[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

说明书

本发明提供一种街景视频模糊处理方法、系统、电子设备及存储介质，该方法包括：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。从而可以提高目标检测精度，减少人力物力的耗费，保障街景视频中人脸、车牌模糊处理质量和效率，并解决了目标检测过程中出现的漏检问题。

技术领域

本发明属于目标检测领域，尤其涉及一种街景视频模糊处理方法、系统、电子设备及存储介质。

背景技术

在对街景视频模糊处理过程追踪，由于开源数据集较少、实地采集会增加成本，目标检测模型精度会受限，通常会存在目标漏检，一些人脸和车牌没有进行模糊处理。若人工进行模糊处理会增加人力成本，而基于现有的数据集进行模型训练，检测漏检目标，其检测精度仍会受限，模糊质量不会有显著的提高。

发明内容

有鉴于此，本发明实施例提供了一种街景视频模糊处理方法、系统、电子设备及存储介质，用于解决现有街景视频模糊处理，目标检测精度受限的问题。

在本发明实施例的第一方面，提供了一种街景视频模糊处理方法，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。

在本发明实施例的第二方面，提供了一种街景视频模糊处理系统，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。

在本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。

在本发明实施例的第四方面，提供了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，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例中，利用开源数据集和已有的街景数据集，构建改进的YOLO算法模型并进行训练，通过两个模型分别对街景视频进行目标检测，可以提高目标漏检检测精度，避免目标漏检，提升街景中人脸、车牌的模糊处理效果，可以避免增加人力物力成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。

图1为本发明一个实施例提供的一种街景视频模糊处理方法的流程示意图；