[發明專利]基于邊緣計算和機器學習的視頻質量異常檢測系統及其檢測方法

有效

• 申請號: 201910165037.2
• 申請日: 2019-03-05
• 公開（公告）號: CN109902640B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 肖志勇;高超宏;尹達恒;姜海鵬;宋嶸榕
• 申請（專利權）人: 江南大學;無錫本希奧智能技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V20/40;G06V20/52;G06V10/94;G06V10/96;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 顏盈靜

1.一種基于邊緣計算和機器學習的視頻質量異常檢測方法，其特征在于：包括以下步驟：

步驟1：對監控系統所覆蓋的范圍進行區域分組得到若干子區域，基于區域分組對配置的視頻傳感器和樹莓派進行編號：

步驟2：配置樹莓派，并基于樹莓派獲取視頻傳感器信息并保存至本地數據庫，由本地數據庫根據數據更新周期將當前更新的數據傳入云端服務器；

步驟3：視頻傳感器實時獲取視頻流，傳輸至視頻微處理器，由Python腳本基于異常預測模型檢測每一幀的視頻質量，若檢測出異常，則將異常數據記錄到本地數據庫并上傳至云端處理器；所述異常數據包括出現異常的視頻傳感器編號、視頻傳感器使用時間、視頻傳感器所連接的樹莓派編號、視頻傳感器的安裝位置、異常幀出現時間、異常幀的異常類型和異常幀的檢測參數；若未檢測出異常，不做記錄；

步驟4：由應用層的異常數據可視化模塊對異常數據進行顯示；

其中，異常預測模型包括區域異常預測模型和單個視頻傳感器的異常預測模型；異常預測模型按照以下步驟得到：

S1：以整體區域為單位將區域異常數據作為訓練區域異常預測模型的樣本；將不同區域內的攝像頭的異常數據作為訓練單個區域中的某一個視頻傳感器的異常預測模型的樣本；

S2：對S1中作為訓練樣本的異常數據做數據分組，分為A類樣本和B類樣本，所述A類樣本為人為因素干擾導致的異常數據，B類樣本為攝像頭本身故障導致的異常數據，在A類樣本中，異常類型為遮擋、轉動、晃動；在B類樣本中，異常類型為色偏、模糊、噪點；

S3：采用A類樣本和B類樣本分別對區域異常預測模型進行訓練，得到以區域內視頻傳感器的使用總時間和區域位置為輸入、異常總次數為輸出的區域異常預測模型；采用A類樣本和B類樣本分別對單個視頻傳感器的異常預測模型進行訓練，得到以視頻傳感器的生產信息和使用時間為輸入、異常出現時間和異常類型為輸出的單個視頻傳感器的異常預測模型。

2.根據權利要求1所述的一種基于邊緣計算和機器學習的視頻質量異常檢測方法，其特征在于：在對視頻流進行視頻質量檢測時，對視頻每一幀的圖像進行處理，處理過程包括以下步驟：

a：啟動檢測異常視頻的Python腳本程序；

b：讀取視頻幀并獲取幀參數；

c：使用六個線程并行檢測視頻幀的參數，根據參數將異常類型分為：遮擋、轉動、晃動、色偏、模糊和噪點。

3.根據權利要求1所述的一種基于邊緣計算和機器學習的視頻質量異常檢測方法，其特征在于：所述區域異常預測模型基于人工神經網絡算法，所述單個視頻傳感器的異常預測模型基于SVM算法。