本发明涉及一种方法，尤其涉及一种用于后厨画面质量分析的方法。
背景技术：
1、在餐饮业中，后厨的监控视频是保障食品安全、提高运营效率的重要手段。然而，由于后厨环境的复杂性和视频画面的多样性，如何有效地评估监控视频的画面质量，一直是该领域的技术难题。传统的画面质量评估方法主要依赖人工观察，不仅效率低下，而且易受主观因素影响。因此，开发一种能够自动、客观地评估后厨画面质量的方法，具有重要的现实意义。
技术实现思路
1、为了解决上述技术所存在的不足之处，本发明提供了一种用于后厨画面质量分析的方法。
2、为了解决以上技术问题，本发明采用的技术方案是：一种用于后厨画面质量分析的方法，包括以下步骤：
3、s1、提取后厨监控视频，通过深度学习模型对后厨的监控视频进行实时处理，提取视频画面的特征；
4、s2、根据提取的特征，计算画面的质量指标；
5、s3、将计算获得的画面质量指标与预设的阈值进行比较，判断画面质量知否达标；
6、s4、如若比较结果为画面质量未达标，向后端管理人员发送警报信息，提示其对后厨的监控设备进行检查或调整。
7、作为优选的，s1中，特征提取基于cnn卷积神经网络实现。
8、作为优选的，质量指标包括但不限于亮度、对比度、色差、清晰度、图像条纹、信号质量、抖动、画面冻结、遮挡、场景变更。
9、作为优选的，亮度异常判断分为亮度过亮、亮度过暗两种情况；将彩色的画面图像转化为灰度图像，计算图像的平均亮度；当平均亮度大于预设的亮度最大阈值时，进行亮度过亮报警，当平均亮度小于预设的亮度最小阈值时，则进行亮度过暗报警。
10、作为优选的，对比度异常判断方法为：将图像画面转化为灰度图像后，进行亮度的均值、方差计算，当方差计算结果小于预设的方差阈值时，进行对比度异常报警；
11、偏色异常判断方法为：将图像画面由rgb图像转化为yuv图像，输入cnn卷积神经网络，若偏移量偏离阈值区间，进行偏移异常报警。
12、作为优选的，清晰度异常判断方法为：将彩色图像转化为灰度图像后，做边缘检测，采用sobel算子计算边缘的平均值，若该平均值小于预设的阈值，进行清晰度异常报警；
13、条纹异常判断方法为：将图像画面转化为灰度图像后，做边缘检测，统计大于设定阈值的点数量，分析这些点占整幅图像的面积比值；若占比超过预设值，则进行条纹异常报警。
14、作为优选的，噪声异常判断方法为：把图像划分为16*16块，分别计算每个子块的方差，计算最大方差和最小方差的信噪比psnr，信噪比高于预设值时，进行噪声异常报警；
15、信号丢失异常判断方法为：把图像划分成16*16的小块进行统计，分别计算每个子块的均值和方差，对方差进行排序并分析对比，在指定参考点的方差值小于阈值，则认为信号丢失，进行信号丢失报警。
16、作为优选的，冻结异常判断方法为：计算及判断方法为：每隔t帧从视频中取一帧，与当前帧做帧差图像，统计帧差图像大于阈值的点数量总和，当连续n帧点总和都小于阈值，则认为画面冻结，进行冻结异常报警；
17、抖动异常判断方法为：每隔n帧取一帧，对取到的每帧进行特征点提取，对检测的相邻2帧进行特征点匹配，得到匹配矩阵，当匹配矩阵大于设定值时，则认为画面发生了抖动，进行抖动异常报警。
18、作为优选的，遮挡异常判断方法为：将监控视频的彩色图像二值化，偏黑部分为前景，其它部分为背景，对前景进行连通区域检测，求得最大连通区域面积，该面积占整幅图像面积的比值即为遮挡率；当遮挡率高于设定值时进行遮挡异常报警。
19、作为优选的，黑白图像异常及判断方法为：把彩色图像转化为hsv颜色空间，计算色调和明度的变化量，若变化量超出预设的阈值，则进行黑白图像异常报警；
20、场景变更异常判断方法为：计算及判断方法为：对彩色图像做高斯建模，提取高斯建模的前景图像，计算前景图像的变化量，若变化量大于设定值，则进行场景变更异常检测。
21、本发明公开了一种用于后厨画面质量分析的方法，基于深度学习和计算机视觉技术，对后厨的监控视频进行实时处理和分析，以识别视频画面的质量，包括清晰度、亮度、对比度等因素，从而提供一种有效的后厨画面质量评估手段。
1.一种用于后厨画面质量分析的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的用于后厨画面质量分析的方法，其特征在于：s1中，特征提取基于cnn卷积神经网络实现。
3.根据权利要求1所述的用于后厨画面质量分析的方法，其特征在于：质量指标包括但不限于亮度、对比度、色差、清晰度、图像条纹、信号质量、抖动、画面冻结、遮挡、场景变更。
4.根据权利要求3所述的用于后厨画面质量分析的方法，其特征在于：亮度异常判断分为亮度过亮、亮度过暗两种情况；将彩色的画面图像转化为灰度图像，计算图像的平均亮度；当平均亮度大于预设的亮度最大阈值时，进行亮度过亮报警，当平均亮度小于预设的亮度最小阈值时，则进行亮度过暗报警。
5.根据权利要求4所述的用于后厨画面质量分析的方法，其特征在于：
6.根据权利要求5所述的用于后厨画面质量分析的方法，其特征在于：
7.根据权利要求6所述的用于后厨画面质量分析的方法，其特征在于：
8.根据权利要求7所述的用于后厨画面质量分析的方法，其特征在于：
9.根据权利要求8所述的用于后厨画面质量分析的方法，其特征在于：
10.根据权利要求9所述的用于后厨画面质量分析的方法，其特征在于：
