弘度小课堂第5期：安防工程视频监控图像质量如何评价？

弘度小课堂：第5期

安防工程视频监控图像质量，如何评价？

用户问：主观评价好，还是客观评价好？

● “是否能根据不同白天和晚上，定义不同评价规则——福州某用户对视频监控的图像要求”

● “根据不同的视频质量项目（抖动、丢失、遮挡、亮度、偏色、噪声、条纹、冻结等）建立评价标准——青岛某用户智能运维系统的图像质量要求”

● “大型整合项目整合了治安、交通、园区、内保等各类场景的视频资源，不能一刀切评估，需要根据摄像头场景和功能来建立评价规则——广州某用户的视频图像质量诊断要求”

小度说：主观和客观结合，根据摄像机使用场景定义评价规则。

目前对图像的评价主要是通过客观的定量评价和主观的定性评价进行的，前者凭借人的主观感知来评价图像的质量；后者依据数据模型给出量化指标，模拟人类视觉系统感知机制衡量图像质量。

那我们在安防工程中使用哪种评价方法会更好呢？

 

主观评价：

观察者的主观评价最常用，也是最直接的图像质量评价方法，通常可分为绝对评价和相对评价两种。绝对评价是由观察者根据事先规定的评级尺度或自己的经验对图像做出判断和评价。

必要时，可提供一组标准图像作为参照系，帮助观察者对图像质量做出合适的评价。为了保证图像质量主观评价的客观性和准确性，可用一定数量观察者的质量分数平均值作为最终主观评价结果。

目前国际上已有成熟的主观评价技术和国际标准，例如《ITU-T Rec.P.910》、《ITU-R BT.500-11》。主观质量评分法（Mean Opinion Score：MOS）是质量最具代表性的主观评价方法。

图像质量主观评价应符合采用五级损伤制评定的4级以上（含4级），五级损伤制评分分级按下表要求。通过认为摄像机在正常工作下，图像质量应不低于5级。要求在低照度使用时，图像质量应达可用图像（能够辨认画面物体轮廓、人的脸部特征和车牌号）。

某客户视频图像质量主观评价

在实际的应用中，主观评估费时费力，且容易受观看距离、显示设备、照明条件、观测者的经验、心理、视觉能力、情绪等诸多因素影响。每个人对同一个图像质量的评价可能会存在较大差异。

客观评价：

客观评价方法是根据人眼的主观视觉系统建立数学模型，并通过具体的公式计算图像的质量，是计算机根据算法计算出视频/图像的质量指标。

虽然客观评价方法是让计算机尽量从人的主观视角出发来预测特定视频的评分，但不同客观评价指标与主观感受的符合程度差距较大。

以下是针对于image super-resolution 8种方法衡量图片super-resolution之后的质量的对比。

图像质量客观评价方法的一般有：全、半参考方法（全参考(Full Reference-IQA, FR-IQA)、半参考(Reduced Reference-IQA,RR-IQA)和无参考(又叫盲图像质量，No Reference-IQA, NR-IQA），基于机器学习的图像质量评价（SVM＋SVR模型、GGD）、概率模型、神经网络等。视频图像的客观评价在算法定义、数据收集、模型训练、准确率评估几个方面都存在更高的门槛。

弘度科技基于AI有源视频质量诊断技术

弘度科技以优秀的底层算法为基础，通过加载全新自主研发具有深度学习能力的技术框架对视频质量诊断系统进行研发和优化，产品可通过动态调整模型参数，建立大量的分析模型适应不同场景需求，大大提升产品的准确性和适应能力。

一个小路数的视频监控系统，监看人员可通过画面轮询进行主观评价所有视频画面的质量，但对于一个上百路甚至成千上万如平安城市项目的视频监控系统，客观评价既耗时又存在不确定因素，大多数视频画面质量不能在有效的在短时间全面掌握，如视频画面显示是否正常、是否有高质量录像、校时是否准确、设备是否在线、录像能否在事后回放时提供高质的现场画面等用户关心的问题。

针对此类问题，弘度科技研发出【有源视频质量诊断技术】和【多维录像诊断技术】，可实现监控系统全面的健康监测，帮助用户封堵风险，降本增效。

某客户视频图像质量客观评价

弘度科技智能运维平台、视频卫士等产品已在全国各地的平安城市、雪亮工程、监管场所以及银行、交通、教育、医院等场景的视频监控系统中应用。

截至目前，已有近百万路的监控设备通过弘度科技产品实现智能诊断和智慧化的运维管理服务。