[发明专利]一种街景视频模糊处理方法、系统、电子设备及存储介质

权利要求书

1.一种街景视频模糊处理方法，其特征在于，包括：

获取车牌数据集和开源的人脸数据集；

根据人脸和车牌的形状大小特性，基于改进后的YOLO算法构建对应的车牌识别模型和人脸识别模型，并通过车牌数据集和人脸数据集对两个识别模型分别进行训练；

获取车牌识别模型和人脸识别模型训练输出对应的权重文件；

根据车牌识别模型、人脸识别模型及对应的权重文件对街景视频逐帧进行目标检测，并对检测目标进行模糊处理。

2.根据权利要求1所述的方法，其特征在于，所述获取车牌数据集和开源的人脸数据集包括：

将车牌数据集和人脸数据集均按预定比例划分为训练集和测试集。

3.根据权利要求1所述的方法，其特征在于，所述基于改进后的YOLO算法构建对应的车牌识别模型和人脸识别模型还包括：

调整模型的输入文件和训练参数。

4.根据权利要求1所述的方法，其特征在于，所述根据车牌识别模型、人脸识别模型及对应的权重文件对街景视频逐帧进行漏检目标检测包括：

基于识别模型的权重，依次通过人脸识别模型和车牌识别模型检测街景视频中对应的人脸和车牌。

5.一种街景视频模糊处理系统，其特征在于，包括：

获取模块，用于获取车牌数据集和开源的人脸数据集；

模型训练模块，用于根据人脸和车牌的形状大小特性，基于改进后的YOLO算法构建对应的车牌识别模型和人脸识别模型，并通过车牌数据集和人脸数据集对两个识别模型分别进行训练；

权重输出模块，用于获取车牌识别模型和人脸识别模型训练输出对应的权重文件；

目标检测模块，用于根据车牌识别模型、人脸识别模型及对应的权重文件对街景视频逐帧进行漏检目标检测，并对漏检目标进行模糊处理。

6.根据权利要求5所述的系统，其特征在于，所述获取车牌数据集和开源的人脸数据集包括：

将车牌数据集和人脸数据集均按预定比例划分为训练集和测试集。

7.根据权利要求5所述的系统，其特征在于，所述基于改进后的YOLO算法构建对应的车牌识别模型和人脸识别模型还包括：

调整模型的输入文件和训练参数。

8.根据权利要求5所述的系统，其特征在于，所述根据车牌识别模型、人脸识别模型及对应的权重文件对街景视频逐帧进行漏检目标检测包括：

基于识别模型的权重，依次通过人脸识别模型和车牌识别模型检测街景视频中对应的人脸和车牌。

9.一种电子设备，包括存储器、处理器以及存储在所述所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的一种街景视频模糊处理方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至4任一项所述的一种街景视频模糊处理方法的步骤。