一种视频图像在线率检测方法技术

本发明专利技术公开了一种视频图像在线率检测方法，属于视频检测技术领域，该检测方法具体步骤如下：(1)收集视频图像并对其进行分类处理；(2)对视频图像进行分组优化；(3)对比各组视频图像以进行数据筛选；(4)修复异常视频图像并反馈；本发明专利技术通过对分块后的各组视频图像像素进行归一化处理，能够大幅提高视频图形的检测准确率，同时降低人工检测成本，提高工作人员检测效率，能够更直观地向工作人员反馈各组视频图像地清晰度，同时避免人工检测产生过多误差。差。差。

【技术实现步骤摘要】
一种视频图像在线率检测方法


[0001]本专利技术涉及视频检测
，尤其涉及一种视频图像在线率检测方法。

技术介绍

[0002]当前，公共安全视频监控的应用极大地推动社会治安综合治理能力，有效促进图像数据集成应用，由于视频和图像的特殊性，在视频和图像质量、在线率、稳定性方面的评估还不完善，特别是视频图像质量的第三方评估，还采用人工采样方式，以人眼感测主管判断视频图像质量是否到达实际要求，在实际工作当中，需要判断视频图像质量，快速统计在线率，有效保证准确率，采用人工判断就不可行了，而且视频图像的质量以及在线率直接关乎使用成本，有可能造成较大损失。

技术实现思路

[0003]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种视频图像在线率检测方法。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：
[0005]一种视频图像在线率检测方法，该检测方法具体步骤如下：
[0006](1)收集视频图像并对其进行分类处理：实时收集视频图像，同时对各组图像进行区域分割处理，并对收集的视频图像进行分类处理；
[0007](2)对视频图像进行分组优化：构建深度神经网络，并将各组视频图像导入该神经网络中进行数据调整，同时将优化完成的数据分别录入两组分析数据集中；
[0008](3)对比各组视频图像以进行数据筛选：对两组对比数据集进行比较分析，同时对两组对比数据集进行归一化处理，并依据处理结果对其进行图像分析；
[0009](4)修复异常视频图像并反馈：对筛选出的异常图像进行数据修复，同时将修复完成的图形再次进行图像分析，并将修复的图像信息反馈给工作人员。
[0010]作为本专利技术的进一步方案，步骤(1)中所述分类处理具体步骤如下：
[0011]步骤一：将分割完成的各区域视频图像按照不同的监控摄像头的拍摄画面进行分类，同时按照各监控摄像头在服务器中所存储的编号对各组视频图像进行排序；
[0012]步骤二：将排序完成的各组视频图像按照拍摄时间前后进行有序排列，同时构建分析记录表，并记录各组视频图像、拍摄时间以及监控摄像头编号。
[0013]作为本专利技术的进一步方案，步骤(2)中所述数据调整具体步骤如下：
[0014]第一步：对构建的神经网络进行训练优化，优化完成后，接收各组视频图像；
[0015]第二步：神经网络构建两组分析数据集，并分别标记为分析数据集A以及分析数据集B；
[0016]第三步：将视频数据分别导入分析数据集A以及分析数据集B，同时依据分析数据集A中各组视频图像的显示比例来确定分块数量，并对各组视频图像进行分块处理；
[0017]第四步：依据分析数据集B中各组视频图像的显示比例来确定分块数量，并对各组
视频图像进行分块处理，同时对分块完成的视频图像通过低通滤波进行模糊处理。
[0018]作为本专利技术的进一步方案，第一步中所述训练优化具体步骤如下：
[0019]S1.1：从视频图像中选取一个作为验证数据，并重复多次使用该验证数据来验证该神经网络的精度；
[0020]S1.2：对于每一组视频图像，选取任意一个子集作为测试集，再取剩余子集作为训练集，并对每组数据都进行一次预测，并将预测结果最好的数据作为最优参数输出；
[0021]S1.3：依据最优参数对训练数据集进行标准化处理，最后将训练样本输送到神经网络中，并采用长期迭代法训练该模型，再依据训练结果对该训练模型进行实时优化。
[0022]作为本专利技术的进一步方案，步骤(3)中所述图像分析具体步骤如下：
[0023]S2.1：提取分析数据集A中每个块的视频图像像素，并对其进行归一化处理，最后通过比对函数对每个块的视频图像像素进行比对，最终确定视频图像是否正常，并将正常图像与异常视频图像在分析记录表中进行标注；
[0024]S2.2：通过对比函数对分析数据集B中模糊处理前后的视频图像进行比对，比对完成后，对各组视频图像像素进行归一化处理，并依据归一化结果确定视频图像清晰度，并将确定的视频图像清晰度录入分析记录表中。
[0025]作为本专利技术的进一步方案，步骤(4)中所述数据修复具体步骤如下：
[0026]S3.1：神经网络对分析记录表中的正常视频图像筛除，同时对剩余的异常视频图像进行图像分割处理；
[0027]S3.2：对分割完成的各组视频图像进行降噪处理，同时对各组视频图像进行灰度处理，并再次对异常视频图像进行分析，同时将分析记录表反馈给工作人员进行查看。
[0028]相比于现有技术，本专利技术的有益效果在于：
[0029]1、该视频图像在线率检测方法相较于以往检测方法，本专利技术收集各组监控摄像头采集到的各组视频图像，并分析采集到的各组视频图像的显示比例来确定分块数量，同时对各组视频图像进行分块处理，神经网络再提取每个块的视频图像像素，并对其进行归一化处理，最后通过比对函数对每个块的视频图像像素进行比对，最终确定视频图像是否正常，并将正常图像与异常视频图像在分析记录表中进行标注，通过对分块后的各组视频图像像素进行归一化处理，能够大幅提高视频图形的检测准确率，同时降低人工检测成本，提高工作人员检测效率；
[0030]2、该视频图像在线率检测方法对收集到的各组视频图像进行分类处理，同时通过神经网络对各组视频图像进行分块，并通过低通滤波的方式对分块后的视频图像进行模糊处理，各组视频图像模糊处理完成后，通过对比函数对模糊处理前后的各组视频图像进行比对，比对完成后，对各组视频图像像素进行归一化处理，并依据归一化结果确定视频图像清晰度，并将确定的视频图像清晰度录入分析记录表中，同时将分析记录表反馈给工作人员，能够更直观地向工作人员反馈各组视频图像地清晰度，同时避免人工检测产生过多误差。
附图说明
[0031]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0032]图1为本专利技术提出的一种视频图像在线率检测方法的流程框图。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，对本专利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专利技术一部分实施例，而不是全部的实施例。
[0034]实施例1
[0035]参照图1，一种视频图像在线率检测方法，本实施例具体公开了一种数据调整方法：
[0036]收集视频图像并对其进行分类处理：实时收集视频图像，同时对各组图像进行区域分割处理，并对收集的视频图像进行分类处理。
[0037]具体的，首先计算机将分割完成的各区域视频图像按照不同的监控摄像头的拍摄画面进行分类，同时按照各监控摄像头在服务器中所存储的编号对各组视频图像进行排序，排序完成后，将排序完成的各组视频图像按照拍摄时间前后进行有序排列，同时构建分析记录表，并记录各组视频图像、拍摄时间以及监控摄像头编号。
[0038]对视频图像进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频图像在线率检测方法，其特征在于，该检测方法具体步骤如下：(1)收集视频图像并对其进行分类处理：实时收集视频图像，同时对各组图像进行区域分割处理，并对收集的视频图像进行分类处理；(2)对视频图像进行分组优化：构建深度神经网络，并将各组视频图像导入该神经网络中进行数据调整，同时将优化完成的数据分别录入两组分析数据集中；(3)对比各组视频图像以进行数据筛选：对两组对比数据集进行比较分析，同时对两组对比数据集进行归一化处理，并依据处理结果对其进行图像分析；(4)修复异常视频图像并反馈：对筛选出的异常图像进行数据修复，同时将修复完成的图形再次进行图像分析，并将修复的图像信息反馈给工作人员。2.根据权利要求1所述的一种视频图像在线率检测方法，其特征在于，步骤(1)中所述分类处理具体步骤如下：步骤一：将分割完成的各区域视频图像按照不同的监控摄像头的拍摄画面进行分类，同时按照各监控摄像头在服务器中所存储的编号对各组视频图像进行排序；步骤二：将排序完成的各组视频图像按照拍摄时间前后进行有序排列，同时构建分析记录表，并记录各组视频图像、拍摄时间以及监控摄像头编号。3.根据权利要求1所述的一种视频图像在线率检测方法，其特征在于，步骤(2)中所述数据调整具体步骤如下：第一步：对构建的神经网络进行训练优化，优化完成后，接收各组视频图像；第二步：神经网络构建两组分析数据集，并分别标记为分析数据集A以及分析数据集B；第三步：将视频数据分别导入分析数据集A以及分析数据集B，同时依据分析数据集A中各组视频图像的显示比例来确定分块数量，并对各组视频图像进行分块处理；第四步：依据分析数据集B中各组视频图像的显示比例来确定分块数量，并对...

【专利技术属性】
技术研发人员：王斌，周子云，
申请(专利权)人：周子云，
类型：发明
国别省市：