当前位置：首页 > news >正文

渗透wordpressseo教程之关键词是什么

news 2025/7/26 18:50:43

渗透wordpress,seo教程之关键词是什么,西宁做网站_君博相约,建筑交流平台文章目录 0.引言1. 原始代码分析2. 优化方案3. 优化后的代码4. 代码详细解读 0.引言视频质量画面冻结检测已在C基于opencv4的视频质量检测中有所介绍，本文将详细介绍其优化版本。 1. 原始代码分析图像抖动检测的原始代码： bool ScreenFreezeDetect…

文章目录

- 0.引言
- 1. 原始代码分析
- 2. 优化方案
- 3. 优化后的代码
- 4. 代码详细解读

0.引言

视频质量画面冻结检测已在C++基于opencv4的视频质量检测中有所介绍，本文将详细介绍其优化版本。

1. 原始代码分析

图像抖动检测的原始代码：

bool ScreenFreezeDetection(const cv::Mat& srcImg) {if (srcImg.empty()) {return true;  // 直接返回true表示检测故障}cv::Mat backgroundA, backgroundB;// 1. 获取云台运动前的背景Astatic int frameCount = 0;if (frameCount < NUM_FRAMES) {if (frameCount == 0) {backgroundA = cv::Mat::zeros(srcImg.size(), srcImg.type());}cv::accumulate(srcImg, backgroundA);++frameCount;if (frameCount == NUM_FRAMES) {backgroundA /= NUM_FRAMES;}return false;}// 2. 发送云台运动指令，改变场景// 3. 获取云台运动后的背景Bif (frameCount < 2 * NUM_FRAMES) {int currentFrameIndex = frameCount - NUM_FRAMES;if (currentFrameIndex == 0) {backgroundB = cv::Mat::zeros(srcImg.size(), srcImg.type());}cv::accumulate(srcImg, backgroundB);++frameCount;if (frameCount == 2 * NUM_FRAMES) {backgroundB /= NUM_FRAMES;}return false;}// 4. 计算背景A和背景B的颜色直方图cv::Mat histA, histB;int histSize = 256;float range[] = {0, 256};const float* histRange = {range};cv::calcHist(&backgroundA, 1, 0, cv::Mat(), histA, 1, &histSize, &histRange, true, false);cv::calcHist(&backgroundB, 1, 0, cv::Mat(), histB, 1, &histSize, &histRange, true, false);// 5. 计算直方图的相似度（使用相关性比较方法）double histSimilarity = cv::compareHist(histA, histB, cv::HISTCMP_CORREL);// 6. 判断相似度是否小于阈值，如果小于则认为画面冻结if (histSimilarity > HIST_SIM_THRESHOLD) {return true;} else {return false;}
}

存在的问题：

依赖外部设备运动：该算法需要通过控制云台运动来改变摄像机的视角，以获取不同的背景。这在实际应用中可能不方便，增加了系统的复杂性和成本。
复杂的背景处理：使用了帧累积和直方图比较的方法，计算量较大，效率较低。
静态场景误判：对于本身就没有明显变化的静态场景，可能误判为画面冻结。

2. 优化方案

取消对云台运动的依赖：改为直接比较连续帧之间的相似度，避免对外部设备的依赖。
使用结构相似度（SSIM）：SSIM是一种衡量两幅图像相似度的指标，考虑了亮度、对比度和结构信息，比简单的直方图比较更准确。
引入冻结帧计数：只有当连续多帧都满足冻结条件时，才认为画面冻结，减少了误报率。
简化代码结构：移除了累积帧和直方图计算的复杂操作。

3. 优化后的代码

#include <opencv2/opencv.hpp>
#include <opencv2/quality.hpp>  // 需要OpenCV Contrib模块/*** @brief 检测画面冻结的函数* @param[in] srcImg 输入的当前图像帧* @return 如果检测到画面冻结返回true，否则返回false*/
bool ScreenFreezeDetection(const cv::Mat& srcImg) {static cv::Mat prevImg;static int freezeFrameCount = 0;const int FREEZE_THRESHOLD = 30;  // 冻结帧计数阈值const double SIMILARITY_THRESHOLD = 0.99;  // 相似度阈值if (srcImg.empty()) {return true;  // 输入图像为空，认为画面冻结}if (prevImg.empty()) {prevImg = srcImg.clone();return false;  // 第一帧，没有参考，无法判断}// 计算当前帧与上一帧的结构相似度（SSIM）double similarity = cv::quality::QualitySSIM::compute(srcImg, prevImg, cv::noArray())[0];if (similarity >= SIMILARITY_THRESHOLD) {// 如果相似度高于阈值，认为画面可能冻结freezeFrameCount++;} else {// 相似度低于阈值，认为画面正常freezeFrameCount = 0;}prevImg = srcImg.clone();// 如果连续的冻结帧数量超过阈值，认为画面冻结if (freezeFrameCount >= FREEZE_THRESHOLD) {return true;} else {return false;}
}