[發明專利]一種基于CNN的模糊異常視頻識別方法

在審

• 申請號: 201811088546.1
• 申請日: 2018-09-18
• 公開（公告）號: CN109299687A
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 劉宏基
• 申請（專利權）人: 成都網闊信息技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 劉東

1.一種基于CNN的模糊異常視頻識別方法，其特征在于：包括以下步驟：

S1、獲取視頻樣本；

S2、對S1獲取的視頻樣本進行處理；

S3、構建CNN網絡結構，所述CNN網絡結構為訓練網絡，此訓練網絡包括三個卷積層、兩個池化層和一個輸出層；

S4、將步驟S2處理后的樣本送入步驟S3建立的訓練網絡中進行識別訓練，訓練完成后，用測試程序把得到的網絡文件對未知樣本集進行分類識別，再輔以人工矯正，進行迭代訓練，得到最終的CNN網絡。

2.根據權利要求1所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S3中的CNN網絡結構由三個卷積層、兩個池化層和一個輸出層組成，其中：

第一層是卷積層，采用Relu激活函數，卷積方式為帶邊卷積；

第二層是池化層，按照最大值池化；

第三層是卷積層，采用Relu激活函數，卷積方式為帶邊卷積；

第四層是卷積層，采用Relu激活函數，卷積方式為帶邊卷積；

第五層是池化層，采用Relu激活函數；

第六層是輸出層，采用Softmax激活函數。

3.根據權利要求1所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S2中對S1獲取的視頻樣本進行處理的方法包括以下步驟：

S201、截取步驟S1中視頻樣本的關鍵幀；

S202、對步驟S201截取的視頻關鍵幀圖像進行樣本分類，同時抽取測試集和訓練集；

S203、對步驟S201截取的視頻關鍵幀圖像進行預處理，減少后續處理的計算量。

4.根據權利要求3所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S201中截取步驟S1中視頻樣本的關鍵幀采用OpenCV圖形庫進行圖像截取。

5.根據權利要求3所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S202中對步驟S201截取的視頻關鍵幀圖像進行樣本分類，將黑屏、藍屏、花屏、模糊不清屏、用各種物品遮擋攝像頭的圖像歸為模糊類，將剩下的清晰圖像歸為不模糊類。

6.根據權利要求3所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S203中對圖像進行預處理的方法包括先進行灰度處理，然后進行圖像壓縮，最后進行像素值歸一化處理。

7.根據權利要求1所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S4中進行識別訓練的訓練框架采用了動態學習率的算法和自動判收斂算法。

8.根據權利要求1所述的一種基于CNN的模糊異常視頻識別方法，其特征在于：所述步驟S4中還包括對訓練圖像進行變換的方法，圖像變換的方法包括橫向平移、縱向平移，旋轉、改變圖像對比度、改變明亮度、設置模糊區域范圍及模糊程度和調整噪聲大小，并且對每類變換都可詳細控制變換數量。