满足区域比例的区域作为roi。
97.计算机设备可以对视频帧中除所述roi以外的区域进行灰度化处理，以得到灰度化处理后的视频帧。换言之，对于视频帧中的某个区域，若该区域没有落入roi，则可对该区域进行灰度化处理，以得到灰度化处理后的视频帧。在进行初步轮廓提取时，计算机设备可以从该灰度化处理后的视频帧中提取同时满足颜色提取规则和面积提取规则的轮廓，以得到初步轮廓提取结果。如此，可降低计算机设备的运算工作量，提高视频质量评估的效率。
98.在一个示例中，本技术的视频质量评估方法可如图4所示，该方法具体包括如下步骤：
99.s402，获取视频质量监控配置信息，并从视频质量监控配置信息中提取工作台标识。
100.s404，对于每个工作台标识，定时从该工作台标识所对应的工作台的监控视频中提取最新视频帧。对于所提取的每一最新视频帧，均执行步骤s406至步骤s424。
101.s406，根据可供配置的区域比例确定当前处理的最新视频帧中的感兴趣区域，对当前处理的最新视频帧中除感兴趣区域以外的区域进行灰度化处理，以得到灰度化处理后的视频帧。
102.s408，通过图像滤波算法对灰度化处理后的视频帧进行滤波，以得到滤波后的视频帧。具体而言，计算机设备可依次通过高斯滤波算法、双边滤波算法和开闭运算来进行滤波，以得到滤波后的视频帧。
103.s410，从滤波后的视频帧中提取同时满足颜色提取规则和面积提取规则的轮廓，以得到初步轮廓提取结果。其中，颜色提取规则和面积提取规则均可如上述实施例所述，此处不再赘述。
104.s412，若初步轮廓提取结果不为空，则对于初步轮廓提取结果中的每个轮廓进行曲线拟合，以得到各个拟合轮廓。
105.s414，基于角数量提取规则对各个拟合轮廓进行过滤，以得到角规则过滤结果。
106.s416，针对角规则过滤结果中的每个拟合轮廓，计算该拟合轮廓所对应的图像矩，若该拟合轮廓所对应的图像矩与预设图像矩相匹配，则对该拟合轮廓进行角边计算、凸包
检测和并中心距划线处理，并根据处理结果判断是否将该拟合轮廓添加到目标提取结果中。如此，可以对角规则过滤结果中的拟合轮廓进行过滤，并得到目标提取结果。进一步地，可将目标提取结果上传至云存储平台。
107.s418，判断目标提取结果是否为空，若是，则进入步骤s420，否则进入步骤s422。
108.s420，判断前两次提取的最新视频帧中每次提取的最新视频帧所对应的目标提取结果是否均为空，若是，则进入步骤s424，否则，进入步骤s422。
109.s422，确定监控视频的视频质量为合格。
110.s424，确定监控视频的视频质量为不合格，且向运维人员发送工单信息。
111.下面对本技术实施例提供的视频质量评估装置进行描述，下文描述的视频质量评估装置与上文描述的视频质量评估方法可相互对应参照。
112.在一个实施例中，本技术提供了一种视频质量评估装置500，如图5所示，该装置500具体包括视频帧提取模块510、目标提取结果获取模块520和视频质量获取模块530。其中：
113.视频帧提取模块510，用于从工作台的监控视频中提取视频帧，所述工作台的表面设有目标形状的识别物；
114.目标提取结果获取模块520，用于根据目标轮廓提取规则对所述视频帧进行轮廓提取，以得到目标提取结果，所述目标轮廓提取规则用于提取所述目标形状所对应的轮廓；
115.视频质量获取模块530，用于基于所述目标提取结果确定所述监控视频的视频质量。
116.在一个实施例中，视频帧提取模块510包括最新视频帧提取单元，该最新视频帧提取单元用于周期性地从所述监控视频中提取最新视频帧，所述监控视频为所述工作台的实时监控视频。目标提取结果获取模块520包括目标形状轮廓提取单元，该目标形状轮廓提取单元用于对针对每次提取的最新视频帧，根据目标轮廓提取规则对该最新视频帧进行轮廓提取，以得到该最新视频帧所对应目标提取结果。视频质量获取模块530包括质量评估单元，该质量评估单元用于根据最新提取的最新视频帧所对应的目标提取结果，确定所述监控视频的视频质量。
117.在一个实施例中，质量评估单元包括第一判断单元和第二判断单元。其中，第一判断单元用于在所述最新提取的最新视频帧所对应的目标提取结果为空，且在前两次提取的最新视频帧中每次提取的最新视频帧所对应的目标提取结果均为空的情况下，确定所述监控视频的视频质量为不合格。第二判断单元用于在所述最新提取的最新视频帧所对应的目标提取结果不为空的情况下，确定所述监控视频的视频质量为合格。
118.在一个实施例中，所述目标形状为五角星形状，所述识别物的物体颜色为红色，所述目标轮廓提取规则包括颜色提取规则、面积提取规则和角数量提取规则。目标提取结果获取模块520包括初步轮廓提取单元、拟合单元及角数量过滤单元。其中，初步轮廓提取单元用于从所述视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到初步轮廓提取结果；其中，所述颜色提取规则用于提取与所述识别物的物体颜色相匹配的围合区域所对应的区域轮廓，所述面积提取规则用于提取与所述识别物的物体面积相匹配的围合区域所对应的区域轮廓。拟合单元用于在所述初步轮廓提取结果不为空的情况下，分别对所述初步轮廓提取结果中的各个轮廓进行曲线拟合，以得到各个拟合轮廓。角数
量过滤单元用于基于角数量提取规则对各个所述拟合轮廓进行过滤，以得到角规则过滤结果，并根据所述角规则过滤结果得到所述目标提取结果。
119.在一个实施例中，角数量过滤单元包括匹配单元。其中，该匹配单元用于针对所述角规则过滤结果中的每个拟合轮廓，计算该拟合轮廓所对应的图像矩，若该拟合轮廓所对应的图像矩与预设图像矩相匹配，则对该拟合轮廓进行凸包检测，基于凸包检测的检测结果判断是否将该拟合轮廓添加至所述目标提取结果中，若是，则将该拟合轮廓添加至所述目标提取结果中。
120.在一个实施例中，本技术的视频质量评估装置500还包括感兴趣区域确定模块和灰度处理模块。其中，感兴趣区域确定模块用于获取区域比例，并基于所述区域比例确定所述视频帧中的感兴趣区域。灰度处理模块用于对所述视频帧中除所述感兴趣区域以外的区域进行灰度化处理，以得到灰度化处理后的视频帧。初步轮廓提取单元包括灰度化视频帧提取单元，该灰度化视频帧提取单元用于从所述灰度化处理后的视频帧中提取同时满足所述颜色提取规则和所述面积提取规则的轮廓，以得到所述初步轮廓提取结果。
121.在一个实施例中，本技术的视频质量评估装置500还包括工单信息发送模块。该工单信息发送模块用于在所述监控视频的视频质量为不合格的情况下，向运维人员发送工单信息。
122.在一个实施例中，本技术还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述视频质量评估方法的步骤。
123.在一个实施例中，本技术还提供了一种计算机设备。所述计算机设备中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述视频质量评估方法的步骤。
124.示意性地，图6为本技术实施例提供的一种计算机设备的内部结构示意图，在一个示例中，该计算机设备可以为服务器。参照图6，计算机设备900包括处理组件902，其进一步包括一个或多个处理器，以及由存储器901所代表的存储器资源，用于存储可由处理组件902的执行的指令，例如应用程序。存储器901中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件902被配置为执行指令，以执行上述任意实施例所述视频质量评估方法的步骤。
125.计算机设备900还可以包括一个电源组件903被配置为执行计算机设备900的电源管理，一个有线或无线网络接口904被配置为将计算机设备900连接到网络，和一个输入输出(i/o)接口905。计算机设备900可以操作基于存储在存储器901的操作系统，例如windows server tm、mac os xtm、unix tm、linux tm、free bsdtm或类似。
126.本领域技术人员可以理解，本技术示出的计算机设备的内部结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
127.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意
在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本文中，“一”、“一个”、“所述”、“该”和“其”也可以包括复数形式，除非上下文清楚指出另外的方式。多个是指至少两个的情况，如2个、3个、5个或8个等。“和/或”包括相关所列项目的任何及所有组合。
128.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
129.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。