[发明专利]视频噪点识别方法、装置、设备及计算机可读存储介质

权利要求书

1.一种视频噪点识别方法，其特征在于，包括：

从待识别视频中采样多组连续视频帧，分别计算每组连续视频帧所对应的帧差图；

将计算得到的所述帧差图输入深度神经网络进行噪点预测，输出视频分类结果；其中，所述深度神经网络为利用视频的帧差图作为训练神经网络的输入而训练得到的神经网络；所述深度神经网络输出的不同的分类结果对应不同的视频噪点严重程度；

根据所述视频分类结果输出噪点识别结果。

2.如权利要求1所述的方法，其特征在于，在所述分别计算每组连续视频帧所对应的帧差图的过程中，针对一组连续视频帧，包括：

确定所述一组连续视频帧中的中间视频帧，并计算所述一组连续视频帧的平均帧；

将所述中间视频帧与所述平均视频帧进行差值运算，得到所述一组连续视频帧所对应的帧差图。

3.如权利要求2所述的方法，其特征在于，所述将所述中间视频帧与所述平均视频帧进行差值运算，得到所述一组连续视频帧所对应的帧差图，包括：

将所述中间视频帧减去所述平均视频帧后，进行截断处理；

将截断处理后的帧差像素值平移到目标像素区间，得到所述一组连续视频帧所对应的帧差图。

4.如权利要求2所述的方法，其特征在于，所述将所述中间视频帧与所述平均视频帧进行差值运算，得到所述一组连续视频帧所对应的帧差图，包括：

将所述中间视频帧减去所述平均视频帧后取绝对值，得到所述一组连续视频帧所对应的帧差图。

5.如权利要求3所述的方法，其特征在于，所述一组连续视频帧包括n帧；所述将所述中间视频帧减去所述平均视频帧后，进行截断处理；将截断处理后的帧差像素值平移到目标像素区间，得到所述一组连续视频帧所对应的帧差图，包括：

通过公式计算得到所述一组连续视频帧所对应的帧差图；

其中，f_i,0为中间视频帧，μ_i为平均视频帧，κ为截断阈值，1≤i≤n，n为正整数。

6.如权利要求1所述的方法，其特征在于，所述将计算得到的所述帧差图输入深度神经网络进行噪点预测，包括：

将所述帧差图按照预定比例进行收缩，收缩后帧差图的第一边长像素个数在第一范围值中，收缩后帧差图的第二边长像素个数在第二范围值中；

将收缩后的帧差图输入深度神经网络进行噪点预测。

7.如权利要求1-6所述的方法，其特征在于，所述利用视频的帧差图作为训练神经网络的输入而训练，包括：

对视频训练集中的每个视频进行采样，采样出视频的多组连续视频帧，分别计算每组连续视频帧所对应的帧差图；

将计算得到的所述帧差图以及所述视频对应的人工标签输入预训练神经网络进行训练；所述人工标签用于指示所述视频的噪点严重程度；

通过视频验证集来确定出训练后的预测模型的神经网络。

8.如权利要求7所述的方法，其特征在于，所述通过视频验证集来确定训练后的预测模型的神经网络之后，还包括：

通过确定出的所述预测模型的神经网络对视频测试集进行噪点预测；

根据预测结果以及所述视频测试集对应的人工标签生成视频分类的混淆矩阵。

9.一种视频噪点识别装置，其特征在于，包括：

采样计算单元，用于从待识别视频中采样多组连续视频帧，分别计算每组连续视频帧所对应的帧差图；

预测单元，用于将计算得到的所述帧差图输入深度神经网络进行噪点预测，输出视频分类结果；其中，所述深度神经网络为利用视频的帧差图作为训练神经网络的输入而训练得到的神经网络；所述深度神经网络输出的不同的分类结果对应不同的视频噪点严重程度；

识别结果输出单元，用于根据所述视频分类结果输出噪点识别结果。