司机室视频图像质量检测方法、装置及电子设备制造方法及图纸

本发明专利技术一个或多个实施例提供一种司机室视频图像质量检测方法、装置及电子设备，包括：在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块；将预处理后的待检测数据输入所述图像质量检测模块进行图像质量检测，获取分类检测结果，其中所述分类检测结果包括画面正常、画面模糊、画面黑暗、画面过曝的其中之一；通过所述司机室视频司机行为智能分析程序根据所述分类检测结果对所述待检测数据进行分类处理。本发明专利技术能够准确检测出画面质量差的视频图像，方便选择合适的方法进行后续处理，能够有效降低违章项点的误报率。能够有效降低违章项点的误报率。能够有效降低违章项点的误报率。

【技术实现步骤摘要】
司机室视频图像质量检测方法、装置及电子设备


[0001]本专利技术属于一种图像处理
，具体是涉及到一种司机室视频图像质量检测方法、装置及电子设备。

技术介绍

[0002]所需分析的机车6A司机室视频为机车车载安全防护系统(6A系统)中驾驶室端的一路监控视频，该路视频全程记录了司机行车操作，是后续地面智能分析司机是否安全行车的重要依据。由于机车6A视频标准制定时间较早，目前各路局常见的和谐号电力机车的6A摄像头大部分为模拟摄像头，成像质量远不及目前流行的数字高清摄像头，其视频分辨率仅为352
×
288，视频数据采集稳定性较差，容易受外部光线干扰，常遇到图像画面质量差的情况，例如画面黑暗、画面模糊、画面过曝三种情形，其中画面过曝包括画面整体过曝与司机安全背心反光强烈造成的画面局部过曝。在白天正常光照情况下，画面较为清晰，但在夜间或者逆光较强时，画面容易出现过曝、过暗、模糊等情况。
[0003]在对机车6A司机室视频进行司机行为智能识别时，图像画面质量差会导致目标信息失真，严重影响司机行为识别相关项点的识别准确率，如主司机离岗、副司机未立岗等项点在部分6A司机室视频分析结果会因为图像质量差，误报率达到90％以上。
[0004]采用传统的图像处理技术很难分别识别并分类这些情况，利用图像亮度情况例如亮度主分布均值可以容易判别出画面黑暗或画面整体过曝，但不适用于模糊、局部过曝情况。利用Sobel算子等梯度算法可以有效检测出画面模糊，但同样不具有全类别的通用性。

技术实现思路

>[0005]本专利技术要解决的技术问题是提供一种司机室视频图像质量检测方法、装置及电子设备，以解决难以检测出画面质量差的视频图像的问题。
[0006]基于上述目的，本专利技术一个或多个实施例提供了一种司机室视频图像质量检测方法，包括：在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块；将预处理后的待检测数据输入所述图像质量检测模块进行图像质量检测，获取分类检测结果，其中所述分类检测结果包括画面正常、画面模糊、画面黑暗、画面过曝的其中之一；通过所述司机室视频司机行为智能分析程序根据所述分类检测结果对所述待检测数据进行分类处理。
[0007]可选的，所述在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块之前，包括：收集司机室视频并制作用于所述图像质量检测神经网络模型训练的数据集；应用所述数据集对所述图像质量检测神经网络模型进行训练，获取训练后的所述图像质量检测神经网络模型；根据训练后的所述图像质量检测神经网络模型将检查点模型文件转化成protocol_buffer模型文件，获得所述图像质量检测模块。
[0008]可选的，所述收集司机室视频并制作用于所述图像质量检测神经网络模型训练的
数据集，包括：收集司机室视频，对所述司机室视频逐帧抽帧并去重；对去重后的各帧图像进行人工分类检测，获取分类检测结果；对各帧图像进行预处理，获取图像数据；根据所述图像数据和所述分类检测结果构建所述数据集。
[0009]可选的，所述对各帧图像进行预处理，获取图像数据，包括：将各帧图像转换成HSV色彩空间图像，并进行归一化处理；将各帧图像的尺寸变换成适用于所述图像质量检测神经网络模型的预设尺寸。
[0010]可选的，所述应用所述数据集对所述图像质量检测神经网络模型进行训练，获取训练后的所述图像质量检测神经网络模型，包括：基于预设深度学习框架构建图像质量检测神经网络模型；根据预设比例将所述数据集划分为训练集、验证集以及测试集；应用所述训练集和所述验证集对所述图像质量检测神经网络模型进行训练，保存最优图像质量检测神经网络模型的神经网络权重；应用所述测试集对最优图像质量检测神经网络模型进行检查，获取训练后的所述图像质量检测神经网络模型。
[0011]可选的，所述基于预设深度学习框架构建图像质量检测神经网络模型，包括：基于所述预设深度学习框架将所述图像质量检测神经网络模型对结构设置为包括升维卷积层、神经网络模块、降维卷积层、全连接层、softmax分类输出层；确定所述图像质量检测神经网络模型的输入为图像数据张量与标签，输出为图像数据分别属于不同类别的置信度。
[0012]可选的，所述预设深度学习框架包括：Tensorflow框架、pyTorch框架以及cafffe框架的其中之一。
[0013]可选的，所述通过所述司机室视频司机行为智能分析程序根据所述分类检测结果对所述待检测数据进行处理，包括：如果所述分类检测结果为画面正常，则无需对所述待检测数据进行进一步处理；如果所述分类检测结果为画面模糊、画面黑暗、画面过曝的其中之一，则通过所述司机室视频司机行为智能分析程序对所述待检测数据进行与所述分类检测结果相关的处理以优化所述待检测数据。
[0014]基于同一专利技术构思，本专利技术一个或多个实施例还提出了一种司机室视频图像质量检测装置，包括：模型加载单元，用于在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块；图像检测单元，用于将预处理后的待检测数据输入所述图像质量检测模块进行图像质量检测，输出分类检测结果，其中所述分类检测结果包括画面正常、画面模糊、画面黑暗、画面过曝的其中之一；分类处理单元，用于通过所述司机室视频司机行为智能分析程序根据所述分类检测结果对所述待检测数据进行分类处理。
[0015]基于同一专利技术构思，本专利技术一个或多个实施例还提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项中所述的方法。
[0016]本专利技术的有益效果为，从上面所述可以看出，本专利技术一个或多个实施例提供的一种司机室视频图像质量检测方法、装置及电子设备，通过在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块；将预处理后的待检测数据输入所述图像质量检测模块进行图像质量检测，获取分类检测结果，其中所述分类检测结果包括画面正常、画面模糊、画面黑暗、画面过曝的其中之一；通过所述司机室视频司机行为智能分析程序根据所述分类检测结果对所述待检测数据进行分类处
理，能够准确检测出画面质量差的视频图像，方便选择合适的方法进行后续处理，能够有效降低违章项点的误报率。
附图说明
[0017]为了更清楚地说明本专利技术一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术一个或多个实施例中的司机室视频图像质量检测方法的流程示意图；
[0019]图2为本专利技术一个或多个实施例中的司机室视频图像质量检测方法中的图像质量检测神经网络模型结构示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种司机室视频图像质量检测方法，其特征是，所述方法包括：在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块；将预处理后的待检测数据输入所述图像质量检测模块进行图像质量检测，获取分类检测结果，其中所述分类检测结果包括画面正常、画面模糊、画面黑暗、画面过曝的其中之一；通过所述司机室视频司机行为智能分析程序根据所述分类检测结果对所述待检测数据进行分类处理。2.如权利要求1所述的方法，其特征是，所述在司机室视频司机行为智能分析程序中加载根据预训练的图像质量检测神经网络模型转换成的图像质量检测模块之前，包括：收集司机室视频并制作用于所述图像质量检测神经网络模型训练的数据集；应用所述数据集对所述图像质量检测神经网络模型进行训练，获取训练后的所述图像质量检测神经网络模型；根据训练后的所述图像质量检测神经网络模型将检查点模型文件转化成protocol_buffer模型文件，获得所述图像质量检测模块。3.如权利要求2所述的方法，其特征是，所述收集司机室视频并制作用于所述图像质量检测神经网络模型训练的数据集，包括：收集司机室视频，对所述司机室视频逐帧抽帧并去重；对去重后的各帧图像进行人工分类检测，获取分类检测结果；对各帧图像进行预处理，获取图像数据；根据所述图像数据和所述分类检测结果构建所述数据集。4.如权利要求3所述的方法，其特征是，所述对各帧图像进行预处理，获取图像数据，包括：将各帧图像转换成HSV色彩空间图像，并进行归一化处理；将各帧图像的尺寸变换成适用于所述图像质量检测神经网络模型的预设尺寸。5.如权利要求2所述的方法，其特征是，所述应用所述数据集对所述图像质量检测神经网络模型进行训练，获取训练后的所述图像质量检测神经网络模型，包括：基于预设深度学习框架构建图像质量检测神经网络模型；根据预设比例将所述数据集划分为训练集、验证集以及测试集；应用所述训练集和所述验证集对所述图像质量检测神经网络模型...

【专利技术属性】
技术研发人员：颜家云，彭联贴，褚金鹏，李晨，张慧源，田野，崔宵洋，黎孟，刘昕武，
申请(专利权)人：株洲中车时代电气股份有限公司，
类型：发明
国别省市：