一种适用于视频监控设备的视频图像处理方法技术

本发明专利技术公开了一种适用于视频监控设备的视频图像处理方法，使用通过获取图像帧序列；将图像帧序列拆分为训练集和测试集，通过训练集对神经网络模型进行训练获得训练好的神经网络；提取前景图像提取各个图像帧的前景图像依次生成各个图像帧的前景图像的模糊序列，根据对应模糊序列依次判断各个图像帧是否存在模糊区域，若是，则删除存在模糊区域的图像帧，否则，保存没有模糊区域的图像帧，能够压缩视频或者多张图像构成的图像序列的体积，使得在视频监控设备上，能够极大地压缩服务器端所需要的存储空间，提高有效数据的占比，清理掉无效的模糊数据，提高使用的用户的体验。提高使用的用户的体验。提高使用的用户的体验。

【技术实现步骤摘要】
一种适用于视频监控设备的视频图像处理方法


[0001]本专利技术属于图像处理
、移动视频处理
，具体涉及一种适用于视频监控设备的视频图像处理方法。

技术介绍

[0002]在视频监控设备采集高速运动目标的视频时，获取到的大部分图像都是非常模糊的，或者是在光线昏暗的环境的图像，或者强光之下的曝光图像，在长时间的连续视频数据采集以后，累积了大量的这些无效数据，视频监控设备在服务器端的所耗费的存储空间是海量的，如果能去除掉这些相对模糊的图像，则能够压缩视频或者多张图像构成的图像序列的体积，使得在视频监控设备上，能够极大地压缩服务器端所需要的存储空间，提高有效数据的占比，清理掉无效的模糊数据，提高使用的用户的体验，然而现有的图像处理方法中并没有同类技术解决以上问题，单纯的靠人工清理不需要的图像或者剪辑视频帧无法辨识的图像很操作起来很是费时费力。

技术实现思路

[0003]本专利技术的目的在于提出一种适用于视频监控设备的视频图像处理方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于视频监控设备的视频图像处理方法，其特征在于，所述方法包括以下步骤：S100，获取图像帧序列；S200，将图像帧序列拆分为训练集和测试集，通过训练集对神经网络模型进行训练获得训练好的神经网络；S300，通过训练好的神经网络提取图像帧序列中的各个图像帧的前景图像，或者，通过差分法提取前景图像提取各个图像帧的前景图像；S400，依次生成各个图像帧的前景图像的模糊序列；S500，根据对应模糊序列依次判断各个图像帧是否存在模糊区域，若是，则删除存在模糊区域的图像帧，否则，保存没有模糊区域的图像帧。2.根据权利要求1所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S100中，获取图像帧序列的方法具体为：通过视频监控设备的摄像头获取视频或连续的图像帧，将视频的各个视频帧或图像帧作为图像帧序列, 图像帧为图像格式。3.根据权利要求1所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S200中，将图像帧序列拆分为训练集和测试集，通过训练集对神经网络模型进行训练获得训练好的神经网络的方法具体为：将图像帧序列拆分为训练集和测试集的方法为留出法、交叉验证法或者自助法中任意一种；所述神经网络模型包括LSTM网络，GAN网络、ResNet网络、VGG网络或者DenseNet网络中任意一种。4.根据权利要求1所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S400中，依次生成各个图像帧的前景图像的模糊序列的方法包括以下步骤：S301，以当前的前景图像对应的图像帧为当前图像帧，令当前的前景图像对应的图像帧的采集时刻为tA0，令当前的图像帧之前连续的两个采集图像帧的时刻为tA1、tA2，其中tA1时刻为tA0
‑
T时刻，tA2时刻为tA0
‑
2T时刻，T为图像帧的采集间隔，分别获取图像帧序列中tA2、tA1、tA0对应的 3张图像帧m0、m1和m2，将图像帧m0与图像帧m2标记为对比图像帧mc；S302，为图像帧m1各个像素设置一个初始值为0的亮度漂移积极因子标记数，每个像素的亮度漂移积极因子标记数最大为2；计算图像帧m1各个像素的亮度漂移积极因子标记数的具体方法为：依次遍历图像帧m1各个像素，在图像帧m1的像素(x,y)的两个对比图像帧mc对应(x,y)坐标位置的像素的灰度值中，如果没有灰度值大于图像帧m1的像素(x,y)的灰度值则将图像帧m1的像素(x,y)的亮度漂移积极因子标记数设置为0，如果有1个灰度值大于或等于图像帧m1的像素(x,y)的灰度值则将图像帧m1的像素(x,y)的亮度漂移积极因子标记数设置为1，如果有2个灰度值大于或等于图像帧m1的像素(x,y)的灰度值则将图像帧m1的像素(x,y)的亮度漂移积极因子标记数设置为2；S303，如果在图像帧m1中像素的亮度漂移积极因子标记数大于或等于2，则认为该像素为模糊像素，根据图像帧m1中各个像素是否为模糊像素将图像二值化获得模糊特征图，具体为：如果像素是模糊像素，则为该像素的像素值赋值255，否则赋值0；S3041，将模糊特征图纵向平均分成AJ片纵向现象观测域，AJ为[5,10]范围内的正整数，依次从AJ片纵向现象观测域中选取纵向现象观测域Jarea
j
，将Jarea
j
作为待测纵向现象
观测域，以Jarea
j
代表第j块纵向现象观测域，j在[1,AJ]范围内取值；计算待测纵向现象观测域Jarea
j
的模糊像素总量n_G以及可识别模糊总量Ln_flag；其中所述模糊像素总量n_G为待测纵向现象观测域内像素值为255的像素的数量；所述可识别模糊是指一系列紧密相连的模糊像素的集合，用模糊标记Ln区分不同的可识别模糊，可识别模糊总量Ln_flag为待测纵向现象观测域内像素值为0的像素的数量，S3042，获取从S3041获得的各个待测纵向现象观测域的模糊像素总量n_G1, n_G2,
…
n_G
j
，以及可识别模糊总量Ln_flag1, Ln_flag2,
…
Ln_flag
j
，其中n_G
j
以及Ln_flag
j
分别表示第j个待测纵向现象观测域的模糊像素总量以及可识别模糊总量，计算纵向因子特征值Tn_G：；计算纵向可识别模糊特征值TLn_flag：；S305，生成模糊序列Fea=(Tn_G,TLn_flag)。5.根据权利要求4所述的一种适用于视频监控设备的视频图像处理方法，其特征在于，在S302中，计算图像帧m1各个像素的亮度漂移积极因子标记数的方法替换为以下步骤：a1，以图像帧左下角为原点建立坐标系，横坐标为x轴，纵坐标为y轴，记图像帧mc在坐标为（x,y）的像素点的灰度值为Grey_mc（x,y）， 图像帧m1在坐标为（x,y）的像素点灰度值为Grey_m1（x,y）；从图像帧在x轴方向的上每行的像素个数为xm，图像帧上y轴方向上每列的像素个数为ym，设置变量xk、变量yk，令xk、yk的初始值均为1，以xk表示待计算亮度差值的像素的x轴坐标值，xk∈[1,xm]，以yk表示待计算亮度差值的像素的y轴坐标值，yk∈[1,ym]；设置变量Grey_mcm1_std，令Grey_mcm1_std＝0，以Grey_mcm1_std表示亮度漂移基准值；a2，计算图像帧m1中（xk,yk）像素与对比图像帧mc中（xk,yk）像素的亮度差值 Grey_mcm1(xk,yk）＝|Grey_m1(xk,yk)
‑ꢀ
Grey_mc(xk,yk)|；如果任意一个对比图像帧mc的亮度差值满足条件Grey_mcm1(xk,yk)＞Grey_mcm1_std，更新Grey_mcm1_std的数值为满足条件的对比图像帧mc的亮度差值Grey_mcm1(xk,yk)，如果对比图像帧mc的亮度差值Grey_mcm1(xk,yk)都小于Grey_mcm1_std，则不更改Grey_mcm1_std的数值；a3，如果xk+1≤xm，令xk的值增加1，跳转到步骤a2；如果xk+1＞xm跳转到步骤a4；a4，如果yk+1≤ym，设置xk的值为1并令yk的值增加1，跳转到步骤a2；如果yk+1＞ym，跳转到步骤a5；a5，设置xk、yk的值均为1，建立一个顺序表作为亮度漂移水平顺序表table，所述亮度漂移水平顺序表table是一个关于元素pn的集合，元素pn由像素的坐标（xk,yk）和像素的亮度漂移水平degree组成，所述亮度漂移水平degree通过结合图像帧m1中坐标为（xk,yk）的像素和Grey_mcm1_std获得；table的初始长度len为0，长度len表示table中元素的个数；设置变量ord，以ord代表元素pn在table中的位置；以table(ord)表示亮度漂移水平顺序表
table中的第ord个元素；以table(ord)(degree)表示亮度漂移水平顺序表table中的第ord个元素的亮度漂移水平degree；a6，计算获得图像帧m1中坐标为(xk,yk)的像素与对比图像帧mc中坐标为(xk,yk)的像素的亮度漂移水平degree＝Grey_mcm1(xk,yk)/Grey_mcm1_std，构建元素pn＝[degree,(xk,yk)]，设置ord的值为1，更新len的数值为len+1的数值；设置对比元素temp，将所得元素pn复制到对...

【专利技术属性】
技术研发人员：林丽专，
申请(专利权)人：广州智慧城市发展研究院，
类型：发明
国别省市：