[發(fā)明專利]一種基于大數據的網絡視頻圖像分析方法

在審

• 申請?zhí)枺?/td>: 201710597733.1
• 申請日: 2017-07-21
• 公開（公告）號: CN107341484A
• 公開（公告）日: 2017-11-10
• 發(fā)明（設計）人: 曹志雷;馮力
• 申請（專利權）人: 金鵬電子信息機器有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06K9/62;G06T7/00
• 代理公司: 北京輕創(chuàng)知識產權代理有限公司11212
• 代理人: 王新生

1.一種基于大數據的網絡視頻圖像分析方法，其特征在于，去除視頻中的背景以獲取待分析區(qū)域；對所述待分析區(qū)域進行頭肩檢測以獲取頭肩跟蹤軌跡；對所述待分析區(qū)域跳幀進行可變形人形檢測以獲取人形區(qū)域，對所獲得的人形區(qū)域圖像進行清晰度估計，得到清晰度估計圖像；逐一過濾掉所述清晰度估計圖像中的各個不清晰區(qū)域，得到所述清晰度估計圖像中的清晰區(qū)域；確定所述清晰區(qū)域為所述待分析圖片的前景圖像，所述待分析圖片中除所述前景圖像之外的其它圖像為所述待分析圖片的背景圖像，采用閾值法，根據預先標記的高亮像素點為定位基準點來定位生物芯片，然后根據預先設定的生物芯片屬性信息，確定每個檢測點的有效區(qū)域，進而，采用閾值法，根據預先標記的高亮像素點得到每個有效區(qū)域的子定位基準點，依據有效區(qū)域的子定位基準點定位標識待測物質的光斑位置，最后檢測所確定的光斑位置，對光斑位置使用目標檢測算法檢測至少一個圖像中目標的存在，所述目標檢測算法使用訓練圖像數據來訓練檢測算法至少部分地基于圖像的第一區(qū)域中的圖像數據與至少部分地從所述訓練圖像數據得出的數據的外觀相似性來檢測目標。

2.根據權利要求1所述的基于大數據的網絡視頻圖像分析方法，其特征在于，所述定位基準點和子定位基準點位于對應所標識區(qū)域的右下角。

3.根據權利要求1所述的基于大數據的網絡視頻圖像分析方法，其特征在于，尋找定位基準點的方法如下：a）以不小于兩個像素且不大于四個像素為步長遍歷所述數字圖像；b）針對每個遍歷到的像素點，在以該像素點為中心的鄰域內，計算依據預先確定的生物芯片屬性對應的各統(tǒng)計參數，統(tǒng)計參數包括所述數字圖像的平均亮度值、邊緣加強所述數字圖像后的平均亮度值，以及統(tǒng)計方差；c）若某個像素點滿足以下條件，確認為一個基準點：c1）以該像素點為中心的鄰域內的邊緣加強圖像的平均光斑內的信號平均值＞整個區(qū)域內的邊緣閥值×0.6；c2）灰度值在邊緣加強圖像的以平均亮度值0.8至1.4倍為半徑的鄰域內的像素點的數量與其他半徑相比為最多；d）計算步驟c）所得所有基準點的位置權重；e）找出位置權重最小或出現(xiàn)次數最多的基準點作為定位基準點。

4.根據權利要求1所述的基于大數據的網絡視頻圖像分析方法，其特征在于，對所述待分析圖片進行清晰度估計，得到清晰度估計圖像，包括：將所述待分析圖片劃分預設大小的圖像區(qū)域；對于每個圖像區(qū)域，在預先獲得的基向量字典所包含的各個基向量的方向上進行投影，得到當前圖像區(qū)域對應的投影矩陣；確定所述每個圖像區(qū)域對應的不為0的基向量，得到所述每個圖像區(qū)域的投影基向量；根據所述待分析圖片對應的全部投影基向量，得到清晰度估計圖像。

5.根據權利要求3所述的基于大數據的網絡視頻圖像分析方法，其特征在于，生物芯片定位是在定位基準點確定的情況下，按照預設的生物芯片與定位基準點的位置關系依據確定的定位基準點進行偏置得出。