[發(fā)明專利]一種視頻圖像的高效處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010114138.X
• 申請(qǐng)日: 2020-02-25
• 公開(kāi)（公告）號(hào): CN111339922A
• 公開(kāi)（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 馬克;劉森;楊宇澤
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 北京勁創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11589
• 代理人: 徐家升

本發(fā)明公開(kāi)了一種視頻圖像的高效處理方法，獲取視頻圖像，利用視頻圖像采集終端進(jìn)行視頻圖像的采集，并將采集到的視頻圖像信息傳遞給視頻處理終端，在卷積層中對(duì)視頻圖像信息進(jìn)行處理，選定視頻圖像中的目標(biāo)對(duì)象，對(duì)目標(biāo)對(duì)象進(jìn)行分割，分割后的視頻圖像進(jìn)行特征的提取，將提取的視頻圖像特征值輸入到卷積神經(jīng)網(wǎng)絡(luò)中，進(jìn)行視頻圖像的識(shí)別，在池化層中提取視頻圖像的主要特征。本發(fā)明在進(jìn)行視頻圖像的處理過(guò)程中，利用卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行視頻圖像的處理，可以更加的高效和安全，且在進(jìn)行處理的過(guò)程中，準(zhǔn)確率高，可以減輕大量的工作量，提高工作效率。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻圖像領(lǐng)域，特別涉及一種視頻圖像的高效處理方法。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，視頻圖像的傳播也變得越來(lái)越流行，同時(shí)視頻圖像的使用，使的信息也能夠更好的進(jìn)行傳播，在進(jìn)行視頻圖像的處理時(shí)，現(xiàn)有的處理方法在進(jìn)行處理時(shí)，非常的慢，需要耗費(fèi)大量的時(shí)間，同時(shí)在進(jìn)行視頻圖像的處理時(shí)，還容易出錯(cuò)，工作量很大，任務(wù)也很繁瑣，不便于進(jìn)行很好的進(jìn)行視頻圖像的處理。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種視頻圖像的高效處理方法，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種視頻圖像的高效處理方法，包括以下步驟：

S1：獲取視頻圖像，利用視頻圖像采集終端進(jìn)行視頻圖像的采集，并將采集到的視頻圖像信息傳遞給視頻處理終端；

S2：在卷積層中對(duì)視頻圖像信息進(jìn)行處理，選定視頻圖像中的目標(biāo)對(duì)象，對(duì)目標(biāo)對(duì)象進(jìn)行分割，分割后的視頻圖像進(jìn)行特征的提取；

S3：將提取的視頻圖像特征值輸入到卷積神經(jīng)網(wǎng)絡(luò)中，進(jìn)行視頻圖像的識(shí)別；

S4：在池化層中提取視頻圖像的主要特征，選取指定區(qū)域內(nèi)最大的一個(gè)數(shù)來(lái)代表整片區(qū)域；

S5：在全連接層將各部分特征匯總，對(duì)視頻圖像中的各部分特征進(jìn)行總結(jié)匯總；

S6：產(chǎn)生分類器，進(jìn)行視頻圖像的預(yù)測(cè)識(shí)別。

優(yōu)選的，卷積層的內(nèi)部包含多個(gè)卷積核，卷積核在工作時(shí)，對(duì)輸入特征做矩陣元素乘法求和并疊加偏差量：

(i，j)∈{0，1，...LI+1}

優(yōu)選的，求和部分等價(jià)于求解一次交叉相關(guān)b為偏差量，Z^l和Z^l+1表示第l+1層的卷積輸一維和二維卷積運(yùn)算示例入和輸出，L_l+1為Z_l+1的尺寸，特征圖長(zhǎng)寬相同，Z(i，j)對(duì)應(yīng)特征圖的像素，K為視頻圖像特征圖的通道數(shù)，f、s₀和p是卷積層參數(shù)，對(duì)應(yīng)卷積核大小、卷積步長(zhǎng)和填充層數(shù)。

優(yōu)選的，卷積核是大小f＝1，步長(zhǎng)s₀＝1且不包含填充的單位卷積核時(shí)，卷積層內(nèi)的交叉相關(guān)計(jì)算等價(jià)于矩陣乘法，并由此在卷積層間構(gòu)建了全連接網(wǎng)絡(luò)由單位卷積核組成的卷積層為網(wǎng)中網(wǎng)或多層感知器卷積層。

優(yōu)選的，在卷積層進(jìn)行特征提取后，輸出的視頻圖像特征圖會(huì)被傳遞至池化層進(jìn)行特征選擇和信息過(guò)濾，池化層包含預(yù)設(shè)定的池化函數(shù)，將特征圖中單個(gè)點(diǎn)的結(jié)果替換為其相鄰區(qū)域的視頻圖像特征圖統(tǒng)計(jì)量，池化層選取池化區(qū)域與卷積核掃描特征圖步驟相同，由池化大小、步長(zhǎng)和填充控制Lp池化，Lp池化表示形式為式中步長(zhǎng)s₀、像素(i，j)的含義與卷積層相同，p是預(yù)指定參數(shù)，當(dāng)p＝1時(shí)，Lp池化在池化區(qū)域內(nèi)取均值，當(dāng)p→∞時(shí)，Lp池化在區(qū)域內(nèi)取極大值。

本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：在進(jìn)行視頻圖像的處理過(guò)程中，利用卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行視頻圖像的處理，可以更加的高效和安全，且在進(jìn)行處理的過(guò)程中，準(zhǔn)確率高，可以減輕大量的工作量，提高工作效率。

具體實(shí)施方式